Bakalářské práce
Analysis of Data from a Network of Pixel Detectors
Autor
Petr Fiedler
Rok
2018
Typ
Bakalářská práce
Vedoucí
doc. Dr. André Sopczak
Oponenti
Ing. Josef Pavlíček, Ph.D.
Katedra
Anotace
Tato práce se zabýva návrhem a implementací balíčku skriptů, sloužících k automatizaci nahrávání dat pomocí middleware Rucio ze serveru atlastpx2.utef.cvut.cz, patřící Ústavu technické a experimentální fyziky na Českém vysokém učení technickém, na Worldwide LHC Computing Grid koordinovný Evropskou organizací pro jaderný výzkum. Díky tomuto nahrávání jsou tato data dostupná pro všechny, kdo je potřebují a mají přístup na zmíněný grid. Navíc software poskytující nástroje potřebné pro připojení a používání zmíněného gridu byl nainstalován a nakonfigurován v rámci této práce.
Analýza zabezpečení dat od vzniku v experimentu ATLAS v CERN po zveřejnění
Autor
Jakub Weisl
Rok
2021
Typ
Bakalářská práce
Vedoucí
doc. Dr. André Sopczak
Oponenti
Ing. Viktor Černý
Katedra
Anotace
Tato práce se soustředí na dvě témata, první vzdálený přístup k systémům sběru dat z experimentu ATLAS a druhý je ochrana a správa naměřených a nasimulovaných dat v rámci projektu ATLAS. V práci je nejdříve prozkoumán a zhodnocen dnešní stav věcí a na základě nálezů jsou navržena tato řešení. V oblasti vzdáleného přístupu, zamezit přímému přístupu na sytému sběru dat z internetu a přistupovat do sítě experimentu ATLAS pomocí VPN. Změny ve správě uživatelských účtů a přístupových práv na jednotlivé systémy. Posledním návrhem ke vzdálenému přístupu je změna autentizačního mechanismu a použití multifaktorové autentizace. Pro správu dat a jejich ochranu představuje největší riziko možnost stáhnout si data na lokální stanici. Tato možnost musí být však zachována, proto práce navrhuje vývoj vlastního digital rights management řešení, neboť v dnešní době není k dispozici žádné, pro tento formát dat, již hotové řešení. Navrhované řešení se soustředí na znemožnění použití dat bez souhlasu jejich vlastníka (ATLAS collaboration). Toho je docíleno pomocí zašifrování dat, kde dešifrovací klíč je držen ATLASem a je propůjčen na vyžádání. Jako největší problém se v obou případech jeví použití osobních stanic uživatelů, neboť všechna bezpečnostní opatření musejí být dělána na straně ATLASu
Implementace portálu o higgsových bosonech pro experty a veřejnost
Autor
Peter Žáčik
Rok
2021
Typ
Bakalářská práce
Vedoucí
doc. Dr. André Sopczak
Oponenti
Ing. Petr Špaček, Ph.D.
Katedra
Anotace
Tato práce prezentuje implementaci webového portálu věnovaného výzkumu Higgsových bozonů. Pomocí API dokumentového serveru CERN-u a metod web scrapingu je vytvořena souhrnná databáze více než 1000 relevantních článků. Databáze je automaticky aktualizována, když jsou dostupné nové výsledky ve výzkumu Higgsova bozonu. S využitím zpracování přirozeného jazyka jsou články automaticky kategorizovány podle vlastností Higgsova bozonu a dalších kritérií. Proces návrhu a implementace portálu „Higgs Boson Portal" (HBP) je v práci detailně popsán. Komponenty HBP jsou nasazeny na CERN Web Services za použití cloudové platformy OpenShift. Webový portál je funkční a dostupný na adrese https://cern.ch/higgs.
Hledání Di-Higgsova bosonu pomocí algoritmů strojového učení s detektorem ATLAS v CERNu
Autor
Elizaveta Denisova
Rok
2025
Typ
Bakalářská práce
Vedoucí
doc. Dr. André Sopczak
Oponenti
Mgr. Alexander Kovalenko, Ph.D.
