Estudo da Contribuição de Ressonâncias Vetoriais na Procura por Matéria Escura no LHC
Física de Partículas. Matéria Escura. Aprendizado de Máquina. Redes Neurais Profundas
A matéria escura é um dos grandes mistérios do Universo que ainda não conseguimos desvendar, apesar de todo o sucesso em descrever os constituintes fundamentais da matéria, apenas 15% é descrito pelo Modelo Padrão. Sabemos da existência dessa grande quantidade de matéria por causa das observações cosmológicas, em que para que certas estruturas no Universo existam da forma como observamos, é necessária a existência de uma massa que não podemos ver. Existem abordagens variadas na procura de matéria escura, e levando em consideração o sucesso do Modelo Padrão em descrever a matéria conhecida em termos de partículas fundamentais, acreditamos que a matéria escura deva ser formada por partículas que podem ser acomodadas por um modelo que é uma extensão do Modelo Padrão. Em nosso trabalho, a procura de matéria escura está atrelada ao colisor de partículas LHC e as características de seu detector ATLAS e devido ao imenso número de dados gerados em colisões de partículas utilizamos softwares de Inteligência Artificial para nos auxiliar nessa busca. Usamos redes neurais artificias profundas, implementando um classificador binário no TensorFlow com o objetivo de separarmos os eventos que são do modelo padrão dos possíveis eventos de matéria escura, com dados gerados no CalcHep implementando o modelo ZP-TP-DM