پديد آورنده :
كرم سيچاني، محمدحسين
عنوان :
تشخيص داده‌هاي توليد فوتون در همجوشي بوزون‌هاي برداري ضعيف از پس زمينه در شبيه سازي و داده، با استفاده از شبكه عصبي
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
ذرات بنيادي تجربي
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
توصيفگر ها :
شبكه‌هاي عصبي عميق , يادگيري ماشين , برخورد دهنده ذرات
تاريخ ورود اطلاعات :
1403/05/31
رشته تحصيلي :
ذرات بنيادي و نظريه ميدان ها
تاريخ ويرايش اطلاعات :
1403/06/05
كد ايرانداك :
8a7c5567-21c9-4465-b21f-2bc6bbd0b7d
چكيده فارسي :
اين پايان نامه به بررسي كاربرد شبكه‌هاي عصبي عميق (DNN) در تشخيص و بررسي توليد فوتون از همجوشي بوزون‌هاي حامل نيروي ضعيف (VBF) در برخورد دهنده بزرگ هادروني مي‌پردازد. برهمكنش VBF نوعاً در فيزيك انرژي بالا از اهميت ويژه‌اي برخوردار است. اين اهميت به دليل وجود جفت شدگي سه گانه بوزون‌هاي برداري و حساسيت آن به انحراف از مدل استاندارد است. در اين پايان‌نامه به بررسي توان شبكه عصبي عميق، DNN، در تفكيك اين فرايند از زمينه‌ي آن پرداخته مي‌شود و نشان خواهيم داد كه با يك ساختار ساده از شبكه‌هاي عصبي مي‌توان داده‌هاي نسبتا پيچيده را تا حد قابل قبولي تفكيك و تحليل كرد.
چكيده انگليسي :
This thesis explores the application of Deep Neural Networks (DNN) in the detection and analysis of photon production Weak Vector Boson Fusion (VBF) within particle colliders. VBF is a crucial phenomenon in high-energy physics, providing insights into fundamental particles and their interactions. Traditional methods for detecting and analyzing photon production face challenges, and this paper investigates the potential of DNN to overcome these hurdles and we will show that with a simple structure of neural networks, relatively complex data can be classified to an acceptable extent.
استاد راهنما :
عبيده جعفري
استاد داور :
فرهاد فضيله , صديقه سجاديان
