C.2.1 Chapitre 2 - Le voyage au-delà du modèle standard.
Le modèle standard de la physique des particules est actuellement notre meilleure description des éléments constitutifs de la nature. Cependant, plusieurs indications nous motivent à étendre le SM. Dans l’aspect théorique, ils incluent le problème de hiérarchie, le problème de CP fort, la grande unification, etc. Au sens observationnel, la motivation la plus claire est l’existence de matière noire (DM); le SM ne peut pas décrire l’excès de matière observé dans l’Univers.
Par conséquent, plusieurs théories ont été proposées pour étendre le SM afin de répondre à ces énigmes théoriques et observationnelles. Les plus complètes sont celles tirées du contexte de la supersymétrie. Le modèle standard supersymétrique minimal (MSSM) a été largement étudié, car il est connu pour fournir des solutions au problème de hiérarchie et fournir des candidats de DM viables, entre autres propriétés. Cependant, il existe d’autres théories SUSY qui méritent de l’attention . En particulier, dans cette thèse, nous nous concentrons sur la théorie minimale SUSY où les gauginos (super partenaires des bosons de jauge) sont des états de Dirac. Finalement, notre machine principale pour étudier le SM et ses extensions possibles est le grand collisionneur de hadrons.
C.2.2 Chapitre 3 - (Re)Interprétation des recherches du LHC.
Au LHC, ATLAS et CMS ont mis en place un vaste programme de recherche de nouvelle physique. Cela peut être grossièrement classé en recherches de résonance, d’énergie manquante et de partic-ules à longue durée de vie (LLP). Les premiers sont généraux à interpréter (effets d’interférence mis à part). Alors que les deux autres sont généralement plus complexes. Cela est principale-ment dû à leur optimisation dépendant du modèle et aux modèles théoriques complexes à partir desquels ils sont optimisés. Pour y remédier, ATLAS et CMS ont choisi de présenter leurs ré-sultats dans le cadre des spectres de modèles simplifiés (SMS). Les SMS sont des ensembles de descriptions lagrangiennes efficaces, appelés modèles simplifiés, conçus pour caractériser un nou-veau modèle physique avec un petit nombre de paramètres cinématiques, liés à la physique des collisionneurs, d’une manière supposée suffisante pour décrire la phénoménologie essentielle des modèles de nouvelle physique. Cela permet aux recherches du LHC de couvrir aussi largement que possible les théories BSM populaires tout en restant applicables à un plus large éventail de modèles théoriques, de manière simple. Les résultats sont ensuite présentés sous la forme de
cartes de la limite supérieure sur des sections efficaces multipliées par des rapports de branche-ment (σ× B) et des cartes d’efficacité sur les paramètres libres des modèles simplifiés.
La variété des théories BSM est trop vaste pour que les collaborations expérimentales les couvrent d’elles-mêmes. Ainsi, il est nécessaire que les résultats du LHC soient réinterprétés pour tester des théories plus complexe ou pas encore pensé. Actuellement, il existe deux approches principales pour ce faire. La première, connue sous le nom d’approche par modèle simplifié, est rapide mais souvent conservatrice. Son idée principale est de comparer directement la limite supérieure expérimentale avec leσ× B correspondant du modèle théorique. Alternativement, on peut également utiliser des cartes d’efficacité pour calculer les événements de signal attendus et les bornes correspondantes. L’approche du modèle simplifié suit l’hypothèse selon laquelle l’efficacité ou les limites supérieures restent approximativement valables pour un modèle générique prédisant la même signature que le modèle simplifié. La seconde approche prend plus de temps mais est généralement plus complète. Elle est connue sous le nom de réinterprétation basée sur le simulation complète d’événements (ou refonte complète). Son idée générale est de calculer les rendements de signal attendus des processus BSM qui seraient mesurés par une analyse basée sur les selections. Ceci est réalisé en appliquant les mêmes selections dans les analyses et en calculant le rapport des événements sélectionnés sur le nombre total d’événements produits. Ces événements sont produits via des générateurs d’événements Monte Carlo et la réponse du détecteur est émulée par des simulateurs dédiés. Finalement, nous notons que, bien que le processus de réinterprétation basée sur le simulation complète d’événements soit bien standardisé pour le cas de recherches d’énergie manquantes par plusieurs outils, il n’existe pas encore une méthode claire pour les recherches LLP. Néanmoins, plusieurs implémentations de recherches LLP ont été effectuées en suivant différentes approches.
