B.3.1 Signature complètement hadronique avec quatre jets dans l’état final
Au LHC, la recherche de nouvelle physique dans des états finaux complètement hadronique et sans énergie transverse manquante ou lepton s’avère être extrêmement difficile du fait de la large section efficace de production des processus multijet. Il est donc important d’étudier cette région de l’espace des phases étant donné qu’elle est ignorée par la plupart des analyses SUSY standards. Cette thèse présente l’étude de la signature de quatre jets dans l’état final, formant deux résonances.
Les Sgluons sont les partenaires scalaires des gluinos dans le MRSSM. Ces particules se couplent aux quarks via des boucles de gluinos et de squarks et se couplent aux gluons via des boucles de squarks comme montré sur la FigureB.5(a). Ces particules pourraient être produites en paire au LHC, chacun des sgluons se désintègrerait ensuite en une paire de quarks ou de gluons amenant ainsi un état final avec quatre jets sans énergie transverse manquante.
B.3. Recherche de la supersymétrie avec violation de la R-parité 147
(a)
(b)
FIGUREB.5 – (a) Désintégration des sgluons. (b) Désintégration des stop.
Des signatures comprenant quatre jets peuvent aussi se trouver dans la SUSY sans ajouter de particule supplémentaire. Par exemple la R-Parité, si violée, permet l’écriture d’interaction supersymetrique de la forme : WRP V = 1 2λijkLiLjE c k+ λ0ijkLiQjDk+1 2λ 00 ijkUiDjDk+ µiHuLi (B.1) Dans le modèle qui nous intéresse, λ00ijkest non nul pour j 6= k, dans ce cas la sparticule initial se désintégrera en deux quarks différents. Au LHC, des stops pourraient être produits par paires durant les collisions. Ces stops pourraient ensuite se désintégrer via des couplages violant la R-Parité en deux jets, donnant naissance à des états finaux avec quatre jets comme illustrés FigureB.5(b).
Les états finaux de ces deux signatures étant relativement similaires, ils peuvent tous les deux être recherchés dans la même analyse. Pour la simplicité des simulations, des stops violant la R-Parité ont été utilisés pour l’analyse mais les résultats sont aisément réinterprétables dans le cadre des sgluons.
B.3.2 Topologie des événements
Pour sélectionner les événements nous intéressant, j’ai déterminé le filtre à événements du sys-tème de déclenchement le plus adapté. Il s’agit du HLT_4j120, pour ce filtre au moins quatre jets avec un pT de plus de 120 GeV sont nécessaires. La valeur de la coupure en pT du filtre a été imposée pour limiter le taux d’événements enregistrés par ce filtre, de ce fait il impactera fortement l’efficacité de l’analyse pour les faibles masses de stop. En plus de ce filtre une cou-pure sur le pTminimum des jets à 140 GeV est imposée, celle-ci assure une efficacité complète du filtre.
Comme expliqué précédemment, les signaux considérés sont composé de deux résonances identiques produites en paire se désintégrant en paires de jet. L’état final se compose donc de quatre jets. Pour reconstruire les événements, les quatre jets de plus haut pT dans l’état sont sélectionnés. A partir de ces quatre jets, deux paires de jet doivent être reconstruites, chacune
de ces paires correspondant à une des résonances. Pour ce faire différents algorithmes d’appa-riement peuvent être utilisés.
Une fois ces paires reconstruits différentes variables sont déduites pour permettre de séparer le signal et le bruit de fond. Ces variables sont :
1. ∆Rmin: La somme des distances entre les deux jets de chaque paires. 2. | cos θ∗| : L’angle de production de la paire.
3. A = m1−m2
m1+m2 : L’asymétrie de masse entre les deux resonances.
