Relatore
Descrizione
Uno dei temi di ricerca più complessi su cui l'esperimento ATLAS sta attualmente lavorando, e che continuerà a esplorare nella prossima era dell'LHC, è la misura dei couplings di Yukawa H → bb e H → cc. Il canale più sensibile per queste misure è quello in cui il bosone di Higgs viene prodotto in associazione con un bosone W/Z. L'identificazione dei jet originati da quark b e c è di fondamentale importanza per questa analisi e ha subito un notevole miglioramento in ATLAS grazie all'uso di algoritmi di machine learning all'avanguardia basati su reti neurali a grafo (Graph Neural Networks). Questo contributo presenterà studi sull'impatto di queste nuove tecniche nella misura sopra citata. L'implementazione dell'algoritmo GN2 ha dimostrato miglioramenti eccezionali nella significatività del segnale rispetto a DL1r, e l'ottimizzazione di questo approccio di apprendimento automatico per ottenere i migliori risultati possibili è di cruciale importanza. Studi iniziali indicano miglioramenti significativi nei livelli di significatività quando si utilizzano diverse efficienze di tagging dei b- e c- jet. Questi studi saranno preziosi per misure mai effettuate prima, come l'accoppiamento dell'Higgs con il quark c.
