论文部分内容阅读
大型强子对撞机(LHC)是当今世界上就强大的粒子加速器。高能量的质子束在其中以14TeV的质心系能量对撞。ATLAS探测器是LHC上最大的实验，是适用于广泛的研究课题的多用途的探测器（第2章）。ATLAS探测器的一个主要目标，是利用大型强子对撞机(LHC)提供的前所未有的高能量对撞，探索标准模型之外(BSM)的新物理。很多BSM理论都预言了同电荷双轻子的信号（第1章），并且标准模型的物理过程对这样的信号只有很少的本底贡献，这就使这一信号成为利用早期数据进行兼容性探索的理想通道。 在Tevatron进行的另一个类似的综合性同电荷双轻子研究观测到了稍许超出标准模型预测的事例数（第3章）。这是这一课题的重要动机。本研究中，我们检验了同电荷双μ子末态的所有可能的标准模型来源（第4章）。我们用蒙特卡罗方法模拟事例产生和探测器响应，从而研究这些物理过程对本底的贡献。对于量子色动力学(QCD)的多喷注本底，全探测器响应模拟有特别的困难之处。因为其巨大的反应截面，完全模拟绝不可能提供有效的统计量。我们利用事例生成器层面的μ子筛选产生了一些替代样本，大大减少了不必要的探测器模拟，从而提升了蒙特卡罗样本生成的效率（第5章）。利用这些蒙特卡罗样本，我们设计了只利用μ子属性进行切割的事例筛选算法。它可以压制标准模型本底的贡献，与此同时保证对大部分标准模型之外新物理产生过程的敏感度（第6章）。 对这样的综合性探索，准确的标准模型本底估算对于新物理的探索是必不可少的。其中最主要的是QCD多喷注过程。它可以通过很多途径来污染信号区域。考虑到这一过程巨大的反应截面，以及量子色动力学模拟的不足，我们无法利用蒙特卡罗样本来准确估算这一过程的本底贡献（第9章）。因此，我们提出了一种基于数据的算法，使得多喷注过程的贡献可以完全从将来的对撞数据中计算出来。我们设计了比照样本，其中QCD过程占了绝大多数。我们通过蒙特卡罗样本验证了这一设计（第10章）。我们还使用了巧妙的参数化方法以减少这一算法的系统误差（第11章）。本文中，这一算法的性能通过蒙特卡罗样板得到了检验。此外，我们也指出了在对撞数据中对应的对照样本，使得这一算法的系统误差也可以从对撞数据中直接得出（第12章）。 在这一基于数据的算法中，我们开发了另一项创新的神经网络算法以实现多元参数化。我们将传统的神经网络分类器改进成了一个多元非参数回归模型（第7章）。利用贝叶斯概率理论，我们为神经网络的训练加入了一些新的功能，例如利用交叉熵目标方程使神经网络能够实现概率拟合、使用高斯先验分布的调节器、以及利用证据框架自适应的调节模型的复杂度。对于预测，我们利用正态分布近似来解析的实现贝叶斯积分。这使得预测不仅给出最可能的数值，也给出了来自于神经网络参数确定程度的误差（第8章）。 在最后一部分中，我们将这一同电荷双μ子信号的探索拓展为寻找新的矢量玻色子和Majorana中微子的研究。左右对称模型预言了这些粒子的产生。相较于标准模型本底，各种新物理模型预测的各种新粒子的产生都偏好较高能量的事例。因此，我们将这一研究聚焦于高HT的相空间尾部区域，以获得更好的显著程度。利用HT切割，我们有望利用最初的100pb-1的对撞数据，观测到大于5σ的信号。所能观测到的WR的质量最高可达到1.4TeV（第13章）。我们还简要的总结了一下对于即将开始的对撞数据分析的计划（第14章）。 在攻读博士的过去几年中，我还参与了网格计算资源的管理、蒙特卡罗数据的生成、像素探测器的调试以及其控制系统的开发工作。出于连贯性考虑，这些工作在本文中没有描述。