Die ATLAS-Kollaboration hat vor kurzem eine Suche nach neuen schweren Teilchen veröffentlicht, welche in ein Paar von W-Bosonen zerfallen. Solche Teilchen werden von vielen Theorien jenseits des Standardmodells vorhergesagt, beispiele hierfür sind Kaluza-Klein-Gravitonen, Radionen, Schwere Vektor-Tripletts oder zusätzliche schwere Higgs-Bosonen. Das vorliegende Ergebnis setzt bereits starke Ausschlussgrenzen im niedrigen TeV-Bereich darüber, welche Arten von Teilchen jenseits des Standardmodells überhaupt noch denkbar wären, ohne in Konflikt mit vergangenen Beobachtungen zu stehen. Dennoch kann diese Messung mit ein paar kleinen Änderungen noch deutlich verbessert werden: Beispielsweise könnte die Signalregion differentiell gemäß der Anzahl der hadronischen Jets im Ereignis aufgeteilt oder auf Leptonpaare gleichen Typs (ee oder µµ statt nur eµ) ausgedehnt werden. Beide dieser Änderungen könnten die Sensitivität der Analyse deutlich erhöhen. 

Ziel der Arbeit ist es, systematisch verschiedene Variationen der Analyse auf Modelldaten zu untersuchen und eine von ihnen auszuwählen, welche einen guten Kompromiss aus Sensitivität der Messung und Stabilität des statistischen Modells bietet. Hierbei kann ausführlich Erfahrung mit statistischen Analysewerkzeugen gesammelt werden.

Die Analyse-Selektionskriterien entsprechen einem quaderförmigen Phasenraumvolumen, welches für die Auswertung ausgewählt wird. Eine Optimierung der Grenzflächen dieses Quaders durch Verschieben der Selektionsschnitte ist eine einfache Möglichkeit der Verbesserung, aber auch andes geformte Phasenraumvolumina sind denkbar, beispielsweise durch Einsatz von Methoden des Maschinellen Lernens.

Interessierte Studierende könnten bereits vorhandene Software-Werkzeugkästen nutzen, um die Optimierung automatisiert durchzuführen, sowie auch eigene Neuentwicklungen und Ideen beisteuern. Bei gutem Fortschritt kann die optimierte Analyseselektion letztlich auf echte ATLAS-Daten angewendet werden, um ein präziseres Ergebnis als das von ATLAS veröffentlichte zu erhalten.  

Back