Measurement of Higgs boson fiducial cross sections with the CMS detector and electromagnetic reconstruction with the high-granularity endcap calorimeter
Mesure des sections efficaces fiduciaires du boson de Higgs avec le détecteur CMS et reconstruction électromagnétique avec le nouveau calorimètre à haute granularité
Résumé
This PhD thesis presents a comprehensive characterisation of the Higgs boson in the H/ightarrow/ZZ/ightarrow/4/ell/ decay channel, usually referred to as the four-lepton channel, using proton-proton collisions at a centre-of-mass energy of 13 TeV recorded with the CMS experiment during the Run 2 of the CERN LHC. The four-lepton channel is regarded as the golden channel of Higgs physics due to its clear peak over an almost flat background, the large signal-to-background ratio, a fully reconstructible final state, and the synergy with the highly performing lepton reconstruction of the CMS detector. Cross section measurements are one of the best methods to study the Higgs boson properties, probing the Higgs boson couplings to other particles and testing theoretical predictions. This thesis presents the cross sections obtained by removing detector effects from data and measured in a fiducial phase space defined to match the experimental acceptance closely. This methodology ensures maximal model independence and reinterpretability for the results. Cross sections are measured both inclusively and in bins of 32 single- and double-differential observables, providing insights into the production and decay of the Higgs boson, the tensor structure of the vertex between the Higgs boson and the Z bosons, and QCD effects. The first simultaneous constraint of the Higgs boson production cross section and direct production of two Z bosons with the CMS experiment is also included. The set of results is completed by the constraint of the trilinear self-coupling of the Higgs boson and the couplings to bottom and charm quarks. All results are consistent with the theoretical predictions of the standard model of particle physics. Looking forward, as the Run 2 is over and Run 3 is underway, this thesis introduces a novel method for estimating the reducible background of the four-lepton channel that will be used in the analyses with the new dataset. This method can also be extended to all channels with leptonic final states. The reducible background comprises non-prompt leptons and other particles misidentified as leptons, which can mimic the signal signature. The proposed strategy explores the possibility of modelling this source using a novel approach and reducing the sizeable systematic uncertainty typical of the current methods, which will also be a limiting factor during the next phase of the LHC. The High-Luminosity LHC (HL-LHC) aims to increase the integrated luminosity by a factor of 10 beyond the LHC's design value, opening new horizons for discoveries and precision physics. In order to cope with the large number of simultaneous collisions per bunch crossing, known as pileup, and sustain the high radiation dose, the CMS experiment foresees the complete replacement of the endcap calorimeter. The new High-Granularity endcap CALorimeter (HGCAL) will be a silicon-based sampling calorimeter, offering the possibility of performing calorimetry with tracker-like granularity. This thesis contributes to developing and reassessing the electron and photon offline reconstruction for the HGCAL. The first contribution regards cleaning electromagnetic showers from spurious contaminations resulting from the high-pileup environment, which degrades the properties of reconstructed electromagnetic objects. The second contribution pertains to electron reconstruction. An electron can start showering while traversing the inner tracker before reaching the calorimeter. This effect, combined with the 3.8 Tesla of the CMS magnet, leads the electron energy to be spread in several clusters around the primary one. These contributions should be clustered together to reconstruct the original electron. A purely geometrical algorithm currently performs this procedure, and its performance is assessed in the HGCAL for the first time. Additionally, this thesis proposes a new, dedicated algorithm based on Deep Neural Networks explicitly tailored for the new calorimeter.
Cette thèse de doctorat présente une caractérisation complète du boson de Higgs dans le canal de désintégration H/ightarrow/ZZ/ightarrow/4/ell/, généralement appelé canal à quatre leptons, en utilisant des collisions proton-proton à une énergie de 13 TeV dans le centre de masse et collectées avec l'expérience CMS lors du Run 2 du LHC au CERN. Le canal à quatre leptons est considéré comme le canal optimal de la physique du boson de Higgs en raison de son pic clairement visible au-dessus d'un bruit de fond presque plat, de l'excellent rapport signal sur bruit, d'un état final entièrement reconstructible qui bénéficie en outre de la reconstruction très performante des leptons du détecteur CMS. Les mesures de section efficace sont l'une des meilleures méthodes pour étudier les propriétés du Boson de Higgs, en sondant les couplages du boson de Higgs et en testant les prédictions théoriques. Cette thèse présente les sections efficaces obtenues en éliminant les effets du détecteur et mesurées dans un espace de phase fiduciaire défini pour correspondre étroitement à l'acceptance expérimentale. Les sections efficaces sont mesurées dans des bins de 32 observables simples et doublement différentielles, fournissant des informations sur la production et la désintégration du boson de Higgs, la structure tensorielle du vertex entre le boson de Higgs et les bosons Z, et les effets liés à l’interaction forte. La première contrainte simultanée de la section efficace de production du boson de Higgs et de la production directe de deux bosons Z avec l'expérience CMS est également incluse. L'ensemble des résultats est cohérent avec les prédictions théoriques du modèle standard de la physique des particules. En regardant vers l'avenir, alors que le Run 2 est terminée et que le Run 3 est en cours, cette thèse présente une nouvelle méthode pour estimer le bruit de fond réductible du canal des quatre leptons qui sera utilisée dans les analyses avec les nouvelles données. Le bruit de fond réductible comprend des leptons non prompts et d'autres particules mal identifiées comme des leptons, qui peuvent imiter la signature du signal. La stratégie proposée explore la possibilité de modéliser cette source en utilisant une approche nouvelle et de réduire l'incertitude systématique considérable typique des méthodes actuelles, ce qui sera également un facteur limitant lors de la prochaine phase du LHC. Le LHC à haute luminosité (HL-LHC) vise à augmenter la luminosité intégrée par un facteur de 10 par rapport à la valeur nominale du LHC, ouvrant de nouvelles perspectives pour les découvertes et la physique de précision. Pour faire face au grand nombre de collisions simultanées par croisement de paquets, appelé pileup, et supporter la forte dose de rayonnement, l'expérience CMS prévoit le remplacement complet du calorimètre dans les bouchons. Le nouveau calorimètre à haute granularité (HGCAL) offrira la possibilité de réaliser une calorimétrie avec une granularité similaire à celle du trajectographe. Cette thèse contribue au développement et à la réévaluation de la reconstruction électromagnétique hors ligne pour le HGCAL. La première contribution concerne le nettoyage des gerbes électromagnétiques des contaminations parasites résultant de l'environnement à grand pileup. La deuxième contribution concerne la reconstruction des électrons. Un électron peut commencer à créer une gerbe en traversant le trajectographe avant d'atteindre le calorimètre. Cet effet, combiné aux 3.8 Tesla de l'aimant de CMS, fait que l'énergie de l'électron est étalée en plusieurs amas. Ces contributions devraient être regroupées pour reconstruire l'électron tel que produit lors de la collision dure. Un algorithme géométrique effectue actuellement cette procédure, et sa performance est évaluée dans le HGCAL pour la première fois. De plus, cette thèse propose un nouvel algorithme dédié basé sur des Deep Neural Networks spécialement conçus pour le nouveau calorimètre.
Origine : Version validée par le jury (STAR)