Speakers
Description
L’identificazione di getti contenenti adroni pesanti è uno strumento fondamentale del programma di fisica dell’esperimento ATLAS al CERN Large Hadron Collider. Tecniche avanzate di machine learning sono oggi utilizzate per identificare sia b-jet singoli sia getti a largo raggio contenenti coppie di quark bottom provenienti dal decadimento di bosoni pesanti come Z e Higgs. Per garantire prestazioni affidabili nelle analisi di fisica, le efficienze di questi algoritmi devono essere calibrate direttamente sui dati.
In questo contributo vengono presentate strategie di calibrazione per algoritmi della famiglia GN2. L’efficienza del tagger GN2v01 per l’identificazione dei b-jet viene misurata in eventi multijet con muoni associati ai jet, permettendo di accedere alla regione di alto impulso trasverso. Inoltre, viene presentata la calibrazione preliminare dell’algoritmo GN2X, progettato per identificare getti a largo raggio contenenti coppie di quark bottom, sfruttando il picco della Z. I risultati sono ottenuti utilizzando i dati del Run 2 e i primi dati del Run 3.