Bachelorarbei­ten

Quarkonia are unstable hadrons made up of identical quark-antiquark pairs, which decay according to the electromagnetic, strong or weak interactions. This project will work on improving the modelling of these decays in the simulation program "Sherpa" by updating branching ratios from measured results and implementing matrix elements for the most relevant decay channels.

Effective field theory (EFT) allows us to make accurate predictions about phenomena beyond the Standard Model (SM) without requiring a complete understanding of the fundamental mechanisms involved. Vector boson scattering (VBS) processes are ideal for precision measurements within the SM. In this project, it will be working on final states consisting of two photons and two jets (yyjj) produced by VBS processes. Using EFT interpretations, it is aimed to make predictions for neutral gauge couplings that do not exist in the SM.

The production of four leptons from photons are a very sensitive probe of the electroweak gauge structure. Data recorded by the ATLAS Experiment in the LHC run-2 are used to quantify the agreement of the theoretical predictions. This is done by constraining higher-dimensional beyond-the-Standard-Model operators that generate purely neutral electroweak interaction vertices between photons and the Z boson.

The production of W boson pairs from photons are a very sensitive probe of the electroweak gauge structure. Data recorded by the ATLAS Experiment in the LHC run-2 are used to quantify the agreement of the theoretical predictions. This is done by constraining higher-dimensional beyond-the-Standard-Model operators that modify the γγWW vertex.

tbd (Mareen, Erik)

Studying specific polarisation configurations in which W or Z bosons can be produced is interesting due to the connection of the longitudinal polarisation of massive vector bosons to the Higgs mechanism and electroweak symmetry breaking. This is often done in the leptonic decay modes of the W/Z boson, but the high rate of the hadronic decay mode makes it an attractive alternative final state. We want to study simulations for polarised hadronically decaying W/Z bosons and identify interesting observables for a future analysis of these with the ATLAS detector.

More information to follow.

The complexity of matrix element calculations for final states with a high multiplicity is so high, that their computational cost often limits theory simulations for the LHC. In this project we want to extend a machine learning based approach to simplify these calculations by approximating the matrix elements. The goal is to study various parameters for the architecture and training of deep neural networks in this approach.

The simulation of different polarisation states allows us to study effects from physics beyond the Standard Model in more detail. In this project we want to study, how effective-field-theory extensions of the Standard Model will affect different polarisations of W bosons in W±W± pair production at the LHC.

The simulation of different polarisation states allows us to study effects from physics beyond the Standard Model in more detail. In this project we want to study, how effective-field-theory extensions of the Standard Model will affect different polarisations of W and Z bosons in WZ pair production at the LHC.

Investigating the polarization of vector bosons (VB) in VB production processes provides tests for the Standard Model's gauge symmetry structure and the concrete mechanism of electroweak symmetry breaking, as well as sensitivity to new physics. The ATLAS VB polarisation analysis is currently trying to measure the contribution of longitudinally-polarised W-bosons in the scattering of two same-charged W-bosons. To enhance the measurement’s sensitivity, artificial neural networks (ANNs) are used to separate the different VB polarisation components. At the moment, the Monte-Carlo simulations used to train the ANNs are based on the matrix element generator MadGraph.

Since recently, the event generator Sherpa is also able to simulate polarized cross sections of VB production processes. In preparation for its application in the ATLAS VB polarisation analysis, a first proof of concept study has been performed to investigate different methods to train ANNs to separate the VB polarisations. However, these investigations are so far based on “truth-level” simulations, i.e. without the inclusion of detector effects. In addition to extending the existing study to more complex training procedures, the goal of this Bachelor thesis is to apply the collected knowledge to “reconstruction-level” samples that include the effects of the detector simulation and object reconstruction. This allows a direct comparison of the expected measurement sensitivity when using ANNs trained on MadGraph vs. Sherpa-samples.

Investigating the polarization of vector bosons (VB) in VB production processes provides tests for the Standard Model's gauge symmetry structure and the concrete mechanism of electroweak symmetry breaking, as well as sensitivity to new physics. As one of the VB production processes with a very clean signature due to four charged leptons in the final state, the ZZ electroweak production process is very interesting for this purpose. Some literature studies on this process already exist. Since recently, the Monte-Carlo-Eventgenerator Sherpa is able to simulate polarized cross section of vector boson production. The goal of this thesis is to test this new feature with this process. Furthermore, aspects of this process not yet studied, such as the contribution of particle showers, can be investigated.

