Gast ::
| 001 | 763526 | ||
| 005 | 20251021085932.0 | ||
| 024 | 7 | _ | |2 HBZ |a HT020122042 |
| 024 | 7 | _ | |2 Laufende Nummer |a 38351 |
| 024 | 7 | _ | |2 datacite_doi |a 10.18154/RWTH-2019-06415 |
| 037 | _ | _ | |a RWTH-2019-06415 |
| 041 | _ | _ | |a English |
| 082 | _ | _ | |a 530 |
| 100 | 1 | _ | |0 P:(DE-588)119006409X |a Rieger, Marcel |b 0 |u rwth |
| 245 | _ | _ | |a Search for Higgs boson production in association with top quarks and decaying into bottom quarks using deep learning techniques with the CMS experiment |c vorgelegt von Marcel Rieger M.Sc. RWTH |h online |
| 246 | _ | 3 | |a Suche nach Higgs Boson Produktion in Assoziation mit Top Quarks und Zerfällen in Bottom Quarks unter Verwendung von Deep Learning Techniken mit dem CMS Experiment |y German |
| 260 | _ | _ | |a Aachen |c 2019 |
| 300 | _ | _ | |a 1 Online-Ressource (178 Seiten) : Illustrationen, Diagramme |
| 336 | 7 | _ | |0 2 |2 EndNote |a Thesis |
| 336 | 7 | _ | |0 PUB:(DE-HGF)11 |2 PUB:(DE-HGF) |a Dissertation / PhD Thesis |b phd |m phd |
| 336 | 7 | _ | |2 BibTeX |a PHDTHESIS |
| 336 | 7 | _ | |2 DRIVER |a doctoralThesis |
| 336 | 7 | _ | |2 DataCite |a Output Types/Dissertation |
| 336 | 7 | _ | |2 ORCID |a DISSERTATION |
| 500 | _ | _ | |a Veröffentlicht auf dem Publikationsserver der RWTH Aachen University |
| 502 | _ | _ | |a Dissertation, RWTH Aachen University, 2019 |b Dissertation |c RWTH Aachen University |d 2019 |g Fak01 |o 2019-06-07 |
| 520 | 3 | _ | |a Nach der Entdeckung des Higgs Bosons während des ersten Laufes des Large Hadron Collider (LHC) werden präzise Messungen seiner Eigenschaften und Kopplungen zu anderen Teilchen seitens der Experimente ATLAS und CMS durchgeführt. Auf Grund seiner hohen Masse postuliert das Standard Modell der Teilchenphysik (SM) für das Top Quark eine Yukawa Kopplungskonstante nahe eins, was der stärksten Kopplung unter allen Fermionen entspricht. Daher ist eine akkurate Messung der Higgs-Top Kopplung essentiell, um Vorhersagen des Standardmodells zu überprüfen und um darüber hinausgehende Theorien einzuschränken. Diese Arbeit stellt eine Suche nach Higgs Boson Produktion in Assoziation mit Top Quark Paaren bei einer Schwerpunktsenergie von $\sqrt{s}$ = 13 TeV vor. Die verwendeten Daten von Proton-Proton Kollisionsereignissen wurden 2016 während des zweiten Laufes des LHC vom CMS Experiment aufgezeichnet und entsprechen einer integrierten Luminosität von 35.9 fb$^{-1}$. Die Analyse betrachtet Zerfälle des Higgs Bosons in Paare von Bottom Quarks, sowie Zerfälle des $t\bar{t}$ Systems in Zustände mit einem oder zwei Elektronen oder Muonen von unterschiedlicher Ladung. Zusätzlich müssen Ereignisse fehlende transversale Energie, sowie mindestens vier energetische Jets aufweisen, von denen mindestens drei als $b$ Jet gekennzeichnet wurden. Die Analyse ist dominiert von systematischen Unsicherheiten auf die erwartete Rate von $t\bar{t}$ Prozessen mit zusätzlichen Abstrahlungen von Bottom und Charm Quarks ($t\bar{t}+$hf), speziell durch $t\bar{t}\!+\!b\bar{b}$, $t\bar{t}\!+\!b/\bar{b}$, $t\bar{t}\!+\!2b$ und $t\bar{t}\!