Simulaciones realistas de colisiones protón-protón en el LHC usando una red neuronal convolucional extractora de correlaciones locales

Abstract

RESUMEN: Este Trabajo de Fin de Grado se ha planteado varios objetivos en relación con la aplicación de técnicas de aprendizaje automático al análisis de datos en física de partículas, repartidos en dos fases. El primer objetivo consiste en comprobar las capacidades de las redes neuronales para cubrir tareas de clasificación de casos sencillos y aplicarlas a la clasificación de datos correspondientes a simulaciones de Montecarlo de eventos de producción de pares de quarks top-antitop y de producción de materia oscura en asociación con estos pares tt¯ . El segundo objetivo es estudiar una técnica existente de redes neuronales convolucionales desarrollada para extraer el estilo artístico de obras pictóricas (basado en las correlaciones locales de la imagen), y realizar un estudio de viabilidad para su aplicación a un caso de generación de simulaciones más realistas de eventos de colisiones departículas en el LHC. Se han desarrollado redes neuronales sencillas de tipo perceptrón multicapa. La aplicación de este método consigue clasificar puntos tomados de dos gaussianas bidimensionales contiguas con hasta un 97,7 % de precisión. Otro sistema de arquitectura similar se ha utilizado para clasificar eventos simulados de producción de tt¯ y de producción de materia oscura junto con tt¯ . No se han obtenido mejoras significativas con respecto a una separación en función del valor del momento transverso ausente, pT,Miss. Para aplicar una red neuronal convolucional de tratamiento de imágenes a datos de colisiones en el LHC, se ha diseñado un forma- to para expresar estos datos en forma de imágenes. Se han alterado voluntariamente algunos de los datos introducidos, reflejando en las imágenes un estilo concreto. El procesamiento de las imágenes no consigue aplicar a las imágenes originales el estilo introducido en las imágenes modificadas. El método utilizado parece que no es viable, aunque se contemplan estudios adicionales con estructuras diferentes tanto para el formato de las imágenes como de la red convolucional.

ABSTRACT: This final degree project has considered several objectives regard- ing the application of machine learning techniques to data analysis in particle physics, divided in two stages. The first objective consists in checking neural networks’ capacities to fulfill classification tasks with simple cases and then applying them to data correspnding to Montecarlo simulations of top-antitop quark pairs production events and dark matter production events in association with tt¯. The second objective is to study an existing convolutional neural networks technique developed for extracting the artistic style from paintings (based on local correlations of the image), and perform a feasibility study for its application to one case of producing more realistic simulations of particle collisions events at the LHC. Some multilayer perceptron-type vanilla neural networks have been developed. The implementation of this method achieves to classify, with a 97.7% accuracy, points taken from two contiguous bidimensional gaussians. Another system with similar architecture has been utilized to clas- sify simulated events of tt¯ production and dark matter production in along with tt¯ . No significant improvements have been obtained with respect to simple separation in terms of the value of the missing trans- verse momentum, pT,Miss. In order to apply a convolutional neural network for image processing to data from collisions at the LHC, a format for expressing those data as images has been designed. Some of the introduced data have been intentionally altered, capturing a particular style in the images. The handling of the images by the network does not manage to apply on the original images the style introduced in the modified ones. The method used appears to be not viable, although further studies with different structures for the formatting of the images as well as for the convolutional network are envisaged.