Recherche de particule de type axion de longue durée de vie au LHC dans l'expérience ATLAS

Search for long-lived axion-like particles at the LHC in the Atlas experiment

• Auteur / Autrice : Artur Cordeiro oudot choi
• Direction : Bertrand Laforge
• Type : Projet de thèse
• Discipline(s) : Physique de l'Univers
• Date : Inscription en doctorat le 01/10/2021
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Sciences de la terre et de l'environnement et physique de l'univers
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Physique Nucléaire et des Hautes Energies

Mots clés

Mots clés libres

Particule de type Axion (ALP)

Lhc (atlas)

Matière noire

Particule de longue durée de vie

Apprentissage profond

Axion Like Particles (ALP)

Lhc (atlas)

Dark matter

Long-lived particles

Deep Learning

Résumé

Dans cette thèse, nous proposons de rechercher des particules de matière noire de durée de vie assez longue pour qu'elles puissent se désintégrer un peu n'importe où au sein du détecteur ATLAS, notamment au niveau de ses calorimètres. Dans un tel contexte, les algorithmes d'identification des particules actuels ne sont plus optimaux car ils ont été conçus en faisant l'hypothèse que les particules détectés sont produites au moment de la collision des protons du LHC et qu'elles se désintègrent très rapidement (sur quelques nm au mieux) en particules stables du Modèle Standard. Il faut donc définir de nouveaux algorithmes à même d'identifier ces désintégrations exotiques en reconstruisant si possible leur lieu de désintégration afin de permettre une mesure de leur durée de vie qui fournira des informations importantes pour discriminer les modèles prédisant une telle phénoménologie. Un des candidats intéressant à rechercher se trouve être une particule de type axion (ALP) de longue durée de vie pouvant se désintégrer en paire de photons [1, 2, 3]. Le recours a des algorithmes d'apprentissage profond sera investigué afin de maximiser la sensibilité de l'analyse à différents modèles d'ALP. Cette recherche exploitera les données du run 3 du LHC qui délivrera une énergie dans le centre de masse de 14 TeV encore jamais atteinte. Cette petite augmentation de l'énergie des faisceaux conjuguée avec une montée de la luminosité délivré par l'accélérateur permettra de pousser un cran plus loin la recherche de la matière noire.

In this thesis, we will search for long-lived dark matter particles that decay in unsual spots of the ATLAS detector, especially in the calorimeters. In this situation the existing particle identification algorithms are not optimal since the are built around the hypothesis that the detected particles are created at the collision point and decay at most a few nm from it. New algorithms must be built in order to identify these exotic decays by reconstructing their point of decay which would give a mesure of the life time yielding an important discriminating variable for models with such phenomenology. A long-lived axion like particles is a good candidate since it could decay into photons inside of the calorimeters. Deep Learning tools will be used in this search in order to maximize the analysis sensitivity for different ALP models. This research will be done on Run 3 data from the LHC with a center of mass energy equal to 14 TeV. This scale up of the energy convoluted with an increase of luminosity will yield a more complete dataset for a finer dark matter search.