The precision measurement of the top quark mass is an important test of the consistency of the Standard Model of particle physics. In this analysis, neural network based estimators were tested to measure the top quark mass and simultaneously constrain systematic uncertainties. Most network concepts were based on, or are at least inspired by, Ref. [1]. Simulations of tt events for the CMS detector in 2016 were used. Two methods showed potential for an accurate measurement: a regression based on sorted ensembles of events using a fully connected network, and a maximum log-likelihood estimate of a reweighting function generated by the output of a calibrated classifier. However, further improvements are needed for both methods in order for them to become fully operational.
Präzisionsmessungen der Topquarkmasse sind ein wichtiger Hebel zur Überprüfung der Konsistenz des Standardmodells der Teilchenphysik. In der vorliegenden Arbeit wurden verschiedene auf neuronalen Netzwerken basierende Schätzer getestet, die die Topquarkmasse bestimmen und zugleich systematische Unsicherheiten einschränken können. Die meisten Ideen für die verwendeten Schätzer basieren auf Ref. [l] oder wurden zumindest davon inspiriert. Zum Training wurden Simulationen von Topquarkpaarereignissen im CMS-Detektor für das Jahr 2016 verwendet. Zwei Methoden zeigten Potential für eine präzise Messung: die Regression über geordnete Ensembles anhand FCNNs und die Log-Likelihood basierte Parameterschätzung mit einer Umgewichtungsfunktion, die durch einen kalibrierten Klassifikator bestimmt wurde. Es werden allerdings bei beiden Methoden noch weitere Verbesserungen benötigt, bevor diese einsatzbereit sind.