ABCD and Template Fitting for Background Estimation Using 90 Signal Models in the Search for Emerging Jets at the ATLAS Experiment at the Large Hadron Collider
Notice bibliographique
Résumé
This thesis presents an analysis as part of the search for the physical signature known as an emerging jet in the ATLAS detector at the Large Hadron Collider.This hypothetical signature is predicted by a proposed hidden valley sector, called the dark sector, which interacts with the Standard Model via a dark mediator particle, X d .In this sector, the dark particles produce collimated sprays of particles, leading to eventual decay into Standard Model particles and the production of jet objects.This may occur at displaced points from the original interaction point, resulting in the sudden emergence of these jets.The analysis uses Monte-Carlo simulated events created at an integrated luminosity of 139 fb -1 and a centre-of-mass energy of s = 13 TeV.This thesis shows the background estimation and sensitivity to the theoretical cross-section of 90 emerging jets signal models found by a data-driven background estimation method.The systematic uncertainties from all sources are also shown.This is done for a model independent approach and a model dependent approach that uses a machine learning technique to create the input signal and background planes.Also presented is a similar study using an MC-driven template fitting method for background estimation and sensitivity calculations.This is done as a direct comparison to the data-driven method.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».