Mejora de la pureza de selección en colisiones subatómicas

Abstract

El objetivo del presente trabajo es estudiar y comparar diferentes herramientas existentes para la selección de los datos relevantes en los estudios de desintegraciones enLHCb (CERN), concretamente la desintegración del Mesón B0en un mesón K*0 y en un fotón γque,asu vez, el mesón K*0se reconstruye a partir de un pion y un kaon, K+π-o K-π+.La desintegración descrita del mesón B0se genera con poca probabilidad, produciéndose otro tipo de desintegraciones más frecuentemente, las cuáles generan un ruido combinatorio que dificulta la separación entre mediciones correctas y mediciones de fondo. Surge por lo tanto la necesidad de encontrar algoritmos que separen correctamente la señal obtenida de lo clasificado como ruido combinatorio.Para ello se estudian las características numéricas producidas en la desintegración, así como las relaciones físicas entre las variables. Con este conocimiento adquirido se generan modelos de inteligencia artificial basados en la tecnología de Boosted Trees, los cuales entrenaremos y probaremos con datos reales y artificiales generados con métodos de Monte Carlo. Finalmente se mide el rendimiento de los modelos con el objetivo de encontrar el algoritmo que optimice los resultados manteniendo una fiabilidad estadística que le permita ser replicable en casos similares.

The objective of this thesis is to study and compare the different tools available for Data Selection in decay studies elaborated in the LHCb experiment(CERN), specifically the decay of the Bmeson into a K*0meson and a photon γ, wherethe K*0 meson decaysinto a pion and a kaon, K+π-or K-π+.This specific decay occurs with a low probability. In a proton-proton collision, thousands of particles are produced,andother kind of Bdecays occurmore frequently, thus resulting on a largecombinatorial background in the selection of our decay of interest.It arises the need of finding specific algorithms that can distinguish between the desired signal from the background (noise).In order to do so,we will study the numerical characteristics of the selected Bcandidates and itsdecay products, as well as the physical relationship between the variables. With this knowledge acquired we generate artificial intelligence models based on Boosted trees technology, where we will train and test them with both realdata and datagenerated artificially by Monte Carlo models. Then, we will measure each model ́s performance with the objective of maximizing the results while ensuring thatthose arereliable and canbe appliedin similar cases.