Katedra
Anotace
Tato práce zkoumá aplikaci strojového učení, konkrétně binární vícevrstvé perceptronové (MLP) neuronové sítě, k podpoře detekce událostí di-Higgsova bosonu v kanálu 13τ s využitím dat z detektoru ATLAS v CERNu. Studie navazuje na předchozí výzkum a implementuje vylepšené techniky předzpracování, přísnější kritéria pro výběr událostí a optimalizované hyperparametry pomocí frameworku Optuna. Zjištění odhalují významné zlepšení očekávané limity na 95% hladině spolehlivosti, čímž se hodnota μ snížila z 33,1 na 24,2. Mezi klíčové příspěvky patří vylepšené zpracování dat, výběr příznaků a využití binárního modelu MLP pro výpočty pravděpodobnosti událostí. Výsledky sice představují značný pokrok, ale studie identifikuje příležitosti k dalšímu dokonalení prostřednictvím alternativních sad příznaků, novějších simulací a zohlednění systematických nejistot. Tento výzkum poskytuje solidní základ pro pokrok v hledání di-Higgsova bosonu v kanálu 13τ .
Studium H->WW->e mu pro kvantové provázání s detektorem ATLAS v CERNu
Autor
Andrii Vak
Rok
2025
Typ
Bakalářská práce
Vedoucí
doc. Dr. André Sopczak
Oponenti
Ing. Matěj Jech
Katedra
Anotace
Tato bakalářská práce se zabývá problémem rekonstrukce kinematických vlastností W bosonu v H WW* lνlν rozpadu. Primárně se zaměřuje na zkoumání schopnosti několika algoritmů strojového učení přesně rekonstruovat 4-moment bosonu W. Na základě simulovaných dat s kinematikou konečných produktů rozpadu tato práce porovnává výkonnost modelů, jako jsou Random Forest, AdaBoosted Decision Trees a Deep Neural Network, pomocí několika validačních metrik.
Trénovací pipeline je vyvinuta pomocí programovacího jazyka Python, aby se usnadnilo trénování modelů a umožnilo provádět experimenty s architekturou a základními metodami. Výzkumem bylo zjištěno, že metoda Deep Neural Network umožňuje přesnou rekonstrukci kinematiky.
Přínos této práce spočívá ve zdůraznění velkého potenciálu využití metod strojového učení k rekonstrukci kinematiky bosonů W částicových systémů, což vytváří základ pro budoucí zlepšení testování Bellových nerovností a kvantové tomografie.
Rekonstrukce hmotnosti Higgsova bosonu v produkci tH([?][?]) pomocí strojového učení s využitím simulovaných dat z detektoru ATLAS
Autor
Jiří Javora
Rok
2025
Typ
Bakalářská práce
Vedoucí
doc. Dr. André Sopczak
Oponenti
Ing. Tomáš Kalvoda, Ph.D.
Katedra
Anotace
Tato bakalářská práce se zabývá rekonstrukcí hmotnosti Higgsova bosonu v událostech, kde je Higgsův boson produkován ve spojení s top kvarkem (produkce tH) a rozpadá se na pár tau-leptonů. Rekonstrukce je prováděna na simulovaných událostech detektoru ATLAS, které byly vygenerovány pomocí produkční metody založené na Monte Carlo simulacích.
Hlavním přínosem této práce je model strojového učení navržený pro odhad příčné složky hybnosti neutrin vznikajících při rozpadech top kvarku. Tyto predikce slouží k vytvoření vstupů pro nástroj Missing Mass Calculator (MMC), který následně poskytuje odhad hmotnosti rozpadlé částice.
Kombinací odhadu hybnosti neutrina pomocí strojového učení s nástrojem MMC dosahuje metoda vyšší přesnosti při rekonstrukci hmotnosti a lepšího pokrytí událostí. Jmenovitě vykazuje lepší výkonnost u procesů tH a tZ.
Optimalizace určování pozadí pomocí strojového učení s daty z ATLAS Forward Proton detektoru
Autor
Andrei Aiurov
Rok
2025
Typ
Bakalářská práce
Vedoucí
doc. Dr. André Sopczak
Oponenti
Ing. Jitka Hrabáková, Ph.D.
