Identificación de tipos de partículas mediante redes neuronales en datos NanoAOD del CERN

Sanchez, Camila Fernanda Y Villota, Christopher Andrey (2025) Identificación de tipos de partículas mediante redes neuronales en datos NanoAOD del CERN. In: X Comhep, 04/12/2025, Medellín, Colombia. (Unpublished)

	Text poster camila Sanchez.pdf Download (15kB)
	Text Poster Christopher Villota.pdf Download (16kB)
	Text Poster_Comhep.pdf Download (574kB)

Resumen

La identificación automática de partículas (PID) es un componente esencial en la física de altas energías, ya que permite distinguir leptones y hadrones generados en colisiones protón-protón en el LHC. El proyecto original consiste en desarrollar un clasificador basado en redes neuronales profundas utilizando directamente datos NanoAODSIM del experimento CMS en el CERN, los cuales contienen información simulada de alta fidelidad, con etiquetas de partícula provenientes del generador. Sin embargo, antes de trabajar con los datasets completos del CERN (mucho más complejos, pesados y con estructuras internas ricas), se implementó una etapa de resultados preliminares empleando un dataset simulado más simple. Esta fase inicial permite evaluar el comportamiento general de una red neuronal multicapa (MLP) frente a la clasificación de partículas, validar el pipeline de entrenamiento y verificar que el modelo es capaz de capturar relaciones cinemáticas fundamentales antes de escalar a los datos NanoAODSIM. De este modo, los resultados presentados aquí constituyen una primera aproximación experimental que antecede al uso del conjunto completo de NanoAODSIM del CMS.

Tipo de Elemento:	Conferencia o Taller artículo (Poster)
Palabras Clave:	identificación de partículas (PID), redes neuronales profundas, perceptrón multicapa (MLP), NanoAODSIM, CMS, CERN, física de altas energías, aprendizaje automático, clasificación de partículas, LHC.
Asunto:	Q Ciencias > Q Science (General) Q Ciencias > QC Physics
Division:	Facultad de Ciencias Exactas y Naturales > Programa de Física > Eventos
Depósito de Usuario:	Prof. Yithsbey / Y. Giraldo
Fecha Deposito:	26 Jun 2026 19:34
Ultima Modificación:	26 Jun 2026 19:34
URI:	http://sired.udenar.edu.co/id/eprint/19115

Ver Elemento