En utilisant ce site, vous acceptez que les cookies soient utilisés à des fins d'analyse et de pertinence     Oui, j'accepte  Non, je souhaite en savoir plus

Pendant cette période de confinement, l’INSTN maintient autant que possible les formations prévues dans les semaines à venir en distanciel ou en présentiel pour les enseignements pratiques. Pour nous contacter, veuillez privilégier le mail. Protocole sanitaire

Sujets de thèse
Filtrer par critères

DRF : Sujet de thèse SL-DRF-21-0478

DOMAINE DE RECHERCHE
Physique des particules / Physique corpusculaire et cosmos
INTITULÉ DU SUJET Français English

Étude de méthode d’intelligence artificielle pour la simulation et l’extraction de la production du boson de Higgs se désintégrant en deux muons dans l’expérience ATLAS au LHC

RÉSUMÉ DU SUJET

Les nouvelles techniques d’intelligence artificielle suscitent un intérêt croissant pour gérer le volume massif de données collectées par les expériences de physique des particules en particulier au collisionneur LHC. Cette thèse propose d’étudier ces nouvelles techniques pour la simulation du bruit de fond d’événements rares provenant de la désintégration en deux muons du boson de Higgs ainsi que de mettre en place de nouvelle méthode d’intelligence artificielle pour extraire ces événements rares du gigantesque bruit de fond dimuon.

En 2012, le boson de Higgs, élément fondamental du modèle standard de la physique des particules a été découvert au LHC. La mise en évidence de sa désintégration en dimuon est maintenant au cœur du programme du LHC afin de mesurer le couplage du boson de Higgs aux particules de 2ème génération.

Simuler le bruit de fond dimuon avec suffisamment de statistique est la première challenge de cette analyse. La thèse se propose de tester, pour la première fois, l’utilisation de modèles d’intelligence artificielle très prometteurs comme méthode de simulation en utilisant des « Generative Adversarial Networks (GANs) ” avec une architecture à deux réseaux en concurrence. De plus, la thèse prévoit également un re-design complet de l’analyse afin de mettre en place de nouvelles méthodes de traitement de données (Deep Neural Networks) pour optimiser l’extraction du faible signal.

INFORMATIONS PRATIQUES
Institut de recherche sur les lois fondamentales de l’univers
Service de Physique des Particules
Groupe Atlas (ATLAS)
Centre : Saclay
Date souhaitée pour le début de la thèse : 01/09/2021
PERSONNE À CONTACTER PAR LE CANDIDAT

RODANTHI NIKOLAIDOU  

CEA
DRF/IRFU/SPP/Atlas
CEA SACLAY
DSM/IRFU/SPP
91191 GIF SUR YVETTE CEDEX

Téléphone : +33 1 69 08 61 57

UNIVERSITÉ / ÉCOLE DOCTORALE
Paris-Saclay
PHENIICS
DIRECTEUR DE THÈSE

RODANTHI NIKOLAIDOU

CEA
DRF/IRFU/SPP/Atlas
CEA SACLAY
DSM/IRFU/SPP
91191 GIF SUR YVETTE CEDEX