Bogotá - Ciencias - Maestría en Ciencias - Física · 2026
Lund Jet Plane tagger for boosted particles in the ATLAS experiment
Esta tesis presenta el desarrollo, la optimización y el despliegue de un clasificador de jets basado en aprendizaje automático, construido sobre la representación del Plano de Lund, dentro del experimento ATLAS en el Gran Colisionador de Hadrones (LHC). El objetivo central de este trabajo es investigar la viabilidad de un marco basado en el Plano de Lund para la identificación de objetos en el régimen boosted, con énfasis particular en su sensibilidad a los efectos de modelado de Monte Carlo y a las correlaciones con la masa del jet. El estudio incluye una caracterización sistemática de las variaciones dependientes del generador, utilizando múltiples modelos de parton shower y hadronización, así como la exploración de estrategias de mitigación tales como el entrenamiento con múltiples generadores y restricciones en el espacio de fases dentro de la secuencia de declustering. El desempeño del clasificador se evalúa para la identificación de quarks top y bosones W en el régimen boosted, y se compara con arquitecturas también basadas en constituyentes establecidas en ATLAS, incluyendo redes neuronales gráficas y modelos basados en transformadores. Aunque el clasificador basado en el Plano de Lund no alcanza el mayor rechazo de fondo obtenido por las arquitecturas de atención global más avanzadas, demuestra un desempeño competitivo en un amplio rango de momento transversal, particularmente a altos valores de pT, apoyándose en una representación física estructurada y compacta del patrón de radiación del jet. También se aborda la implementación del modelo dentro del marco de software de ATLAS (Athena). El clasificador se adapta para inferencia basada en ONNX y se integra en la cadena de reconstrucción de Athena, permitiendo su uso dentro de los flujos de análisis estándar de ATLAS. Se presenta además una extensión exploratoria del método para la identificación del bosón de Higgs, estableciendo un marco coherente para evaluar enfoques basados en el Plano de Lund en múltiples topologías de objetos boosted. En conjunto, este trabajo ofrece un estudio detallado de la interacción entre representaciones de jets motivadas físicamente, arquitecturas de aprendizaje automático y las incertidumbres asociadas al modelado de Monte Carlo en el contexto del etiquetado moderno de jets en ATLAS. (Texto tomado de la fuente)