Speaker
Description
L’identificazione (“tagging”) dei jet adronici associati a quark charm e bottom è cruciale per molte segnature sperimentali studiate con il rivelatore ATLAS al Large Hadron Collider. Il Soft Muon Tagging (SMT) è una tecnica di tagging basata sull’identificazione di muoni provenienti da decadimenti $b/c \rightarrow \mu + X$ all’interno dei jet adronici, complementare ad altri algoritmi basati su proprietà del jet. Con l’algoritmo SMT i muoni, grazie alla loro correlazione cinematica con gli adroni heavy flavour, possono essere utilizzati per definire osservabili leptoniche nelle misure, con vantaggi per numerose analisi in termini di variabili disponibili e sensibilità alle incertezze sistematiche.
L’attuale algoritmo cut-based utilizzato in ATLAS presenta un margine di miglioramento e può essere ottimizzato tramite efficienti algoritmi di Machine Learning (ML). Questo contributo presenta MIDDLE, il nuovo soft muon tagger basato su ML sviluppato all’interno della collaborazione ATLAS per dati di Run-2 e Run-3. Dopo averne presentato l’architettura e le considerazioni che ne hanno guidato lo sviluppo, vengono discusse le sue prestazioni di fisica e computazionali nel contesto delle attività del gruppo Top, mostrando il beneficio significativo che può fornire a diverse attività di analisi preservando al contempo i vantaggi del tagger cut-based, insieme a idee e piani per il suo ulteriore sviluppo.