prikaz prve stranice dokumenta Opis raspodjele kvarkova i gluona u protonu pomoću gausijanskih procesa
  Preuzmi
PDF 2.4 MB
diplomski rad
Opis raspodjele kvarkova i gluona u protonu pomoću gausijanskih procesa
Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2024. urn:nbn:hr:217:474705
Radočaj, Andrija
Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
Fizički odsjek

Institucijski repozitorij: Repozitorij Prirodoslovno-matematičkog fakulteta

Citirajte ovaj rad

Radočaj, A. (2024). Opis raspodjele kvarkova i gluona u protonu pomoću gausijanskih procesa (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:217:474705

Radočaj, Andrija. "Opis raspodjele kvarkova i gluona u protonu pomoću gausijanskih procesa." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2024. https://urn.nsk.hr/urn:nbn:hr:217:474705

Radočaj, Andrija. "Opis raspodjele kvarkova i gluona u protonu pomoću gausijanskih procesa." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2024. https://urn.nsk.hr/urn:nbn:hr:217:474705

Radočaj, A. (2024). 'Opis raspodjele kvarkova i gluona u protonu pomoću gausijanskih procesa', Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, citirano: 22.03.2025., https://urn.nsk.hr/urn:nbn:hr:217:474705

Radočaj A. Opis raspodjele kvarkova i gluona u protonu pomoću gausijanskih procesa [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet; 2024 [pristupljeno 22.03.2025.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:474705

A. Radočaj, "Opis raspodjele kvarkova i gluona u protonu pomoću gausijanskih procesa", Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:474705

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:217:474705
Podaci o radu
NaslovOpis raspodjele kvarkova i gluona u protonu pomoću gausijanskih procesa
Naslov (engleski)Description of distribution of quarks and gluons in proton using Gaussian processes
AutorAndrija Radočaj
MentorKrešimir Kumerički (mentor)
Član povjerenstvaKrešimir Kumerički (predsjednik povjerenstva)
Član povjerenstvaSanjin Benić (član povjerenstva)
Član povjerenstvaPetar Žugec (član povjerenstva)
Član povjerenstvaDavor Horvatić (član povjerenstva)
Član povjerenstvaIvica Friščić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
(Fizički odsjek)
Zagreb
Datum i država obrane2024-09-24, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Fizika
Sažetak
Partonske distribucijske funkcije protona opisuju raspodjelu impulsa njegovih sastavnica te stoga nose važnu informaciju o njegovoj kvarkovsko-gluonskoj dinamici. S obzirom na to da su fundamentalno neperturbativna veličina kvantne kromodinamike, određuju se posredno prilagodbom modela na eksperimentalne podatke. Diferencijalni udarni presjeci dubokih neelastičnih raspršenja ovise upravo o njima te se mogu smisliti razne metode ekstrakcije tih funkcija iz eksperimentalnih podataka različitih... Više procesa. U ovom radu ispituje se metoda strojnog učenja za ekstrakciju spomenutih distribucijskih funkcija njihovim modeliranjem kao gausijanskih procesa te Monte Carlo dropout metoda neuronskih mreža za usporedbu. U svrhu ispitivanja metode uvedena su određena nefizikalna pojednostavljenja. Također, s istim ciljem zadane su nefizikalne partonske distribucijske funkcije koje služe za simulaciju podataka diferencijalnih udarnih presjeka nefizikalnih procesa. Distribucijske funkcije ekstrahirane iz simuliranih podataka mogu se tada usporediti s onim zadanim kako bi se na taj način mogla procijeniti uspješnost metode kao i potencijalno zaključiti nešto o njenoj primjenjivosti na stvarne eksperimentalne podatke. Također, određeni zaključci doneseni su usporedbom rezultata metode gausijanskih procesa s rezultatima Monte Carlo dropout metode neuronskih mreža. Sakrij dio sažetka
Sažetak (engleski)
Parton distribution functions of proton describe the distribution of momenta of its components and thus provide an important information about its quark-gluon dynamics. Considering they are fundamentally non-perturbative quantity of quantum chromodynamics, they are determined indirectly by fitting the model to experimental data. Differential cross sections of deep inelastic scatterings depend on those functions and various methods of their extraction can be devised from experimental data of... Više different processes. This thesis examines the machine learning method for extraction of the mentioned distribution functions by modeling them as Gaussian processes and the Monte Carlo dropout method of neural networks for comparison. For testing purposes of the method certain non-physical simplifications were introduced. Likewise, with the same goal there are given non-physical parton distribution functions which serve to simulate differential cross section data of different nonphysical processes. Distribution functions extracted from the simulated data can then be compared with the given ones in order to evaluate the efficacy of the method and potentially conclude something on its applicability to real experimental data. Also, certain conclusions were drawn by comparing the results of the Gaussian processes method with the results from Monte Carlo dropout method of neural networks. Sakrij dio sažetka
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:217:474705
Studijski programNaziv: Fizika; smjerovi: Istraživački
Smjer: Istraživački
Vrsta studija: sveučilišni
Stupanj studija: integrirani prijediplomski i diplomski
Akademski / stručni naziv: sveučilišni magistar fizike (univ. mag. phys.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2025-01-31 11:49:23
accessibility

closePristupačnostrefresh

Ako želite spremiti trajne postavke, kliknite Spremi, ako ne - vaše će se postavke poništiti kad zatvorite preglednik.