C.2.3 Chapitre 4 - SModelS. Developemments récents.
La nature de l’approche SMS nous permet de dériver des contraintes sur une large variété de théories BSM. Dans SModelS [134, 171, 135], une procédure générale de décomposition des théories BSM, présentant une symétrieZ2, en topologies de modèle simplifiées, est implémentée. Ceci est suivi d’une correspondance automatique entre les topologies produites et le résultat du modèle simplifié correspondant trouvé dans sa grande base de données. Avec la publication de la version 1.2 [135], SModelS a annoncé plusieurs nouveaux développements. Premièrement, alors que les versions précédentes étaient limitées aux signatures énergétiques manquantes et ne sup-posaient que des désintégrations rapides, la version actuelle prend désormais en compte la durée de vie de chaque particule Z2-impair et prend correctement en compte les signatures de énergie manquante, des particules chargée, stable et lourde (HSCP) et des hadrons R . Deuxième-ment, SModelS permet désormais une combinaison de régions de signal dans les résultats de la carte d’efficacité chaque fois qu’une matrice de covariance est disponible à partir de l’expérience. Troisièmement, smodelsTools fournit désormais un créateur de tracés interactifs pour visualiser facilement des résultats de SModelS et les comparer avec les paramètres des théories BSM.
C.2.4 Chapitre 5 - Contraintes sur le modèle minimal de Dirac gaugino.
La plupart des recherches SUSY au LHC sont effectuées dans le contexte du MSSM, où les gauginos sont des particules de Majorana. En introduisant les gauginos de Dirac, nous obtenons une phénoménologie enrichie, des différences considérables dans les signatures et les limites du LHC sont attendues par rapport au MSSM. Concrètement, dans le MDGSSM nous avons un secteur electroweakino étendu par deux neutralinos et un chargino. De plus, les sections efficaces de production sont agrandie pour les gluinos, tandis que pour les squarks, ils sont supprimés. De plus, une petite division de masse dans les deux états bino et wino peuvent conduire à la présence
des LLP. Nous avons réalisé deux études pour explorer la phénoménologie des collisionneurs du secteur coloré (dans le premier) et du secteur electroweakino (dans le second).
Dans la première étude [184], nous avons étudié les limites des recherches du LHC sur les squarks et les gluinos pour quelques scénarios représentatifs. Dans le contexte de contraintes de modèle simplifiées, la grande variété de modes de désintégration possibles dans nos scénarios a conduit à des limites très faibles. La raison en est que, dans des scénarios complexes comme ceux considérés ici, seule une petite fraction de la production totale de SUSY correspond aux topologies de signaux qui sont contraintes par les résultats de modèles simplifiés disponibles. Nous avons donc confronté nos scénarios à une refonte complète de la recherche ATLAS multi-jet+ MET [268] avec MadAnalysis 5. En comparant les limites sur nos scénarios du MDGSSM à ceux du MSSM, nous avons confirmé que les limites des squarks sont très significativement (de plusieurs centaines de GeV) supprimées par rapport au MSSM. Nous avons montré que cette déclaration est robuste même en incluant des corrections de boucle de la production. En revanche, pour les petites masses de gluino, les degré de liberté supplémentaires conduisent à des sections efficaces de production plus importantes, et donc la limite inférieure sur la masse des gluinos dans ces modèles est quelque peu plus élevée que dans le MSSM.
Dans la deuxième étude (l’article correspondant est en préparation), nous avons étudié le secteur electroweakino du MDGSSM. Nous avons exploré l’espace des paramètres où le neutralino le plus léger χ˜01 est un bon candidat à la DM en accord avec la dénsité relique et les contraintes de détection directe. La phénoménologie des collisionneurs des nouveaux scénarios motivés par la DM est caractérisée par le spectre du secteur EW-ino plus riche par rapport a celui du MSSM, naturellement de petites répartitions de masse et la présence fréquente de charginos et/ou de neutralinos à longue durée de vie. Nous avons dérivé des contraintes actuelles du LHC sur ces scénarios en réinterprétant les recherches SUSY et LLP réalisées par ATLAS et CMS. Pour ça, nous avons suivi une approche de modèle simplifiée et une refonte complète à l’aide de la simulation d’événements de Monte Carlo. Alors que les HSCP et les recherches des traces qui disparaissen (DT) donnent des limites assez puissantes aux scénarios avec des LLP chargés, les scénarios avec principalement des signaturesEmiss
T restent peu contraints. En effet, les recherches SUSY ne permettent d’exclure que (certains) points avec un LSP inférieur à 200 GeV, et ça tombe à environ 100 GeV lorsque les winos sont lourds. C’est un contraste frappant avec l’image pour les contraintes sur les particules colorées, et indique que le secteur EW-ino de la théorie est probablement le plus prometteur pour les travaux futurs. Finalement, nous avons fourni un ensemble de 10 points de référenc à cette fin. En outre, nous avons constaté que le modèle simplifié et l’approche de refonte complète fournissent des limites comparables sur le secteur electroweakino du MDGSSM.
