Maxime Fernoux, Recherche de nouvelle physique avec un boson de Higgs dans le canal bbγγ avec le détecteur ATLAS

lundi 30 sept. 2024, 14:00 → 18:00 Europe/Paris

Amphi (CPPM)

Maxime Fernoux

English version below...

Résumé : Le Modèle Standard est la théorie actuelle décrivant les particules élémentaires et leurs interactions. Sa validité a été renforcée par la découverte du boson de Higgs au grand collisionneur de hadrons du CERN, le LHC, en 2012 bien que l'on sache qu'il est incomplet.
Les propriétés du boson et du mécanisme de Higgs sont étudiées en détail au LHC dans l'espoir d'observer des signes de nouvelle physique.
Ces recherches sont permises grâce à des moyens expérimentaux comme le LHC et le détecteur ATLAS.
Le trajectographe interne d'ATLAS sera entièrement remplacé par un nouveau détecteur appelé ITk dans l'objectif de maintenir de bonnes performances de reconstruction des traces avec la nouvelle configuration plus exigeante du LHC à haute luminosité (HL-LHC).
Cette thèse présente l'adaptation d'un algorithme d'étiquetage des jets issus de quarks $b$ basé sur un réseau de neurones à apprentissage profond dans la configuration d'ITk.
La sélection de traces utilisées par le réseau de neurones et la méthode de réechantillonage ont notamment été optimisées.
Elle présente également une recherche de nouvelle physique via des particules scalaires $X$ et $S$ dans le canal de désintégration $X\to SH\to b\bar{b}\gamma\gamma$ réalisée avec 140~fb$^{-1}$ de données collectés par ATLAS à $\sqrt{s}=13$~TeV.
L'analyse utilise des réseaux de neurones paramétriques pour sonder une vaste région de masses $m_X$ et $m_S$. Les résultats révèlent un léger excès local de 3.55$\sigma$ (2.0 global) par rapport à l'hypothèse bruit de fond uniquement. Des limites supérieures sont posées sur la section efficace de production du signal $X\to SH$ dans cet état final et s'étendent entre 0.09 et 39~fb.

Abstract : The Standard Model (SM) is the current theory that describes the elementary particles and their interactions. The Higgs boson discovery in 2012 at the Large Hadron Collider (LHC) at CERN marked a remarkable success of its predictive power even if the SM has shortcomings.
Since then, the Higgs boson and the Higgs mecanism have been thoroughly studied in the hope to find a hint for new physics.
These researches are made possible by high quality experimental infrastructures like the LHC and the ATLAS detector. Its current Inner Detector will be replaced by the brand new Inner Tracker to maintain a high level of tracking and object reconstruction performance in the harsher environment of High-Luminosity LHC (HL-LHC).
This thesis presents the adaptation of a neural network based flavour tagging algorithm in the HL-LHC configuration. The track selection used in the training and the resampling method have notably been optimised.
A research for new scalar particles in the Higgs sector $X$ and $S$ in the $X\to SH\to b\bar{b}\gamma\gamma$ channel is also presented.
The analysis is performed using 140~fb$^{-1}$ of ATLAS Run~2 data at $\sqrt{s}=13$~TeV.
Parameterised Neural Networks (PNNs) are used to probe a large range of masses $m_X$ and $m_S$.
Results show a local (global) excess of 3.55$\sigma$ (2.0) with respect to the background only hypothesis. 95\% CL upper limits between 0.09 and 39~fb are set on the signal production cross section $X\to SH$ in the $b\bar{b}\gamma\gamma$ final state.

Composition du jury :

- Tristan du Pree (Nikhef / University of Twente - tdupree@nikhef.nl)
- Anne-Catherine Le Bihan (IPHC Strasbourg - anne-catherine.lebihan@iphc.cnrs.fr)
- Stephane Jézequel (LAPP Annecy - stephane.jezequel@lapp.in2p3.fr)
- Cristinel Diaconu
- Arnaud Duperrin
- Elisabeth Petit