Aplicação de Algoritmos de Aprendizado de Máquina na identificação de jatos de quarks pesados produzidos em colisões hadrônicas simuladas.

• Processo: 24/08408-3
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2024
• Data de Término da vigência: 31 de agosto de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Física - Física Nuclear
• Pesquisador responsável: Mauro Rogerio Cosentino
• Beneficiário: Vinicius Elias da Silva
• Instituição Sede: Centro de Ciências Naturais e Humanas (CCNH). Universidade Federal do ABC (UFABC). Ministério da Educação (Brasil). Santo André , SP, Brasil
• Assunto(s): Aprendizado computacional Hádrons Jatos Grande Colisor de Hádrons Cromodinâmica quântica Simulação
• Palavra(s)-Chave do Pesquisador: aprendizado de máquina | b-tagging | hadrons | Jatos | Lhc | Pythia8 | Qcd | Root | Simulações | Física Nuclear Relativísitica; Íons Pesados Relativísticos

Resumo

Este projeto visa estender um estudo prévio de simulação de eventos em colisões hadrônicas, focando na aplicação de algoritmos de aprendizado de máquina para a análise dos dados obtidos. A partir dos resultados iniciais das simulações de produção de jatos, pretende-se utilizar a Regressão Logística e o BDT (Boosted Decision Trees) para a identificação e classificação de jatos contendo hádrons com quarks {\it charm} e {\it bottom}. As ferramentas principais a serem utilizadas incluem, além das já empregadas no estudo anterior os pacotes de análise TMVA do ROOT com o objetivo de desenvolver métodos eficientes a rotulação dos jatos de heavy-flavour.