Saggese, Emanuella
(2021)
Ricostruzione di barioni charmati Lambda_c non prompt con reti neurali.
[Laurea], Università di Bologna, Corso di Studio in
Fisica [L-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
|
Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (6MB)
| Contatta l'autore
|
Abstract
ALICE (A Large Ion Collider Experiment) è l'esperimento sullo studio delle collisioni tra ioni pesanti condotto al Large Hadron Collider del CERN ed è finalizzato allo studio dello stato della materia fortemente interagente in condizioni di alta temperatura e densità di energia, quando si verifica una transizione ad una fase della materia conosciuta come Quark-Gluon Plasma (QGP) in cui quark e gluoni non sono confinati all'interno di barioni e mesoni. Il QGP è oltretutto di difficile osservazione e, a causa della sua breve vita media, le sue proprietà vengono investigate tramite misure indirette cui si occupa ALICE nonché del sistema creato in collisioni a ioni pesanti ultrarelativistici durante tutte le fasi della sua evoluzione, dalla formazione iniziale alla successiva espansione (e raffreddamento). In questo contesto, particelle contenenti quark pesanti, come il charm e il beauty, ricoprono un ruolo essenziale: i quark pesanti vengono creati nelle primissime fasi della collisione da urti fortemente inelastici tra partoni ed attraversano tutto il sistema in espansione. Tali particelle perdono una frazione significativa della loro energia attraversando la materia e, interagendo con essa, ne forniscono le proprietà. In questa tesi è stata considerata la ricostruzione del barione charmato Lambda_c non prompt, ovvero proveniente dal decadimento di adroni beauty, mediante l'utilizzo di reti neurali. La difficoltà di tale analisi rende indispensabile l'approccio multivariato che consente di considerare, contemporaneamente e indipendentemente, proprietà multiple di eventi usufruendo della maggior parte delle informazioni disponibili a mezzo tecniche di machine learning.
Abstract
ALICE (A Large Ion Collider Experiment) è l'esperimento sullo studio delle collisioni tra ioni pesanti condotto al Large Hadron Collider del CERN ed è finalizzato allo studio dello stato della materia fortemente interagente in condizioni di alta temperatura e densità di energia, quando si verifica una transizione ad una fase della materia conosciuta come Quark-Gluon Plasma (QGP) in cui quark e gluoni non sono confinati all'interno di barioni e mesoni. Il QGP è oltretutto di difficile osservazione e, a causa della sua breve vita media, le sue proprietà vengono investigate tramite misure indirette cui si occupa ALICE nonché del sistema creato in collisioni a ioni pesanti ultrarelativistici durante tutte le fasi della sua evoluzione, dalla formazione iniziale alla successiva espansione (e raffreddamento). In questo contesto, particelle contenenti quark pesanti, come il charm e il beauty, ricoprono un ruolo essenziale: i quark pesanti vengono creati nelle primissime fasi della collisione da urti fortemente inelastici tra partoni ed attraversano tutto il sistema in espansione. Tali particelle perdono una frazione significativa della loro energia attraversando la materia e, interagendo con essa, ne forniscono le proprietà. In questa tesi è stata considerata la ricostruzione del barione charmato Lambda_c non prompt, ovvero proveniente dal decadimento di adroni beauty, mediante l'utilizzo di reti neurali. La difficoltà di tale analisi rende indispensabile l'approccio multivariato che consente di considerare, contemporaneamente e indipendentemente, proprietà multiple di eventi usufruendo della maggior parte delle informazioni disponibili a mezzo tecniche di machine learning.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Saggese, Emanuella
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
ALICE,QGP,reti neurali,TMVA,MINUIT,barioni L_c
Data di discussione della Tesi
19 Marzo 2021
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Saggese, Emanuella
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
ALICE,QGP,reti neurali,TMVA,MINUIT,barioni L_c
Data di discussione della Tesi
19 Marzo 2021
URI
Statistica sui download
Gestione del documento: