Pushing into the Unknown: A Search for light long-lived particles with the ATLAS detector
Notice bibliographique
Résumé
New long-lived particles (LLPs) are predicted by various extensions of the Standard Model that address unresolved questions such as dark matter, neutrino masses, and the matter-antimatter asymmetry in the universe. These LLPs can be investigated at the Large Hadron Collider (LHC). LLPs exhibit distinctive detector signatures, and require novel search strategies and analysis techniques to aid in their discovery. This thesis investigates a search for light, pseudoscalar LLPs using 140, $fb^{−1}$ of proton-proton collision data collected by the ATLAS detector from 2015 to 2018 at $\sqrt{s} = 13 TeV$. The search focuses on hadronically decaying LLPs with masses between 5 and 55 GeV, with bench- mark models including both Higgs boson decays to LLP pairs ($H \to ss$) and axion-like particle (ALP) models. No significant excess above the expected background is observed. Upper limits areplaced on the branching ratio of Higgs boson to pairs of LLPs, the cross-section for ALPs produced in association with a vector boson, and, for the first time, on the branching ratio of the top quark to an ALP and a u/c quark. The obtained limits for the $H \to ss$ model are the most stringent so far for LLP masses ms < 40, GeV and lifetimes of $10^{−1} –10^{-3}$ m. This thesis also presents the performance of the large-radius tracking algorithm, which was optimized for Run 3 data-taking period. This algorithm is an additional pass of the track reconstruction process with relaxed collision vertex pointing requirements to improve sensitivity to LLPs in the ATLAS inner detector. Additionally, a transformer-based graph neural network algorithm is also studied in this thesis for hard-scatter vertex selection and is found to improve selection efficiency by approximately 5–10% compared to the existing approach for various physics processes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».