C.2.5 Chapitre 6 - Détermination des SR indépendants dans les recherches du LHC pour la nouvelle physique.
Le programme de recherche du LHC pour la nouvelle physique a produit des centaines de publi-cations et un plus grand nombre de résultats SMS individuels. Dans certains cas, ATLAS et CMS fournissent également des matrices de covariance qui permettent une combinaison de probabil-ités dérivées de différentes régions de signal (SR). Ce n’est cependant pas général, et est limité aux régions de signal dans la même analyse. Néanmoins, avoir une connaissance de la corréla-tion entre les régions de signal est très utile, car elles permettent leur combinaison et dérivent ainsi des limites plus strictes sur les théories BSM. Avec cela comme motivation, nous avons développé une méthode probabiliste pour la détermination de paires d’analyses approximative-ment non corrélées. La méthode a ensuite été impléapproximative-mentée dans un outil que nous avons appelé TACO. Pour les résultats présentés, seuls les événements issus de topologies de modèles simplifiés ont été produits. Dans un futur projet, nous souhaitons introduire également des événements
plus compliqués pour couvrir les corrélations potentielles qui pourraient être manquées par des événements basés sur des modèles simplifiés trop simplistes. Ce travail est apparu comme la contribution 16 dans le rapport du groupe de travail BSM [1] de l’atelier Les Houches ‘Physics at TeV Colliders’ 2019.
C.2.6 Chapitre 7 - Apprentissage automatique pratique pour la régression et la classification et les applications en phénoménologie HEP.
Ce chapitre concerne la contribution 22 du rapport du groupe de travail BSM de l’atelier Les Houches ‘Physics at TeV Colliders’ 2019 [1]. Ici, nous discutons des applications pratiques du ML dans la phénoménologie de la Physique des Hautes ènergies et en particulier la possibilité d’examiner les modèles de la nouvelle physique dans leur pleine dimensionnalité.
L’idée de ce projet est de simplifier la création et la réutilisation de modèles d’apprentissage automatique conçus pour la phénoménologie HEP. Pour cela, nous avons encouragé à sauveg-arder le modèle ML, l’ensemble de données et le code pour former les modèles de ML. Si la construction des modèles ML peut être simplifiée, toute publication sur la phénoménologie HEP pourrait utiliser des modèles ML pour stocker les probabilités, les sections efficaces et les limites également pour les modèles HEP multidimensionnels. De plus, nous insistons sur l’importance de quantifier les incertitudes épistémiques. Ils concernent ceux introduits avec notre modèle ML pour l’estimateur ˆf (x) ≈ f(x). Un exemple de ce type d’incertitude est l’incertitude liée aux valeurs entraînées des paramètres (par exemple les poids d’un réseau neuronal) de l’algorithme ML. Une façon d’estimer ces incertitudes dans les réseaux de neurones consiste à appliquer dropout aux nœuds pendant l’inférence [331].
Finalement, à titre de preuve de concept et de faisabilité, nous avons montré divers exemples d’applications. Ici, nous ne mentionnons que celui qui était de la responsabilité de l’auteur de cette thèse: ‘Apprentissage des sections efficaces de production dans le IDM. Dans ce travail, nous avons obtenu les premiers résultats de réseaux de neurones formés qui prédisent les sections efficaces de production du LHC pour les scalaires inertes dans l’IDM, avec une estimation de l’incertitude bayésienne. La prochaine étape de ce projet se concentrera sur la réduction de cette incertitude et, en s’assurant que la vraie valeur est à l’intérieur de l’intervalle d’incertitude 1 std de la prédiction, la réduction de l’erreur relative des prédictions sur tout l’espace des paramètres pour tous les processus sous considération. Une façon d’y parvenir concerne la mise en œuvre de l’apprentissage actif basé sur le dropout [372].