Discriminação de b-jets através de técnicas de Aprendizado de Máquina no experimento CMS.

Na Física de Altas Energias, jatos são vistos como coleções de hádrons provenientes da produção inicial de um quark ou glúon. Esses jatos reconstruídos geralmente se movem na mesma direção e carregam o momento do quark ou glúon original. Para capturar a energia depositada por esses hádrons, usamos detectores chamados calorímetros, que nos fornecem informações sobre a distribuição de energia no espaço, descrita no plano eta-phi. Os jatos são frequentemente os sinais mais proeminentes em colisões de alta energia entre prótons, como as observadas no experimento CMS. Por conta disso, algoritmos para classificação de jatos são um assunto relevante de pesquisa.

Neste estudo, concentramos nossa atenção nos jatos originados a partir do quark bottom, conhecidos como b-jets. Identificar esses jatos é essencial para estudar vários processos físicos, incluindo eventos que envolvem o quark top, o bóson de Higgs e possível Física além do Modelo Padrão. Isso é particularmente relevante em experimentos, pois nos permite distinguir eventos que envolvem quarks bottom de outras interações que ocorrem no colisor.

Nosso objetivo foi explorar como o aprendizado de máquina pode ser utilizado para discriminar os b-jets dos c-jets (jatos de quarks charm) e jatos provenientes de outros sabores, como quarks up, down, strange ou glúons. Para isso, combinamos as informações das trajetórias das partículas carregadas (chamadas traços) dentro dos jatos com os dados dos próprios jatos. Com essa representação inicial, aplicamos duas abordagens de aprendizado de máquina: um Multi-Layer Perceptron e uma Rede Neural de Grafos. Em seguida, comparamos os resultados desses modelos e discutimos as dificuldades encontradas em cada abordagem.

Este estudo também introduzus conceitos de Física de Partículas, incluindo uma breve revisão histórica e técnicas de reconstrução de objetos físicos, como partículas carregadas e jatos, juntamente com uma introdução ao Aprendizado de Máquina.