KIP-Veröffentlichungen

Die Analyse von Dijet-Ereignissen offenbart neue Einblicke in neue mögliche Phänomene, die jenseits des Standardmodells (SM) liegen, wie zum Beispiel über dunkle Materie. Massereiche Wechselwirkungsteilchen können als Resonanz im invarianten Massenspektrum des Zerfallsprodukts beobachtet werden. Jedoch sind Dijet-Systeme mit Massen unter 1 TeV aufgrund eines gro{\ss}en Wirkungsquerschnitts der SM Dijet-Erzeugung durch Bandbreiten- und Speicherkapazitäten des Detektors statistisch begrenzt. Die Trigger-Objekt-Level-Analyse (TLA) macht die Suche nach niederenergetischen Resonanzen ab 450 GeV möglich, indem sie nur einen Teil der vollen Detektorinformation der Ereignisse aufzeichnet und rekonstruiert. TLA verwendet den Viererimpuls des online rekonstruierten hadronischen Jets und weitere Jet-Eigenschaften, die auf Informationen des Kalorimetersystems basieren. Informationen des Spurdetektorsystems sind nicht erhalten. Das Signalmodell, welches in dieser Masterarbeit untersucht wird, besteht aus einem massereichen Wechselwirkungsteilchen, welches in zwei Quark-Jets zerfällt, während der QCD Untergrund von Gluon-Gluon- und Quark-Gluon-Endzuständen dominiert wird. Daher führt das Identifizieren des Jet-Flavours der beiden Jets im Endzustand dazu, dass der Untergrund im Vergleich zum Signal unterdrückt wird. Diese Arbeit präsentiert Studien verschiedener multivariater Verfahren, die auf Methoden des maschinellen Lernens basieren, und erzielt eine gute Quark- und Gluon-Jet-Unterscheidung.

The analysis of dijet events could reveal new insights on possible phenomena beyond the Standard Model (SM) such as dark matter. Massive particles can be observed as an excess in the invariant mass spectrum of the decay product. However, due to a large SM dijet production cross-section, dijet searches are statistically limited by the detector's bandwidth and storage limitations at masses below 1 TeV. The Trigger-Object Level Analysis (TLA) allows the search for low-mass resonances down to an invariant mass of 450 GeV by recording and reconstructing only a part of the full event. TLA uses the four-momentum of the online reconstructed jet and some jet properties based on calorimeter information. Tracking information is not included. The signal model used in this thesis consists of a massive mediator particle decaying into two quarks, while the QCD background is dominated by gluon-gluon and quark-gluon final states. Therefore, tagging the flavour of the two final state jets suppresses the background compared to the signal. This thesis presents studies of different multivariate analysis methods based on machine learning techniques and achieves a good quark-gluon separation.