Théo Cuisset soutient sa thèse

Théo Cuisset soutient sa thèse le lundi 28 septembre 2026 à 14h00 dans l’Amphi 2 du BEM de l’École polytechnique.

Recherche de la production de paires de bosons ZZ, ZH et HH dans l’état final bbττ avec l’expérience CMS au LHC, et algorithmes de reconstruction pour le calorimètre à haute granularité (HGCAL)

Cette thèse présente des travaux menés au sein de l’expérience CMS au Grand collisionneur de hadrons (LHC). Elle porte sur des recherches de paires de bosons Z ou de bosons de Higgs dans des états finals comprenant deux quarks b et deux leptons tau, bbττ, ainsi que sur le développement de techniques de reconstruction pour le calorimètre à haute granularité (HGCAL), en préparation du LHC à haute luminosité (HL-LHC).
Une recherche est présentée pour la production de paires de bosons Z (ZZ), ou d’un boson de Higgs en association avec un boson Z (ZH), dans des états finals comprenant deux quarks b et deux leptons tau. Ces processus peuvent servir de canaux de validation pour les analyses ciblant la production de paires de bosons de Higgs, l’un des objectifs de physique majeurs du programme HL-LHC. Les canaux de production ZZ et ZH du modèle standard sont étudiés, de même que la production par des résonances de spin 0 et de spin 1 à haute masse. Des techniques dédiées sont utilisées pour reconstruire les désintégrations de bosons Z ou de Higgs à forte impulsion en quarks b ou en leptons tau, améliorant ainsi la sensibilité aux résonances de haute masse.
Après la fin du Run 3 en 2026, le LHC entrera dans sa phase à haute luminosité, qui fournira un ensemble de données nettement plus important. Elle entraînera également des conditions expérimentales difficiles, incluant jusqu’à environ 200 interactions proton-proton simultanées par croisement de paquets. La collaboration CMS est entrée dans un processus de remplacement des calorimètres bouchons (endcaps) par le calorimètre à haute granularité (HGCAL), un calorimètre doté d’une fine segmentation spatiale et longitudinale permettant une imagerie détaillée des gerbes de particules. Ces nouvelles capacités nécessitent des algorithmes innovants afin de maintenir d’excellentes performances de physique pour CMS malgré l’environnement difficile du HL-LHC.
Un nouvel algorithme destiné à récupérer les amas calorimétriques issus du rayonnement de freinage (bremsstrahlung) des électrons dans le trajectographe est présenté. Cet algorithme utilise des réseaux de neurones profonds (DNN) afin d’améliorer le rejet des bruits de fond par rapport aux méthodes classiques. De nouvelles méthodes sont également développées pour exploiter les informations de la simulation sur la vérité Monte Carlo, à la fois pour fournir des évaluations détaillées des performances de reconstruction et pour améliorer les cibles de vérité utilisées lors de l’entraînement par apprentissage automatique.