Detailansicht
Search for lepton flavor violating 𝜏 decays to a lepton and an invisible boson at Belle II using machine learning methods
Benjamin Bacher
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Physik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Physics
Betreuer*in
Eberhard Widmann
DOI
10.25365/thesis.75941
URN
urn:nbn:at:at-ubw:1-16993.71169.296295-1
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Das Standard Model der Teilchenphysik kann bestimmte Phänomene wie Lepton Flavor Violation (LFV) und Dunkle Materie nicht erklären oder verbietet diese zum Teil sogar. Deswegen tauchen immer mehr Konzepte, die über das Standard Models hinausgehen, auf und versuchen diese Phänomene zu erklären, sogenannte Neue Physik. Ein paar dieser Theorien sagen die Existenz von zusätzlichen Bosonen voraus. Nennen wir sie ? Teilchen. Obwohl es unmöglich ist, aufgrund von sehr schwacher beziehungsweise nicht vorhandener Wechselwirkung mit bekannten Teilchen diese Teilchen mit bisherigen Methoden direkt zu messen, kann man den Querschnitt des vorhergesagten Zerfalls berechnen und mit den Spuren der messbaren Teilchen vergleichen, in unserem Fall mit ?, ? und ? Leptonen. LFV für geladene Teilchen nennt man charged LFV. Diese charged LFV Zerfälle sind, wenn sie überhaupt existieren, äußerst selten und haben deshalb ein sehr kleines Signal-zu-Hintergrund Verhältnis. Unser Ziel ist die Verbesserung von statistischer Ungenauigkeit auf der Suche nach solchen Zerfällen. Der Fokus dieser Arbeit ist deshalb die Trennung von Signal (Neue Physik Interaktionen) und Hintergrund (Standard Model Interaktionen). Wir nutzen Monte Carlo generierte Datensätze und schneiden bei bestimmten Variablen rechteckige Datensätze daraus. In Kombination mit dem Boosted Decision Tree Algorithmus können wir die vielversprechensten Schnittpunkte finden und so das Signal-zu-Hintergrund Verhältnis gesammelter Datenverbessern.
Abstract
(Englisch)
The Standard Model of Particle Physics (SM) does not explain or even forbids concrete phenomena like Lepton Flavor Violation (LFV) and Dark Matter. Therefore, numerous New Physics(NP) concepts beyond the SM have been brought up for theoretical and experimental research. A few of those theories predict the existence of an additional boson. Let’s call it the ? particle. Though it is impossible to detect it directly with current methods, due to non-existing or very weak interactions with known particles, we can calculate the cross-section of the predicted decay and compare the traces of the detectable particles, in this case, ?, ?, and ?. LFV for charged particles is called charged LFV. Charged LFV decays are rare events if they exist in the first place thus having a small signal-to-noise ratio. So we want to focus on improving statistics in the search for such decays. The main point of this thesis is therefore the separation of signal (NP interactions) and background (SM interactions). We use Monte Carlo samples and apply rectangular cuts on a set of discriminating variables. In combination with Boosted Decision Tree training (BDT) to find the optimal cutting point we can improve the signal-to-background ratio for data.
Schlagwörter
Schlagwörter
(Deutsch)
LFV Machine Learning Boosted Decision Tree Belle II
Schlagwörter
(Englisch)
LFV Machine Learning Boosted Decision Tree Belle II
Autor*innen
Benjamin Bacher
Haupttitel (Englisch)
Search for lepton flavor violating 𝜏 decays to a lepton and an invisible boson at Belle II using machine learning methods
Publikationsjahr
2024
Umfangsangabe
87 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Eberhard Widmann
Klassifikation
33 Physik > 33.56 Elementarteilchenphysik
AC Nummer
AC17198271
Utheses ID
71419
Studienkennzahl
UA | 066 | 876 | |