Speaker
Description
L'utilizzo di algoritmi avanzati di machine learning, come i transformer, ha migliorato in modo significativo le prestazioni degli algoritmi di identificazione dei jets iniziati da quark pesanti all’esperimento ATLAS permettendo un’ottima discriminazione tra jets da quark b, c o da quark leggeri. Tradizionalmente gli algoritmi di flavour tagging (i cosiddetti taggers) sono sempre stati agnostici per quanto riguarda la carica dei jets, limitandosi a identificare il sapore senza distinguere tra quark e antiquark. In questo contributo viene presentata un’ estensione degli attuali taggers, introducendo la capacità di determinare la carica del quark che ha generato il jet. Studi su simulazioni mostrano per la prima volta risultati promettenti nella discriminazione tra jet originati da un quark b e dalla sua anti-particella, con una purezza superiore al 70%, che supera il 75% nel caso dei c-jets. La possibilità di classificare la carica dei jets apre così nuove opportunità per misure innovative del Modello Standard e per ricerche di nuova fisica oltre il Modello Standard. Dopo aver presentato l’implementazione e le prestazioni dell’algoritmo, verranno illustrati strategia e risultati preliminari per la misura dell’efficienza direttamente sui dati, attraverso tecniche dedicate di calibrazione.