Thèse soutenue

Sous-structure au collisionneur de particules
FR  |  
EN  |  
IT
Accès à la thèse
Auteur / Autrice : Giovanni Stagnitto
Direction : Matteo CacciariStefano Forte
Type : Thèse de doctorat
Discipline(s) : Physique de l'Univers
Date : Soutenance le 14/09/2020
Etablissement(s) : Université Paris Cité en cotutelle avec Università degli studi (Milan, Italie). Dipartimento di fisica
Ecole(s) doctorale(s) : École doctorale Sciences de la terre et de l'environnement et physique de l'univers (Paris ; 2014-....)
Partenaire(s) de recherche : Laboratoire : Laboratoire de physique théorique et hautes énergies (Paris ; 1997-....)
Jury : Président / Présidente : Danièle Steer
Examinateurs / Examinatrices : Matteo Cacciari, Stefano Forte, Danièle Steer, Jean-Philippe Guillet, Michael Spannowsky, Simone Marzani, Gavin Salam
Rapporteurs / Rapporteuses : Jean-Philippe Guillet, Michael Spannowsky

Résumé

FR  |  
EN  |  
IT

Dans cette thèse de doctorat, nous étudions plusieurs aspects des fonctions de distribution de partons (PDF) et des jets applicables à la physique qui sous-tend le Grand collisionneur de hadrons (LHC) ainsi que les futurs collisionneurs. Nous discutons d'abord des jets observables au LHC, en nous concentrant sur la section transversale inclusive d'un seul jet. Nous introduisons d'autres définitions possibles, qui pèsent les contributions individuelles de chaque jet dans l'événement et sont donc unitaires par construction. Nous clarifions également l'origine de certains aspects problématiques de la définition standard. Deuxièmement, dans le cadre des ajustements de PDF hadroniques de la collaboration NNPDF, nous étudions l'inclusion de mesures de dijet et de d’un seul jet dans un ajustement global des de PDF, en utilisant des prédictions de la QCD à l’ordre sous-sous-dominant pour les processus de jet. Nous testons les observables qui conduisent à une meilleure stabilité perturbative, à une meilleure compatibilité des PDF avec d'autres données, à une meilleure qualité d'ajustement et à des contraintes plus strictes sur les PDF. Troisièmement, nous nous concentrons sur une compréhension analytique des techniques de machine learning utilisées pour la discrimination quark contre gluon, un sujet d’actualité dans les études de sous-structure des jets. Nous construisons une nouvelle version de la variable N-subjettiness, largement utilisée, qui présente un comportement théorique plus simple que l'originale, tout en conservant, voire en dépassant, le pouvoir discriminant. Nous introduisons ces nouvelles observables dans le réseau de neurons le plus simple possible, avec un seul neurone, et nous étudions analytiquement le comportement du réseau avec une précision logarithmique à l’ordre dominant. Nous comparons également nos résultats analytiques à un réseau de neurons plus réaliste formé avec des pseudo-données Monte Carlo. Quatrièmement, nous calculons les PDF d'électrons, de positons et de photons non polarisés avec une précision logarithmique sous-dominante dans la QED, ce qui est crucial pour les prévisions de haute précision nécessaires aux futurs collisionneurs électron-positron. Nous présentons des résultats à la fois numériques et analytiques. Les prédictions analytiques, définies au moyen d'une formule additive spécifique, fournissent une solution analytique à grand z qui inclut tous les ordres de la constante de couplage de la QED alpha, avec une solution à petit et moyen z qui inclut des termes jusqu'à ordre alpha au cube. Le contenu de cette thèse est basé sur arXiv:1906.11850, arXiv:1911.12040, arXiv:2005.11327, et arXiv:2007.04319.