Les distributions de ces variables en utilisant les informations des vraies distributions sont présentées en FigureB.6. 0 1 2 3 4 5 6 min R ∆ 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35
Arbitrary Unit Data 2016+2017+2018
Pythia Multijet Stop_300_truth Stop_650_truth Stop_900_truth = 13 TeV s AllYears truth (a) 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 cosThetaStar 0.04 0.05 0.06 0.07 0.08 0.09 0.1 0.11 Arbitrary Unit Data 2016+2017+2018 Pythia Multijet Stop_300_truth Stop_650_truth Stop_900_truth = 13 TeV s AllYears truth (b) 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 massAsymm 0 0.1 0.2 0.3 0.4 0.5
Arbitrary Unit Data 2016+2017+2018
Pythia Multijet Stop_300_truth Stop_650_truth Stop_900_truth = 13 TeV s AllYears truth (c)
FIGURE B.6 – Distribution de ∆Rmin (a), | cos θ∗| (b) et A (c) pour le signal
Monte Carlo et les donnée 2016, 2017 et 2018. L’appariement en ∆Rminest utilisé
pour les donnée.
Différentes méthodes d’appariement peuvent être utilisées, la première qui était utilisé pour l’itération précédente de cette analyse est l’appariement en ∆Rmin. L’idée derrière cette mé-thode est de sélectionner le système de paires minimisant la valeur de ∆Rmin. A faible masses les stops émis ont une grande impulsion, de ce fait l’angle entre les deux jets résultant de sa dés-intégration devrait être petit. En plus de cette méthode une coupure additionnelle sur ∆Rmin est appliquée permettant de grandement réduire le bruit de fond pour lequel ∆Rmin tend à être plus large.
Cette méthode perd par contre en efficacité pour de plus grandes masses où l’impulsion des stops est plus faible. D’autres méthodes ont donc été testées pour les masses plus élevées, l’une d’entre elle consiste à choisir la paire qui maximise ∆Rmax au lieu de celle qui la mini-mise. Cette méthodologie a l’avantage d’augmenter l’efficacité de l’appariement comparé à la
B.3. Recherche de la supersymétrie avec violation de la R-parité 149
méthode précédente, par contre elle tend à diminuer la séparation entre le bruit de fond et le signal.
B.3.3 Perspective
Une fois les paires reconstitués et les variables déterminées, une estimation du bruit de fond effectué dans la région du signal pour être comparé au nombre d’événements mesuré à celui at-tendu. Pour ce faire on utilise habituellement la simulation Monte Carlo des processus de bruit de fond mais malheureusement le bruit de fond multijet est compliqué à simuler précisément. On utilisera donc des méthodes se basant sur les données pour estimer ce bruit de fond.
La première méthode appelée méthode ABCD, consiste a séparer les événements en quatre régions en utilisant deux variables (| cos θ∗| et A). Une de ces régions contiendra le signal (C) tandis que les quatre autres contiendront uniquement du bruit de fond (ABD). A condition que les deux variables soient bien indépendantes, le nombre d’événements de bruit de fond dans la région de signal peut s’obtenir grace à :NC = NA×ND
NB.
Cette méthode fonctionne pour l’appariement en ∆Rminmais pas pour celui en ∆Rmaxpour lequel| cos θ∗| et A sont corrélés. On utilisera donc pour ces dernières une régression du bruit de fond qui est extrapolée dans la région de masse considérée pour le signal en question. En général cette méthode est plus appropriée pour les larges masses ou l’extrapolation est plus aisé à effectuer et ou des corrélations commencent à apparaitre entre| cos θ∗| et A.
Ces méthodes ont ainsi été optimisée pour maximiser la significance du signal grâce aux échantillons Monte Carlo. La significance attendue a été calculée pour chaque point de masse dans le cadre de l’appariement en ∆Rmin comme montré sur la FigureB.7. Comparé à l’ana-lyse précédente ou des masses jusqu’à 415 GeV ont été rejetées, cette nouvelle anal’ana-lyse devrait pouvoir augmenter cette limite jusqu’à 600 GeV en utilisant les données de 2016, 2017 et 2018.
300 400 500 600 700 800 900 1000
Target mass [GeV] 2 4 6 8 10 12 14 16 18 Z = 13 TeV, data 2016+2017+2018 s inclusive
FIGUREB.7 – Significance attendue pour la catégorie inclusive en fonction de la masse du stop.