+\!c\bar{c}$ Produktion. Um ihren Einfluss zu verringern, führt diese Analyse ein neuartiges Konzept zur Ereigniskategorisierung ein, welches auf tiefen neuronalen Netzen beruht. Im Gegensatz zur binären Klassifizierung führen diese eine simultane mehrfach-Klassifizierung durch, bei der jedem Ereignis mehrere Wahrscheinlichkeiten zugeordnet werden. Jede Wahrscheinlichkeit beschreibt die Kompatibilität eines Ereignisses entweder mit dem Signalprozess oder einem bestimmten Untergrundprozess. Die Informationen des Prozesses mit der höchsten Wahrscheinlichkeit wird verwendet, um exklusive Kategorien zu definieren, die mit jeweils einem der betrachteten Prozesse angereichert sind. Da die beschriebenen $t\bar{t}+$hf Ratenunsicherheiten im statistischen Modell der Messung als unkorreliert angenommen werden, führt die Isolation der einzelnen Untergründe in dazugehörige Kategorien zu einer verbesserten Untergrundabschätzung und folglich zu einer Steigerung der Signalsensitivität. Ergebnisse dieser Analyse werden mittels einer simultanen Messung über 24 Kategorien durch einen Fit der simulierten Ereignisse an die gemessenen Daten bestimmt. Dabei ist eine Kategorie durch die Anzahl der isolierten Leptonen, die Anzahl der selektierten Jets und den zugeordneten Prozess definiert, basierend auf der Prognose der tiefen neuronalen Netze. Der $t\bar{t}H$ Signalstärkeparameter $\mu = \sigma / \sigma_\text{SM}$ wird mit Hilfe eines Profile Likelihood Fits extrahiert, bei dem systematische Unsicherheiten als Störparameter berücksichtigt werden. Obere Grenzen auf $\mu$ sind durch eine asymptotische CL$_\text{S}$ Methode mit 95% Konfidenzniveau bestimmt. Im Standardmodell besitzt der $t\bar{t}H$ Prozess einen Wirkungsquerschnitt von $\sigma_{SM}\,=\,507\,^{+35}_{-50}$ fb. Diese Analyse misst eine obere Grenze des $t\bar{t}H$ Signalstärkeparameters von $\mu_\text{obs} < 1.85$, wobei ein Wert von $\mu_\text{exp}\,<\,0.99\,^{+0.42}_{-0.29}$ im Falle der Nichtexistenz des Signals erwartet würde. Der Messwert des Signalstärkeparameters beträgt $\mu_\text{obs}\,=\,0.98\,^{+0.50}_{-0.48}\,=\,0.98\,^{+0.26}_{-0.25}\,(\text{stat.})\,^{+0.43}_{-0.41}\,(\text{syst.})$ und ist somit verträglich mit der Signalhypothese gemäß des Standardmodells. Vorrangig wird die Genauigkeit der Messung durch systematische Unsicherheiten beschränkt. Die damit verbundene beobachtete (erwartete) Signifikanz liegt 2.04 (1.92) Standardabweichungen über dem erwarteten Untergrund. Die in dieser Arbeit vorgestellte Analyse im semi-leptonischen Kanal wurde mit weiteren Analysen im Rahmen des CMS Experimentes kombiniert und trug dadurch zur ersten Entdeckung von $t\bar{t}H$ Produktion, sowie Zerfällen des Higgs Bosons in Bottom Quarks bei. |l ger |
| 520 | _ | _ | |a After the discovery of the Higgs boson during the first run of the Large Hadron Collider (LHC), precise measurements of its properties and couplings to other particles are conducted by the ATLAS and CMS experiments. Due to its high mass, the Standard Model of particle physics (SM) predicts that the top quark, among all fermions, exhibits the strongest coupling to the Higgs boson with a Yukawa coupling constant close to unity. Therefore, the accurate measurement of Higgs-top coupling is essential for probing predictions of the SM and to constrain theories that reach beyond it. This thesis presents a search for the associated production of a Higgs boson with a top quark pair at a center-of-mass energy of $\sqrt{s}$ = 13 TeV. The data from proton-proton collisions of the second run of the LHC was recorded by the CMS detector in 2016 and corresponds to an integrated luminosity of 35.9 fb$^{-1}$. The analysis focuses on events where the Higgs boson decays into a pair of bottom quarks and the decay of the $t\bar{t}$ system involves one or two electrons or muons with opposite charge. In addition to the lepton requirements, events are selected to have missing transverse energy and at least four energetic jets of, which at least three must have a $b$ tag. The analysis is dominated by systematic uncertainties in the normalization of $t\bar{t}$ background contributions with additional heavy-flavor jets, especially from $t\bar{t}\!