Machine learning techniques for jetmet data certification of the CMS detector at Cern
Cern'de CMS dedektörünün jetmet veri sertifikasyonu için makine öğrenimi teknikleri
- Tez No: 810642
- Danışmanlar: PROF. DR. MİTHAT KAYA, DR. İSMAİL OKAN ATAKİŞİ
- Tez Türü: Yüksek Lisans
- Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fen Bilimleri Ana Bilim Dalı
- Bilim Dalı: Fizik Bilim Dalı
- Sayfa Sayısı: 97
Özet
CERN Büyük Hadron Çarpıştırıcısında proton-proton çarpışmalarından çıkan yüksek enerjili parçacıkların ölçüldüğü kompakt müon solenoid (CMS) dedektörü gibi son teknolojiyi kullanan dedektörler için, veri kalitesi izleme (DQM) ve veri sertifikasyonu (DC) yapmak, fizik analizleri ve veri kalitesini sağlamak için önemli iki bileşendir. Çevrimdışı DQM işlemlerinde, veri kümesi (Run) olarak gruplanan kayıtlı verilerin kalitesi değerlendirilir. Hadronik jetler ve eksik enine momentum (MET) ile ilgili miktarların sertifikasyonu için mevcut yöntem, çoğunlukla dedektörün durumunu ve performansını özetleyen referans histogramlarının manuel olarak izlenmesine dayanır. Bahsedilen çok sayıda histogram göz önüne alındığında, süreç zaman alıcıdır ve normdan sapmalar daha az belirgin olduğunda insan hatasına eğilimlidir. Burada sunulan sonuçlar, hadronik jet ve MET nesnelerine odaklanarak çevrimdışı DQM verilerini iyi veya kötü veri olarak onaylamak için makine öğrenimi yöntemlerini göstermektedir. Bu tez de 2018 yılı boyunca toplanan çarpışma verilerini kullanarak,“autoencoder”tekniklerinin çalışmaları doğru bir şekilde onaylayabildiğini ve düzensiz dedektör bölgelerini tespit edebildiğini, böylece hem veri sertifikasyonu için gereken süreyi hem de bir uzman kişinin potansiyel olarak gözden kaçırabileceği anormallik oranını azaltabildiğini gösterdik.
Özet (Çeviri)
For cutting-edge detectors like the compact muon solenoid (CMS) detector, where high energetic particles emerging from proton-proton collisions at the CERN large hadron collider (LHC) are measured, data quality monitoring (DQM) and data certification (DC) are crucial components in ensuring reliable data quality suitable for physics analysis. In the offline DQM procedure, the quality of recorded data, grouped in 'runs', is evaluated. The current method for certification of quantities related to hadronic jets and missing transverse momentum (MET) is mostly reliant on manually monitoring reference histograms summarizing the status and performance of the detector. Given the large number of distributions that are mentioned, the process is time intensive and prone to human error when deviations from the norm are less evident. The results presented here show machine learning methods for certifying offline DQM data, focusing on hadronic jet and MET objects. Using collision data collected during 2018, we show that autoencoder techniques can accurately certify runs and detect ineffective detector regions, allowing us to reduce both the time required for DC, as well as the rate of anomalies a human expert can potentially miss.
Benzer Tezler
- Machine learning techniques for estimation of human tiredness level from brain electrical activity
Başlık çevirisi yok
SAAD SHABAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Havayolu yolculuk deneyimini iyileştirmek için makine öğrenmesi yöntemleriyle uçuş gecikmesi tahmini
Machine learning techniques for enhancing airline passenger experience through flight delay prediction
ESMA ERGÜN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Machine learning techniques for cyber security
Siber güvenlik için makine öğrenimi teknikleri
FADI HAMMAD
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NECİP GÖKHAN KASAPOĞLU
- Machine learning techniques for prediction of human age based on teeth x-ray images
Diş röntgeni görüntülerine dayalı insan yaşının tahmini için makine öğrenmesi teknikleri
ROOMA SATTAR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim ÜniversitesiElektrik ve Bilgisayar Ana Bilim Dalı
YRD. DOÇ. DR. SHAHRAM TAHERI
- Machine learning techniques for USDT price forecasting and their correlation with gold
USDT fiyat tahmini için makine öğrenimi teknikleri ve altın ile korelasyonu
YOUSSEF EL OUARDIGHI
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiYapay Zeka Ana Bilim Dalı
Prof. Dr. RÜŞTÜ MURAT DEMİRER