Počet záznamů: 1
Performance of top-quark and W -boson tagging with ATLAS in Run 2 of the LHC
- 1.
SYSNO ASEP 0521088 Druh ASEP J - Článek v odborném periodiku Zařazení RIV J - Článek v odborném periodiku Poddruh J Článek ve WOS Název Performance of top-quark and W -boson tagging with ATLAS in Run 2 of the LHC Tvůrce(i) Aaboud, M. (MA)
Aad, G. (FR)
Abbott, B. (US)
Chudoba, Jiří (FZU-D) RID, ORCID
Hejbal, Jiří (FZU-D) RID, ORCID
Hladík, Ondřej (FZU-D) ORCID
Jačka, Petr (FZU-D) ORCID
Jakoubek, Tomáš (FZU-D) RID, ORCID
Kepka, Oldřich (FZU-D) RID, ORCID
Kroll, Jiří (FZU-D) ORCID
Kupčo, Alexander (FZU-D) RID, ORCID
Lokajíček, Miloš (FZU-D) RID, ORCID
Lysák, Roman (FZU-D) RID, ORCID
Marčišovský, Michal (FZU-D) RID, ORCID
Mikeštíková, Marcela (FZU-D) RID, ORCID
Němeček, Stanislav (FZU-D) RID, ORCID
Penc, Ondřej (FZU-D) ORCID
Šícho, Petr (FZU-D) RID, ORCID
Staroba, Pavel (FZU-D) RID, ORCID
Svatoš, Michal (FZU-D) RID, ORCID
Taševský, Marek (FZU-D) RID, ORCIDCelkový počet autorů 2921 Číslo článku 375 Zdroj.dok. European Physical Journal C. - : Springer - ISSN 1434-6044
Roč. 79, č. 5 (2019), s. 1-54Poč.str. 54 s. Jazyk dok. eng - angličtina Země vyd. DE - Německo Klíč. slova ATLAS ; CERN LHC Coll ; deconstruction ; shape analysis: jet ; constituent ; structure ; shower ; dijet ; topology Vědní obor RIV BF - Elementární částice a fyzika vys. energií Obor OECD Particles and field physics Výzkumná infrastruktura CERN-CZ - 90058 - Fyzikální ústav AV ČR, v. v. i. Způsob publikování Open access Institucionální podpora FZU-D - RVO:68378271 UT WOS 000466407600007 EID SCOPUS 85065123030 DOI 10.1140/epjc/s10052-019-6847-8 Anotace The performance of identification algorithms (“taggers”) for hadronically decaying top quarks and W bosons in pp collisions at s√ = 13 TeV recorded by the ATLAS experiment at the Large Hadron Collider is presented. A set of techniques based on jet shape observables are studied to determine a set of optimal cut-based taggers for use in physics analyses. The studies are extended to assess the utility of combinations of substructure observables as a multivariate tagger using boosted decision trees or deep neural networks in comparison with taggers based on two-variable combinations. In addition, for highly boosted top-quark tagging, a deep neural network based on jet constituent inputs as well as a re-optimisation of the shower deconstruction technique is presented.
Pracoviště Fyzikální ústav Kontakt Kristina Potocká, potocka@fzu.cz, Tel.: 220 318 579 Rok sběru 2020 Elektronická adresa http://hdl.handle.net/11104/0305754
Počet záznamů: 1