Medida de la sección eficaz de pares de quarks top-antitop con métodos multidimensionales en el experimento CMS de LHC (CERN)

Abstract

El Gran Colisionador de Hadrones (LHC) ha comenzado recientemente su Run II, produciendo colisiones protón-protón con una energía en el centro de masas de 13 TeV, tras haber alcanzado hasta 8 TeV en el Run I. Este trabajo debe entenderse en este contexto científico e histórico, en el que las búsquedas de nueva física juegan un papel central en los experimentos de colisionadores. Para poder descubrir nuevas partículas elementales como las predichas por varias extensiones del Modelo Estándar, se requiere un conocimiento muy preciso de dicho modelo. Los procesos que involucran producción de quarks top, como t¯t, t¯tW y t¯tZ, suponen un ejemplo interesante ya que son fuentes relevantes de fondo en las búsquedas de partículas supersimétricas (SUSY), siendo además procesos importantes por sí mismos. Esta constante necesidad de obtener medidas más precisas, especialmente de procesos con baja sección eficaz, sirve de motivación para explorar técnicas avanzadas que puedan mejorar nuestro rechazo de sucesos de fondo al realizar medidas. El método aquí presentado se denomina Boosted Decision Trees (BDTs), un tipo de algoritmo de Análisis Multivariable (MVA) escogido por ser relativamente intuitivo en comparación con otros métodos populares como las redes neuronales artificiales. Se proporciona una descripción exhaustiva de los Boosted Decision Trees, entendidos como la aplicación del algoritmo de boosting AdaBoost a simples árboles de decisión para mejorar drásticamente su poder de clasificación. Se utilizaron Boosted Decision Trees en el análisis de tres diferentes procesos de producción de quarks top: t¯t en el canal con dos leptones de carga opuesta y distinto sabor en el estado final, t¯tW en el canal trileptónico y t¯tZ con cuatro leptones. En cada caso se emplearon dos interpretaciones distintas de la salida de los BDTs: como una única variable discriminante que permite sustituir el análisis habitual con cortes secuenciales y como una función de los datos cuya forma tiene una gran dependencia con los sucesos de señal, lo que se puede aprovechar para reescalar la simulación de la señal de modo que se ajuste correctamente a los datos. Los resultados para el análisis de t¯t son dos medidas de sección eficaz consistentes con las predicciones teóricas y con medidas experimentales publicadas por la colaboración CMS. Para t¯tW y t¯tZ, se ha realizado con éxito una observación de ambos procesos a pesar de su baja sección eficaz, demostrando la potencial utilidad de los métodos de Análisis Multivariable para futuros análisis más avanzados.

The Large Hadron Collider (LHC) has recently started its Run II, producing proton-proton collisions with a centre-of-mass energy of 13 TeV, after achieving up to 8 TeV in Run I. This work is to be understood within this scientific and historical context, in which new physics searches play a central role in collider experiments. In order to discover new elementary particles predicted by extensions of the Standard Model, very precise knowledge is required about the Standard Model itself. Processes involving top quark production, such as t¯t, t¯tW and t¯tZ, are an interesting example since they are relevant background sources in searches for Supersymmetric (SUSY) particles, while also being important processes on their own. The constant need for more precise measurements, specially in low cross section processes, serves as motivation to explore advanced techniques for improving our removal of background events during measurements. The method presented here is known as Boosted Decision Trees (BDTs), a type of Multivariate Analysis (MVA) algorithm chosen for being relatively intuitive as opposed to other popular method such as Artificial Neural Networks. A thorough description of Boosted Decision Trees is provided, understanding them as the application of the boosting algorithm AdaBoost to simple decision trees to drastically improve their separation power. Boosted Decision Trees were used in the analysis of three top quark production processes: t¯t in the opposite-sign di_erent-flavour dilepton channel, t¯tW in the trilepton channel and t¯tZ in the four-lepton channel. In each case, the output from the BDTs was interpreted in two different ways: as a single discriminating variable that substitutes a sequential cut analysis and as a function of the data whose shape is greatly influenced by signal events, which can be taken advantage of to rescale signal simulations so that they fit the data. The results for the t¯t analysis are two cross section measurements that are consistent with theoretical predictions and experimental measurements published by the CMS collaboration. For t¯tW and t¯tZ, a successful observation was made despite their low cross section, demonstrating the potential usefulness of MVA methods in further analyses.