Katedra
Anotace
Neutrální Higgsův boson Standardního modelu byl objeven v roce 2012 ve
CERNu se signaturou dvou fotonů a hledání dalších částic rozšířených modelů pokračuje. Zejména probíhá hledání axionu podobné částice (Axion-LikeParticle or ALP). ALP může být produkován se signaturou dvou fotonů. Tato
analýza, využívající technologie strojového učení, se zaměřuje na oddělení produkce ALP od nežádoucích pozadí reakcí. V tomto projektu budou použita zaznamenaná data k určení očekávání pozadí pomocí algoritmů strojového učení,
aby se optimalizovalo hledání ALP.
Diplomové práce
Systematické porovnání zařízení TPX a TPX3 týkající se měření luminosity v jeskyni detektoru ATLAS
Autor
Petr Fiedler
Rok
2021
Typ
Diplomová práce
Vedoucí
doc. Dr. André Sopczak
Oponenti
Ing. Michal Valenta, Ph.D.
Katedra
Anotace
Tato práce se zabývá analýzou potřeb pro automatizovanou proceduru k určení měření luminosity ATLAS (CERN) pomocí zařízení TPX a TPX3. Práce se také zabývá návrhem a implementací softwaru, který čte TPX a TPX3 data, odstraňuje závadné pixely a vytváří různé výkonnostní grafy týkající se měření luminosity. Součástí práce je také návrh a implementace webového rozhraní, které zpřístupní výsledky.
Optimalizace metod pro separaci tH(bb) signálů s využitím strojového učení
Autor
Martin Vatrt
Rok
2023
Typ
Diplomová práce
Vedoucí
doc. Dr. André Sopczak
Oponenti
Mgr. Petr Šimánek
Katedra
Anotace
Studium Higgsova boson a jeho interakcí s ostatními částicemi bylo v posledních letech jedním z hlavních témat částicové fyziky. Od jeho objevu v roce 2012 byla vykonána řada experimentů za účelem bližšího porozumění jeho fyzikálních vlastností.
Tato práce se zaměřuje na interakci Higgsova boson s top quarkem, pravděpodobně nejhmotnější elementární částicí Standardního modelu částicové fyziky. Jsou využity machine-learningové algoritmy k odfiltrování všech nežádoucích procesů zaznamenaných detektorem, aby bylo dosaženo vyšší senzitivity cílového procesu.
K tomuto účelu je optimalizována řada machine-learningových modelů pomocí různých optimalizačních strategií. Poté co je nalezen model s nejlepšími kvalitami, je provedena řada statistických testů pomocí TRExFitter frameworku.
Střední hodnota mediánu intenzity signál procesu se zahrnutím statistických nejistot, byla 3.86. Po zahrnutí systematických nejistot byla střední hodnota mediánu 6.35.
Hledání tbH+(tautau) s optimalizací výkonnosti pro oddělení signálu a pozadí za použití strojového učení a dat z ATLASu
Autor
Martin Rameš
Rok
2023
Typ
Diplomová práce
Vedoucí
doc. Dr. André Sopczak
Oponenti
Ing. Jitka Hrabáková, Ph.D.
Katedra
Anotace
Hledání nabitých Higgsových bosonů, které předpovídá model označovaný jako Two Doublet Higgs Model a Minimální supersymetrické rozšíření Standardního modelu, je náročné kvůli velkému množství procesů v pozadí a neznámé hmotnosti nabitých Higgsových bosonů. Tato práce navrhuje použít strojové učení k oddělení signálu tbH+ \rightarrow tbWh \rightarrow tbW\tau\tau od tth, ttW, ttZ, tt, VV a dalších procesů na pozadí. Je navržen vícemodelový přístup, kde je každý model citlivý v určitém rozsahu hmotností, aby dosáhl velké významnosti ve svém vyhrazeném hmotnostním úseku. Jsou optimalizovány čtyři různé typy modelů a pro každou hmotnost analýzy nabitého Higgsova bosonu je vybrán nejlepší model. Pro každý nejlepší model je použito permutační řazení příznaků k určení nejdůležitějších vstupů modelu. Na základě nejlépe hodnocených příznaků je prokázáno, že redukce počtu příznaků snižuje citlivost jen nepatrně. Výsledky jsou vyjádřeny jako očekávané limity na 95% CL.