Estudio con aprendizaje automático de la certificación de datos físicos del detector CMS de LHC (CERN) utilizando Non-Negative-Matrix-Factorization (NMF).
Author:
Publication date:
Serie:
Grado en Física
Descripción física:
Abstract:
En este trabajo se ha estudiado la viabilidad de la aplicación de los métodos de aprendizaje automático al proceso de certificación de muones en el detector CMS del LHC, en concreto, la aplicación del método de descomposición matricial NMF (Non-Negative Matrix Factorization). Se ha podido determinar que el empleo de algoritmos de aprendizaje automático nos permite trabajar con mayor granularidad, pasando de estudiar runs a estudiar Lumisections. Además, durante este estudio se ha encontrado que la calidad de las medidas sigue una relación de proporcionalidad inversa con la luminosidad instantánea del detector. Finalmente, hemos podido ver que este método es útil a la hora de etiquetar los datos como “buenos” o “malos”, las dos etiquetas que se manejan en el proceso de certificación.
En este trabajo se ha estudiado la viabilidad de la aplicación de los métodos de aprendizaje automático al proceso de certificación de muones en el detector CMS del LHC, en concreto, la aplicación del método de descomposición matricial NMF (Non-Negative Matrix Factorization). Se ha podido determinar que el empleo de algoritmos de aprendizaje automático nos permite trabajar con mayor granularidad, pasando de estudiar runs a estudiar Lumisections. Además, durante este estudio se ha encontrado que la calidad de las medidas sigue una relación de proporcionalidad inversa con la luminosidad instantánea del detector. Finalmente, hemos podido ver que este método es útil a la hora de etiquetar los datos como “buenos” o “malos”, las dos etiquetas que se manejan en el proceso de certificación.
Collections
- Trabajos Fin de Grado [1999]