Identificación de jets usando métodos de inteligencia artificial en el contexto del experimento CMS del CERN

Abstract

El presente trabajo de tesis tiene como principal objetivo el desarrollo de un modelo en base a redes neuronales para discriminar eventos correspondientes a dos procesos en la física de partículas. La relevancia de este trabajo es el mostrar la importancia de la implementación de tecnologías emergentes (como los algoritmos de inteligencia artificial) en la optimización de tareas propias de aquellos experimentos que producen una gran cantidad de datos, como lo son los experimentos ligados al Gran Colisionado de Hadrones del CERN. Lo anterior mediante la implementación de modelos de inteligencia artificial, en este caso específico utilizando una red neuronal propia para tareas relacionadas con la clasificación de imágenes (CNN) y ajustando su uso para reconocimiento de cierto tipo de partículas elementales, gran parte del trabajo se enfoca en la identificación de la mejor combinación de parámetros para obtener un aprendizaje óptimo de la red neuronal y con ello resultados más confiables. Otro objetivo a cumplir en este proceso fue el de adiestrarse en el uso de lenguajes de programación de alto nivel como Python y entornos para el desarrollo de algoritmos de inteligencia artificial (machine Liaoning) como es el caso de tensarlo, ambos permitirán en un futuro desarrollar proyectos más avanzados.