Triboson production V(->ll)V(->ll)V(->qq) is a component of the signal definition in vector boson scattering, but is sometimes ignored or generated as a separate process. This thesis should study the impact of the triboson component. In particular the effect of dim-8 EFT operators in the quartic vertex should be studied to quantify the effect of ignoring the triboson production in an EFT study.

Bachelorarbeit, Wissenschaftliche Studien, Masterarbeit, Staatsexamensarbeit in Experimenteller Teilchenphysik

• Multivariate Analyse, Machine Learning und Künstliche Intelligenz
• Optimieren der Datenanalyse zur Teilchensuche und Teilchenrekonstruktion
• Anwendung und Weiterentwicklung von Analyse-Software zur statistischen Datenauswertung

Eine der Forschungsaktivitäten der ATLAS-Gruppe des Instituts für Kern- und Teilchenphysik ist die Suche nach Higgs-Bosonen in Erweiterungen des Standardmodells am Large Hadron Collider (LHC). Für diese Teilchensuche steht ein neuer Rekorddatensatz von insgesamt 200 fb^-1 zur Verfügung, der ausgewertet werden soll. Weitere Daten zeichnet der ATLAS-Detektor derzeit auf.

Beim Zerfall von Higgs-Bosonen jenseits des Standardmodells treten häufig Tau-Leptonen im Endzustand auf. Die Suche nach Signalereignissen, die Unterdrückung des Untergrundes und die Erkennung von hadronisch zerfallenden Tau-Leptonen werden laufend optimiert. Dabei kommen Methoden des Machine Learning und statistische Datenauswertung zum Einsatz.

Die Schwerpunkte der Bachelor- oder Masterarbeit können individuell festgelegt werden. Aktuelle Fragestellungen sind die Rekonstruktion der Masse der zerfallenden Higgs-Bosonen, die Optimierung der Rekonstruktion von Tau-Zerfällen aus Teilchenspuren und die Verbesserung der Ereignisselektion für die Suche nach leichten oder schweren Higgs-Bosonen.

In dem Forschungsprojekt erlernen Sie software-gestützte Methoden der Datenanalyse und Statistik, den Einsatz von Machine-Learning-Tools, sowie die Funktionsweise moderner Teilchendetektoren.

Voraussetzung für die Arbeit sind Kenntnisse der Grundlagen der Teilchenphysik. Gute Kenntnisse in einer objektorientierten Programmiersprache sind empfehlenswert.

© CERN

Bachelorarbeit, Wissenschaftliches Arbeiten, Masterarbeit, Staatsexamensarbeit in Experimenteller Teilchenphysik

• Machine Learning und Künstliche Intelligenz
• Optimieren der Energiemessung des Kalorimeters
• Programmieren oder Simulation elektronischer Signalprozessoren
• Statistische Analyse von Messdaten

Die Flüssig-Argon-Kalorimeter des ATLAS-Detektors sollen in einer zukünftigen Ausbaustufe mit einer neuen Auslese-Elektronik ausgestattet werden. Dabei werden die Signale der Kalorimeter mit höherer Energie- und Ortsauflösung ausgelesen, so dass man die bei den pp-Kollisionen entstehenden Teilchen besser erkennen und rekonstruieren kann. Ziel ist z.B. die verbesserte Erkennung von weiteren Higgs-Bosonen, die mit dem ATLAS-Detektor gesucht werden.

Diese Teilchenerkennung muss in Echtzeit erfolgen und jede Entscheidung darf nicht länger als ca. 0,5 μs dauern. Daher werden modernste und schnelle, programmierbare FPGA-Schaltkreise zur Signalerkennung genutzt. Wir setzen dabei Deep-Learning und Methoden der künstlichen Intelligenz ein, um die Messungen zu optimieren.

In der Bachelor- oder Master-Arbeit soll die Energierekonstruktion der ATLAS-Kalorimeter mit Machine-Learning-Ansätzen weiter verbessert werden.

In dem Forschungsprojekt erlernen Sie den Einsatz von Machine-Learning-Tools (keras), universelle, software-gestützte Datenverarbeitung, sowie die grundlegenden Funktionsweisen moderner Teilchendetektoren und elektronischer Auslesesysteme.

Interessierte können auch die Hardware-Programmiersprache VDHL erlernen, welche wir zur Programmierung von FPGAs einsetzen.

Voraussetzung für die Arbeit sind Kenntnisse der Grundlagen der Teilchenphysik und Motivation, sich in die Methoden des Machine-Learning einzuarbeiten. Grundkenntnisse einer Programmiersprache sind von Vorteil.

© CERN

© IKTP