Unravelling the top-Higgs coupling with the ATLAS experiment at LHC
Décrypter le couplage top-Higgs avec l'expérience ATLAS au LHC
Résumé
The discovery of the Higgs boson in 2012 was a major success of the Large Hadron Collider
(LHC) at CERN. With larger data-sets collected at the LHC since then, precise measurements of the
Higgs boson properties are possible. The Higgs boson production in association with a pair of top quarks, where Higgs decays into a pair of b-quarks, ttH(H->bb), allows direct measurement of the top-Yukawa coupling. The ttH(H->bb) process has a challenging final state with at least four b-jets, which requires a b-jet identification method known as b-tagging. In view of the operation of the ATLAS detector under High-Luminosity LHC conditions, the central tracking system will be upgraded to maintain high levels of performance. This thesis presents the performance of the b-tagging algorithms focusing on impact parameter-based and secondary vertex-based taggers using the updated ATLAS Inner Tracker (ITk) simulation. Some re-optimization of the b-taggers is performed, and the impact on performance is also presented. The ttH(H->bb) analysis is performed using 139 fb-1 of ATLAS Run 2 data at sqrt(s) = 13 TeV and takes advantage of the most recent object performance algorithms. The high b-jet multiplicity due to additional top quark decay products requires dedicated analysis strategies based on machine learning. The multivariate analysis approaches using Deep Neural Networks (DNNs) were developed to improve the search sensitivity while constraining large tt+bb background sub-components. This thesis compares DNN
performance to that of previously used Boosted Decision Trees (BDTs). The signal strength is
measured inclusively and differentially with respect to the Higgs boson transverse momentum using the Simplified Template Cross-Section formalism. The expected significance of the ttH signal over
the expected SM background using DNN is 2.71σ, compared to 2.54σ using BDTs.
La découverte du boson de Higgs en 2012 a marqué un grand succès pour le Grand Collisionneur de Hadrons (LHC) au CERN. Avec les ensembles de données plus importants collectés depuis lors au LHC, des mesures précises des propriétés du boson de Higgs sont possibles. La production de boson de Higgs en association avec une paire de quarks top, où le boson de Higgs se désintègre en une paire de quarks b, ttH(H->bb), permet une mesure directe du couplage top-Yukawa. Le processus ttH(H->bb) présente un état final complexe avec au moins quatre jets b, nécessitant une méthode d'identification de jets b connue sous le nom de b-tagging. En prévision de l'exploitation du détecteur ATLAS dans les conditions du LHC à haute luminosité, le système de traçage central sera mis à niveau pour maintenir un niveau de performance élevé. Cette thèse présente les performances des algorithmes de b-tagging, en se concentrant sur les taggers basés sur le paramètre d'impact et sur le sommet secondaire, en utilisant la simulation mise à jour de l'Inner Tracker d'ATLAS (ITk). Une ré-optimisation des b-taggers a été réalisée, et l’impact sur les performances est également présenté. L’analyse ttH(H->bb) est effectuée en utilisant 139 fb-1 de données de Run 2 d’ATLAS à sqrt(s) = 13 TeV et tire parti des algorithmes de performance des objets les plus récents. La multiplicité élevée de jets b due aux produits de désintégration supplémentaires des quarks top exige des stratégies d’analyse dédiées basées sur le machine learning. Des approches d’analyse multivariée utilisant des réseaux neuronaux profonds (Deep Neural Networks, DNN) ont été développées pour améliorer la sensibilité de la recherche tout en contraignant les grandes sous-composantes de bruit de fond tt+bb. Cette thèse compare les performances des DNN à celles des arbres de décision boostés (Boosted Decision Trees, BDT) précédemment utilisés. L'intensité du signal est mesurée de manière inclusive et différentielle en fonction de l'impulsion transverse du boson de Higgs, en utilisant le formalisme Simplified Template Cross-Section. La significance attendue du signal ttH par rapport au bruit de fond du Modèle Standard attendu est de 2,71σ avec les DNN, contre 2,54σ avec les BDT.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|