Using machine learning method to search the anomalous quartic gauge couplings via tri-photon production at future hadron colliders
Gelecekteki hadron çarpıştırıcılarında makine öğrenmesi tekniği kullanılarak anormal dörtlü ayar bağlaşımlarının üç-foton üretimiyle araştırılması
- Tez No: 847034
- Danışmanlar: PROF. DR. ABDULKADİR ŞENOL
- Tez Türü: Yüksek Lisans
- Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Bolu Abant İzzet Baysal Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Standart Model'deki Abelyen olmayan ayar simetrisinin gerektirdiği şekilde ayar bozonlarının kendi kendine eşleşmelerinin incelenmesi, SM'nin ayar yapısına dair çok değerli bilgiler sağlar. SM'nin ayar bozonu kendi kendine eşleşmesine ilişkin tahminlerinden herhangi bir sapma, SM'nin ötesinde yeni fiziğin varlığına işaret edebilir. Bu, etkili bir alan teorisi yaklaşımı kullanarak kendi kendine etkileşimleri ayarlamayı içerir. Bu çalışmanın amacı, gelecekteki hadron çarpıştırıcıları olan HL-LHC (14 TeV) ve FCC-hh (100 TeV) üzerinde, entegre luminositeleri sırasıyla 3 ve 30 olan HL-LHC ve FCC-hh'de, γγγγ ve γγγZ vertex'leri ile ilişkilendirilen anormal dördüncül kalibre boyut-8 bağlantıları tri-foton üretimi aracılığıyla incelemektir. Üretilen olaylar, parton duşu ve dedektör etkileri göz önüne alınarak Monte Carlo yöntemleri kullanılarak analiz edilmiş ve aynı zamanda Boosted Decision Trees adı verilen TMVA ile makine öğrenimi yöntemleriyle de incelenmiştir. f_T8/Λ^4 ve f_T9/Λ^4 anormal dörtlü ayar bağlantılarının limitleri, gelecekteki her iki hadron çarpıştırıcısı için sistematik hatalarla ve sistematik hatalar olmadan %95 güven düzeyinde elde edildi. FCC-hh'nin sonuçları, anormal dördüncü derece ayar bağlantıları üzerindeki kısıtlamaların, LHC'deki ATLAS işbirliğinin en iyi deneysel limitlerinden yaklaşık üç kat daha güçlü olduğunu göstermektedir. Gerçekçi %10'luk sistematik belirsizlik hesaba katıldığında, sınırlar yaklaşık bir kat azalıyor ancak yine de ATLAS tarafından rapor edilen değerleri iki kat aşıyor.
Özet (Çeviri)
Examining the self-couplings of gauge bosons, as dictated by the non-Abelian gauge symmetry in the Standard Model (SM), provides invaluable insights into the SM's gauge structure. Any departure from SM's predictions regarding gauge boson self-coupling could hint at the presence of new physics beyond the SM. This involves adjusting self-interactions through an effective field theory approach. This study aims to investigate anomalous quartic gauge dimension-8 couplings related to γγγγ and γγγZ vertices via tri-photon production in future hadron colliders, namely the HL-LHC (√s=14 TeV) and the FCC-hh (√s=100 TeV) with integrated luminosities of 3 ab^(-1) and 30 ab^(-1). Generated events, considering parton showering and detector effects, are analyzed using Monte Carlo methods and also using machine learning methods which are called TMVA with Boosted Decision Trees. Limits of anomalous quartic gauge couplings f_T8/Λ^4 and f_T9/Λ^4, obtained at a 95% confidence level, with and without systematic errors for both future hadron colliders. Results for the FCC-hh collider indicate that constraints on anomalous quartic gauge couplings are about three orders of magnitude stronger than the best experimental limits by the ATLAS collaboration at the LHC. Factoring in a realistic 10% systematic uncertainty, the limits degrade by about one order of magnitude but still surpass those reported by ATLAS by two orders of magnitude.
Benzer Tezler
- Acoustic anomaly detection in industrial plants
Endüstriyel tesislerde akustik anomali tespiti
TAHA BERKAY DUMAN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE
- Tree-based machine learning methods combined with swarm intelligence feature selection for intrusion detection
Saldırı tespiti için sürü zekası özellik seçimi ile birleştirilmiş ağaç tabanlı makine öğrenimi yöntemleri
EMRA DEMİR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DOÇ. DR. YASİN KAYA
- Sınırlı veri setiyle sınıflama uygulamalarına yeni bir yaklaşım
A new approach to classification applications with limited dataset
SAİM ERVURAL
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT CEYLAN
- Medical dataset classification based on different deep learning techniques and meta-heuristic algorithms
Farklı derin öğrenme teknikleri ve meta-sezgisel algoritmalara dayalı tıbbi veri kümesi sınıflandırması
YEZI ALI KADHIM
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAtılım ÜniversitesiMühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı
PROF. DR. ALOK MISHRA
PROF. DR. REŞAT ÖZGÜR DORUK
- Predicting direction of stock price movement by using adaptive ensemble learning method
Hisse senedi fiyatı hareket yönünün adaptif topluluk öğrenmesi metodu ile tahmin edilmesi
ALİ ÖZKAN PEKMEZ
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN