IDENTIFICAÇÃO DE PARTÍCULAS SUBATÔMICAS EM ALTAS ENERGIAS MEDIANTE ALGORITMOS DE MACHINE LEARNING

Machine Learning, ou, aprendizado de máquina, é uma das áreas de grande destaque na ciência da computação atualmente. Nessa área, existem técnicas muito promissoras para trabalhar com um número muito grande de dados que podem ser usadas em uma gama de problemas incluindo a comprovação dos modelos de física de partículas. Os grandes empreendimentos envolvendo colaborações internacionais para o estudo das partículas fundamentais da natureza buscam por respostas para as grandes questões. Por este motivo, se construiu um grande colisor, que opera numa energia equivalente a energia de criação de partículas, importante não só para validação do modelo padrão, mas também para encontrar nova física, pois se acredita que o modelo padrão seja somente um modelo efetivo. Nesse sentido, o objetivo deste trabalho é a classificação das partículas geradas nesta colisão usando dois tipos de modelos do aprendizado de máquina: árvore de decisão e rede neural. O método utilizou base de dados vindas do LHCb passando por seleção das melhores features e otimização dos modelos para alcançar maior precisão. Um dos principais resultados alcançados é de que as redes neurais obtiveram uma precisão similar às arvores de decisão e que a utilização de todas as features mostrou-se mais proeminente nos modelos de árvores de decisão. Espera-se com esse trabalho possa elucidar o funcionamento dos principais modelos de machine learning e que sirva de referência futura para utilização de métodos computacionais a física de altas energias. Palavras-chave: Aprendizado de Máquina, Experimentos em Altas Energias, Física de Partículas.