Thèse soutenue

FR
Accès à la thèse
Auteur / Autrice : Neelam Kumari
Direction : Arnaud DuperrinThomas Strebler
Type : Thèse de doctorat
Discipline(s) : Physique des Particules et Astroparticules
Date : Soutenance le 16/11/2022
Etablissement(s) : Aix-Marseille
Ecole(s) doctorale(s) : Ecole Doctorale Physique et Sciences de la Matière (Marseille)
Partenaire(s) de recherche : Laboratoire : Centre de physique des particules de Marseille (CPPM)
Jury : Président / Présidente : Cristinel Diaconu
Examinateurs / Examinatrices : Thomas Strebler, Caroline Collard, Aurélio Juste Rozas
Rapporteurs / Rapporteuses : Julie Malclès, Carlo Schiavi

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

La production du boson Higgs (H) en association avec une paire de quarks top, suivie d'une désintégration du boson H en paires de quarks b permet une mesure directe du couplage de Yukawa du top. Le processus ttH(H→bb) présente un état final complexe avec au moins quatre jets de b et requiert une méthode d’identification des jets de b sophistiquée, appelée b-tagging. Le trajectographe d'ATLAS sera mis à niveau pour maintenir ses performances dans les conditions du LHC à haute luminosité (HL-LHC). Cette thèse présente les performances des algorithmes de b-tagging, en se focalisant sur les algorithmes basés sur les paramètres d’impact ou les vertex secondaires, avec des simulations du Inner Tracker d'ATLAS pour le HL-LHC. L’analyse est effectuée sur la base de 139 fb-1 de données collectées par ATLAS au Run 2 à √s = 13 TeV et tire parti des plus récents algorithmes de reconstruction et d'identification. La grande multiplicité du nombre de jets de b due aux produits de désintégration supplémentaires du quark top rend nécessaires des stratégies d’analyse dédiées basées sur le machine learning. Des Deep Neural Networks (DNNs) ont été développés pour améliorer la sensibilité de l’analyse en contraignant les sous-composantes du bruit de fond tt+jets dominant. Les performances du DNN et des Boosted Decision Trees utilisés précédemment sont présentées dans cette thèse. L'intensité du signal est mesurée de manière inclusive et différentielle par rapport à l'impulsion transverse du boson de H en utilisant l’approche Simplified Template Cross-Section. La sensibilité au signal ttH par rapport au bruit de fond attendu en utilisant les algorithmes DNN est de 2.71 σ, comparée à 2.54 σ.