Neue Phänomene mit Top-Quarks: Eine ungebinnte Analyse
Beyond bins: A Machine-learned SMEFT analysis of top quarks
Wissenschaftsdisziplinen
Physik, Astronomie (100%)
Keywords
-
LHC,
CMS Experiment,
Machine-learning,
SMEFT,
Top quarks
Das Top-Quark, das schwerste bekannte fundamentale Teilchen, spielt eine entscheidende Rolle für unser Verständnis des Universums. Es wechselwirkt mit dem Higgs-Boson und könnte der Schlüssel zu neuer Physik jenseits des Standardmodells sein. Die präzise Analyse von Top- Quark-Wechselwirkungen am Large Hadron Collider (LHC) bleibt jedoch eine große Herausforderung, da seine Produktion und sein Zerfall äußerst komplex sind. Dieses Forschungsprojekt zielt darauf ab, diese Hürden mit modernsten Methoden des maschinellen Lernens (ML) zu überwinden, um Top-Quark-Ereignisse mit bisher unerreichter Präzision zu analysieren. Bisher werden Kollisionsdaten in der Teilchenphysik oft in vereinfachten Darstellungen zusammengefasst, wodurch ein Großteil der komplexen Ereignisstruktur verloren geht. Dieses Projekt revolutioniert den Ansatz, indem es hochdimensionale Ereignisdaten vollständig ausnutzt. Fortschrittliche ML-Algorithmen werden trainiert, um Muster in den Kollisionen zu erkennen, die mit herkömmlichen Methoden verborgen bleiben. So können wir die präzisesten Einschränkungen der Top-Quark-Wechselwirkungen extrahieren und möglicherweise neue Physik bei Energieskalen jenseits der direkten experimentellen Reichweite aufdecken. Ein zentraler Schwerpunkt liegt auf der Standardmodell-Effektiven Feldtheorie (SMEFT), einem gut fundiertem Rahmen zur systematischen Beschreibung möglicher Abweichungen von der bekannten Physik. Durch ML-gestützte ungebinnte Analysen der Top-Quark-Paarproduktion steigern wir die Sensitivität für mögliche Abweichungen vom Standardmodell erheblich im Vergleich zu traditionellen Methoden. Dieses Projekt wird nicht nur unser Verständnis des Top-Quarks erweitern, sondern auch neue Maßstäbe für die Datenanalyse in der Hochenergiephysik setzen. Die Ergebnisse liefern essenzielle Beiträge zu globalen SMEFT-Studien und eröffnen eine neuartige Methodik, die auf eine Vielzahl fundamentaler Messungen anwendbar ist. Durch die Kombination moderner Rechenmethoden mit der Präzision der LHC-Daten machen wir einen wichtigen Schritt in Richtung neuer physikalischer Gesetze.
- Nicholas Wardle, Imperial College London - Großbritannien
- Andreas Jung, Purdue University - Vereinigte Staaten von Amerika
- Cecilia Gerber, University of Illinois at Chicago - Vereinigte Staaten von Amerika