Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

ATLAS flavour-tagging algorithms for the LHC Run 2 pp collision dataset

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68378271%3A_____%2F23%3A00576851" target="_blank" >RIV/68378271:_____/23:00576851 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/68407700:21220/23:00372905 RIV/68407700:21340/23:00372905 RIV/68407700:21670/23:00372905 RIV/00216208:11320/23:10476595 RIV/61989592:15310/23:73621698

  • Výsledek na webu

    <a href="https://hdl.handle.net/11104/0346248" target="_blank" >https://hdl.handle.net/11104/0346248</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1140/epjc/s10052-023-11699-1" target="_blank" >10.1140/epjc/s10052-023-11699-1</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    ATLAS flavour-tagging algorithms for the LHC Run 2 pp collision dataset

  • Popis výsledku v původním jazyce

    The flavour-tagging algorithms developed by the ATLAS Collaboration and used to analyse its dataset of s=13s ​=13 TeV pp collisions from Run 2 of the Large Hadron Collider are presented. These new tagging algorithms are based on recurrent and deep neural networks, and their performance is evaluated in simulated collision events. These developments yield considerable improvements over previous jet-flavour identification strategies. At the 77% b-jet identification efficiency operating point, light-jet (charm-jet) rejection factors of 170 (5) are achieved in a sample of simulated Standard Model ttˉttˉ events, similarly, at a c-jet identification efficiency of 30%, a light-jet (b-jet) rejection factor of 70 (9) is obtained.

  • Název v anglickém jazyce

    ATLAS flavour-tagging algorithms for the LHC Run 2 pp collision dataset

  • Popis výsledku anglicky

    The flavour-tagging algorithms developed by the ATLAS Collaboration and used to analyse its dataset of s=13s ​=13 TeV pp collisions from Run 2 of the Large Hadron Collider are presented. These new tagging algorithms are based on recurrent and deep neural networks, and their performance is evaluated in simulated collision events. These developments yield considerable improvements over previous jet-flavour identification strategies. At the 77% b-jet identification efficiency operating point, light-jet (charm-jet) rejection factors of 170 (5) are achieved in a sample of simulated Standard Model ttˉttˉ events, similarly, at a c-jet identification efficiency of 30%, a light-jet (b-jet) rejection factor of 70 (9) is obtained.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10303 - Particles and field physics

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/EF16_019%2F0000778" target="_blank" >EF16_019/0000778: Centrum pokročilých aplikovaných přírodních věd</a><br>

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2023

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    European Physical Journal C

  • ISSN

    1434-6044

  • e-ISSN

    1434-6052

  • Svazek periodika

    83

  • Číslo periodika v rámci svazku

    7

  • Stát vydavatele periodika

    DE - Spolková republika Německo

  • Počet stran výsledku

    37

  • Strana od-do

    681

  • Kód UT WoS článku

    001062397400001

  • EID výsledku v databázi Scopus

    2-s2.0-85167625195