Développement d'un outil d'identification des paires d'électron-positron provenant de bosons Z à haute impulsion basé sur l'étude de la sous-structure des gerbes électromagnétiques au LHC
Bibliographic record
Abstract
Lorsqu'un boson Z de haute impulsion se désintègre en paire e+e-, l'électron et le positron laissent des traces très rapprochées l'une de l'autre, ce qui rend la reconstruction de ce processus peu efficace. L'identification de signature leptoniques d'évènements massifs issus de théories telles l'extension du groupe de jauge électrofaible SU(2)_1 x SU(2)_2 x U(1) pour ajouter des bosons massifs W' et Z' se couplant directement aux bosons vectoriels et aux fermions du modèle standard est important dans l'optique de recherche de nouvelle physique puisque les états finaux leptoniques fournissent le canal de détection de plus pur. Ici, un outil d'identification des paires d'électron-positron issues de bosons Z à haute impulsion basé uniquement sur les variables décrivant les jets est développé en se basant sur des simulations d'évènements massifs produits dans le détecteur ATLAS du LHC au CERN. Une étude topologique des évènements candidats est portée dans un ensemble d'échantillons Monte Carlo. Une série de coupures rectangulaires est optimisée sur un échantillon de bosons Z produits avec une haute impulsion. L'efficacité de reconstruction des paires d'électron-positron est maximisée. Cinq sources de bruit de fonds ont été soumises aux critères de sélection pour l'étude de la suppression du bruit de fonds. Finalement l'outil développé est comparé à l'identification de paires d'électron-positron basé sur la reconstruction usuelle d'objets leptoniques au LHC. Cette comparaison met en évidence le gain significatif de l'outil développé, atteignant une efficacité de reconstruction de 93% dans des échantillons Monte Carlo à haute énergie, avec un bruit de fond négligeable.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".