Search for tt̄HH process in same sign dilepton and 6 b-quarks final states using fast simulation data at the HL-LHC : 고휘도 LHC 에서 빠른 시뮬레이션 데이터를 활용한 같은 부호 경입자 및 6개의 b-쿼크 최종상태에서의 tt̄HH 과정 탐색
- 주제(키워드) ttHH , Higgs , HL-LHC , CMS , self-coupling , DNN
- 발행기관 한양대학교 대학원
- 지도교수 김태정
- 발행년도 2025
- 학위수여년월 2025. 2
- 학위명 석사
- 학과 및 전공 대학원 물리학과
- 세부분야 해당없음
- 원문페이지 75
- 실제URI http://www.dcollection.net/handler/hanyang/200000842160
- UCI I804:11062-200000842160
- 본문언어 영어
- 저작권 한양대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
The top quark and anti-top quark pair associated with two Higgs bosons (tt̄HH) is an interesting di-Higgs production process. However, the signal sensitivity is highly suppressed due to the enormous background and the complexity of the final states. This study presents a search for the tt̄HH process using fast simulation data of proton-proton collisions at the High-Luminosity LHC at √s = 14 TeV with Phase-II CMS detector. The expected integrated luminosity is 3 ab^(−1). The primary focus is on the signal region containing two leptons (electron or muon). This region is divided into two orthogonal channels, the same sign dilepton and the opposite sign dilepton with 6 b quarks. The same sign dilepton channel considers the one Higgs boson decays into a vector boson pair. The opposite sign dilepton with 6 b quarks channel considers each Higgs boson to decay into a pair of b quarks. Deep Neural Networks are employed to assign jets originating from Higgs bosons and to perform multivariate event classification, enhancing the signal sensitivity. The statistical significance and expected signal limit are calculated for each channel and combined.
more초록/요약
두 개의 힉스 보손이 수반된 톱 쿼크-반톱 쿼크 쌍(tt̄HH) 생성 과정은 힉스 자기 결합에 접근 가능한 이중 힉스 생성 과정 중에서도 흥미로운 경우 중 하나다. 하지만 이 과정은 방대한 배경 신호와 복잡한 최종 상태로 인해 신호 민감도가 크게 억제된다. 이 연구는 고휘도 LHC (High-Luminosity LHC) 에서 √s = 14 TeV 에너지를 가지는 양성자-양성자 충돌에 대해 Phase-II CMS 검출기 반응을 가정하여, 빠른 시뮬레이션 데이터를 기반으로 tt̄HH 과정을 탐색한다. 예상 적분 휘도는 3 ab^(−1) 이다. 분석은 전자 또는 뮤온으로 이루어진 두 개의 렙톤을 포함하는 신호 영역에 집중하며, 신호의 민감도를 높이기 위해 해당 영역을 같은 부호의 렙톤 쌍 (SS2l) 영역과 6개의 b 쿼크를 포함한 반대 부호의 렙톤 쌍 (OS2l+6b) 영역으로 나누어 수행하였다. (SS2l) 영역에서는 하나의 힉스 보손이 벡터 보손 쌍으로 붕괴하는 경우를 고려하고, (OS2l+6b) 영역에서는 각각의 힉스 보손이 b 쿼크 쌍으로 붕괴하는 경우를 분석한다. 신호 민감도를 높이기 위해 심층 신경망 (Deep Neural Network) 를 이용해 힉스 기원의 b 제트를 구분하고, 다변수 충돌 이벤트 분류를 수행하였다. 각 영역에 대해 통계적 유의성과 95% 신뢰구간에서의 신호 한계를 계산하고 이를 결합해 최종 결과를 제시하였다.
more목차
1 Introduction 1
1.1 The Standard Model 2
1.2 Higgs Boson 3
1.3 HL-LHC and Phase-2 CMS Detector 4
1.4 Physics Motivation for t̄tHH Search 6
2 Simulated Samples for Signal and Backgrounds 8
3 Event Reconstruction and Physics Objects 9
4 Analysis Strategy 10
5 Same Sign Dilepton Analysis 11
5.1 Event Selection 11
5.2 Comparison for the Signal and Background 12
5.3 Signal Extraction 16
6 Opposite Sign Dilepton + 6 b-Quarks Analysis 18
6.1 Event Selection 18
6.2 Comparison for the Signal and Background 19
6.3 Higgs reconstruction 24
6.4 Signal Extraction 27
7 Results 30
7.1 SS2l Results 30
7.2 OS2l+6b Results 31
7.3 Combined Results 32
8 Conclusion 32
References 33
Appendix I. DNN Inputs and Correlation Matrix 37
Appendix II. Hyperparameters for DNN Training 51
Appendix III. DNN Train Results - Accuracy and Loss 52
Appendix IV. DNN Feature Importance Plots 53
Appendix V. Overlap Between t̄tbb̄ and t̄tbb̄bb̄ 55
국문요지 60
Acknowledgement 61