전자-양전자 충돌 실험에서 기계학습을 활용한 입자의 자동 재구성에 대한 연구 (A Study on the Automatic Reconstruction of the Particles with Machine Learning at e+e- Collider Experiments)

서지정보

· 발행기관 : 한국물리학회
· 수록지 정보 : 새물리 / 72권 / 8호 / 564 ~ 572페이지
· 저자명 : 김경호, 조기현

초록

본 논문은 기계학습 알고리즘을 사용하여 전자-양전자 충돌 실험에서의 입자, 특히 B 중간자의 자동 재구성 방법에 관한 연구를 보여준다. 전자-양전자 충돌 실험에서 한 쌍의 B 중간자가 생성된다. 이 중 하나의 B 중간자를 신호 B 입자로 간주하고 연구를 위해 재구성한다. 다른 B 중간자의 자동 재구성은 재구성되는 B 중간자로부터 얻을 수 있는 추가적인 정보들을 활용하여 신호 사건의 질을 향상시킬 수 있다. 이러한 방식은 붕괴 모드에 중성미자 등의 검출되지 않는 입자들에 의해서 신호 B 중간자를 완전히 재구성하는 것이 불가능한 상황에서 유용하다. 이러한 자동 재구성의 이점을 얻기 위해, B 중간자 연구에서 B 중간자를 재구성하는 ‘태깅’ 방법을 개발하고 연구하였다. 본 논문에서는 인공 신경망, 가속 결정트리 등의 기계학습 방법을 활용하여 ‘다른’ B 중간자를 태깅하여 자동 재구성하는 방법을 연구하였다. 자동 재구성 방법을 경입자 맛깔 위반 연구를 위해 생성된 모의시늉 데이터에 적용하여 그 효과를 확인하였다. 그 결과는 자동 재구성 방법이 배경사건을 효과적으로 억제하고 신호 사건과 배경 사건을 크게 분리한다는 것을 보여준다.

영어초록

This paper shows the automatic reconstruction of particles, particularly B meson, at e+e- collider using a machine learning algorithm. During an e+e- collider process, a pair of B meson is created, one of which is regarded as a signal and reconstructed for analysis. The automatic reconstruction of the other B meson can enhance the quality of signal events by controlling information produced from another B meson. This technique is useful particularly when a complete reconstruction of signal B is impossible because of invisible particles are included in the decay mode such as neutrino. In utilizing automatic reconstruction, a ‘tagging’ method has been developed and used in B meson analyses. In this paper, we studied the tagging method of ‘other’ B meson using machine learning algorithms such as artificial neural networks and boosted decision trees. We also applied automatic reconstruction and checked its effect on the analysis of lepton-flavor-violating decay modes with simulation data. The result shows that automatic reconstruction effectively reduces background events and provides separation between signal and background.

참고자료

· 없음