Die Suche nach dem Stop-Quark

Präsentation zum Thema: "Die Suche nach dem Stop-Quark"—  Präsentation transkript:

1 Die Suche nach dem Stop-Quark
Jan Eckerlein

2 Supersymmetry Jan Eckerlein

3 Der Zerfall von zwei Stop-Quarks
Unbekannte SuSy-Teilchen Bekannte Teilchen aus dem Standartmodel Nicht direct detektierbare Teilchen: stop qurk neutralino neutrino Jan Eckerlein

4 Jan Eckerlein

5 Moegliche Region, in der der gezeigte Zerfall von zwei Stop-Quarks zu finden ist
Jan Eckerlein

6 t̃ -t̃ Signal t-t̅ Untergrund Jan Eckerlein

7 Schnitt-basierte trennung von background und Signal
Jan Eckerlein

8 Jan Eckerlein

9 Separierung mittels eines Neuroalen Netzwerks
Schnittbasierte Separierung Jan Eckerlein

10 Separierung mittels eines Neuroalen Netzwerks
Schnittbasierte Separierung Jan Eckerlein

11 Separierung von Signal und Untergrung mittels eines Neural Networks
Variabeln: mass of jets, mass of bjets, met, etc. Neural Network FERTIG ! output input hidden layer – with 6 neurons Das Netzwerk verbessern oder Variabeln aendern Jan Eckerlein

12 Jan Eckerlein

13 Veranschaulichung der Lernrate und Epochen
16 * Jan Eckerlein

14 Veranschaulichung der Lernrate und Epochen
10 * Jan Eckerlein

15 Veranschaulichung der Lernrate und Epochen
25 * Jan Eckerlein

16 Veranschaulichung der Lernrate und Epochen
15 * Jan Eckerlein

17 Jan Eckerlein

18 Veranschaulichung der Batchsize und der Folgen, der Veraenderung dieser
Jan Eckerlein

19 Bei zu kleiner Batchsize:
Veranschaulichung der Batchsize und der Folgen, der Veraenderung dieser Ein Datensatz: Bei zu kleiner Batchsize: Viel gelernt Wenig gelernt Jan Eckerlein

20 Keine Moeglichkeit einen Schnitt zu setzen !
Zwar exsistiert ausreichend Signal, dieses ueberlabt sich aber gaenzlich mit dem Untergrund, wieshalb eine gute trennung von Untergrund und Signal nicht moeglich ist Jan Eckerlein

21 Veranschaulichung der Batchsize und der Folgen, der Veraenderung dieser
Jan Eckerlein

22 Veranschaulichung der Batchsize und der Folgen, der Veraenderung dieser
Jan Eckerlein

23 Veranschaulichung der Batchsize und der Folgen, der Veraenderung dieser
Jan Eckerlein

24 Veranschaulichung der Batchsize und der Folgen, der Veraenderung dieser
Jan Eckerlein

25 Bei zu kleiner Batchsize:
Veranschaulichung der Batchsize und der Folgen, der Veraenderung dieser Ein Datensatz: Bei zu kleiner Batchsize: Viel gelernt Wenig gelernt Bei zu hoher Batchsize: Viel gelernt Viel gelernt Jan Eckerlein

26 Veranschaulichung der Batchsize und der Folgen, der Veraenderung dieser
Jan Eckerlein

27 Bei zu kleiner Batchsize:
Veranschaulichung der Batchsize und der Folgen, der Veraenderung dieser Ein Datensatz: Bei zu kleiner Batchsize: Viel gelernt Wenig gelernt Bei zu hoher Batchsize: Viel gelernt Viel gelernt Bei mittlerer Batchsize: Viel gelernt Wenig gelernt Jan Eckerlein

28 Jan Eckerlein

29 Zusammenfassung Weiteres Vorgehen
Optimierungsstudien fuer machinelearning-algorithmus Verbesserungsvorschlaege ausgearbeitet Weiteres Vorgehen Weitere Optimierung des Neuronalen Netzwerks mit mehr Variablen Neue Ansaetze zur erhoeung der Statistik Multiclassifizierung