Thèse soutenue

Étalonnage des jets et mesures précises de sections efficaces de production de jets avec les données de l'expérience ATLAS

FR  |  
EN
Auteur / Autrice : Louis Ginabat
Direction : Mélissa RidelBogdan Malaescu
Type : Thèse de doctorat
Discipline(s) : Physique de l'Univers
Date : Soutenance le 25/09/2023
Etablissement(s) : Sorbonne université
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 Physique nucléaire et hautes énergies (Paris ; 1997-....)
Jury : Président / Présidente : Luca Scotto Lavina
Examinateurs / Examinatrices : Matt LeBlanc
Rapporteurs / Rapporteuses : Sergey Barsuk, Suzanne Gascon-Shotkin

Résumé

FR  |  
EN

Le modèle standard (MS) de la physique des particules décrit les particules élémentaires qui constituent la matière, ainsi que trois des quatre forces fondamentales. Il n’est presque pas remis en cause par les données expérimentales, ce qui n’indique pas de brèche évidente où la Nouvelle Physique pourrait se situer. Cette thèse se concentre sur une stratégie pour tester le MS, la comparaison de ses prédictions avec des mesures de précision, et sur un aspect de la section Chromo-Dynamique Quantique (QCD) du MS : les jets. Le travail présenté ici utilise les données collectées par l’expérience ATLAS, située au CERN, à partir de collisions pp à 13 TeV produites par le LHC pendant la période de prise de données du Run 2. Les jets sont l’une des principales observables au LHC en raison de leur section efficace de production élevée, présents dans la plupart des analyses soit comme signal, soit comme bruit de fond. Il s’agit de gerbes collimatées de hadrons issus de l’hadronisation d’un quark ou d’un gluon. Les hadrons produisent des traces dans les trajectographes d’ATLAS et des dépôts d’énergie dans ses calorimètres, qui doivent ensuite être regroupés pour former des « jets reconstruits ». Les jets de particules et les jets reconstruits présentent des différences dans leurs observables, comme leur quantité de mouvement transverse pT, en raison d’effets de détecteur qui doivent donc être corrigés pour permettre des comparaisons entre la théorie et l’expérience. Deux stratégies de correction sont discutées dans cette thèse : l’étalonnage et la déconvolution, pour corriger les effets de détecteurs respectivement dans l’échelle et la résolution des observables. J’ai travaillé sur l’inter-étalonnage en pseudo-rapidité η, une des étapes de la chaîne de corrections de l’échelle d’énergie des jets (JES). Cet étalonnage in situ rend la réponse du détecteur homogène sur toute la plage en η du détecteur, en exploitant la conservation de pT dans les systèmes dijets. J’ai produit l’étalonnage pour la période de prise de données 2018 pour la première fois, en effectuant toutes sortes de vérifications pour m’assurer de sa qualité. J’ai également travaillé sur l’implémentation « absolue » de cette méthode, qui vise à déconvoluer les effets de physique des effets de détecteur, afin de mieux les comprendre séparément. Cela a permis de réduire de 50 % l’incertitude de modélisation qui était dominante dans la tranche de 25 à 40 GeV. Cela m’a également permis d’effectuer une vérification importante au niveau des particules, à savoir que les incertitudes conçues pour couvrir les effets physiques ne sont pas sous-estimées. En outre, j’ai contribué à deux mesures de sections efficaces de production de jets, des mesures de précision doublement différentielles qui comptent les jets dans des tranches de pT et de rapidité |y|. La section efficace inclusive compte tous les jets produits au-delà d’un certain seuil en pT, tandis que la section efficace de jets dominants n’en compte qu’un par événement : celui qui a le pT le plus élevé. Les effets de la résolution de l’énergie des jets (JER) sont corrigés par une méthode de déconvolution itérative stabilisée dynamiquement (IDS). Les incertitudes systématiques sur la JES et la JER ont été propagées à travers la déconvolution, utilisant la méthode Bootstrap pour évaluer les incertitudes statistiques ainsi que les corrélations. J’ai amélioré l’évaluation du biais lié à la sensibilité de la méthode de déconvolution aux différences de forme entre les données et le MC, et j’ai évalué l’impact de la non-gaussianité de la JER avec une nouvelle incertitude. Les résultats de la section efficace inclusive de production de jets sont montrés et comparés aux prédictions théoriques, manifestant un désaccord important qui est traité par de multiples stratégies, comme l’utilisation d’incertitudes statistiques non lissées de l’inter-étalonnage en η.