+\!b\bar{b}$, $t\bar{t}\!+\!b/\bar{b}$, $t\bar{t}\!+\!2b$, and $t\bar{t}\!+\!c\bar{c}$ production. To reduce their impact on the analysis, a novel event categorization scheme based on deep neural networks is introduced. In contrast to binary classification, the networks perform a multi-class classification, which attributes events with a probability to originate from either the signal process or a particular background process. The information of the highest probability is exploited to create mutually exclusive categories that are enriched with events of one of the considered physics processes. As the $t\bar{t}+$heavy-flavor normalization uncertainties are treated as uncorrelated in the signal extraction procedure, the simultaneous isolation of backgrounds using this approach leads to more accurate background constraints and, in turn, to a gain in signal sensitivity. Results are obtained in a simultaneous measurement over 24 orthogonal categories defined by the lepton channel, the number of jets, and the most probable process as attributed by the deep neural networks. In each category, the distribution of the network output unit that corresponds to the assigned process category is fitted to data. The best fit value of the $t\bar{t}H$ signal strength modifier $\mu\,=\,\sigma / \sigma_\text{SM}$ is extracted in a profile likelihood fit with systematic uncertainties incorporated as nuisance parameters. Upper limits on $\mu$ are computed using the asymptotic CL$_\text{S}$ method at 95% confidence level. The SM predicts a $t\bar{t}H$ production cross section of $\sigma_{SM}\,=\,507\,^{+35}_{-50}$ fb with NLO QCD accuracy and NLO electroweak corrections. This analysis measures an observed upper limit on the $t\bar{t}H$ signal strength modifier of $\mu_\text{obs} < 1.85$, which excludes greater values with 95% confidence given the measured data. The background-only hypothesis is disfavored due to an expected limit of $\mu_\text{exp}\,<\,0.99\,^{+0.42}_{-0.29}$ in case of a signal strength as predicted by the SM. The observed best fit value is measured as $\mu_\text{obs}\,=\,0.98\,^{+0.50}_{-0.48}\,=\,0.98\,^{+0.26}_{-0.25}\,(\text{stat.})\,^{+0.43}_{-0.41}\,(\text{syst.})$. A value of $\mu_\text{exp}\,=\,1.00^{+0.55}_{-0.49}$ is expected from simulation. The corresponding observed (expected) significance amounts to 2.04 (1.92) standard deviations above the expected background. The total uncertainty predominantly originates from systematic effects. The analysis in the semi-lepton channel as presented in this thesis contributed to the first observations of both $t\bar{t}H$ production and Higgs bosons decaying into bottom quarks, performed with the CMS experiment. |l eng |
| 588 | _ | _ | |a Dataset connected to Lobid/HBZ |
| 591 | _ | _ | |a Germany |
| 653 | _ | 7 | |a CERN |
| 653 | _ | 7 | |a CMS |
| 653 | _ | 7 | |a Higgs boson |
| 653 | _ | 7 | |a Top quark |
| 653 | _ | 7 | |a deep learning |
| 653 | _ | 7 | |a machine learning |
| 653 | _ | 7 | |a neural networks |
| 653 | _ | 7 | |a particle physics |
| 700 | 1 | _ | |0 P:(DE-82)IDM00056 |a Erdmann, Martin |b 1 |e Thesis advisor |u rwth |
| 700 | 1 | _ | |0 P:(DE-82)IDM03668 |a Schmidt, Alexander |b 2 |e Thesis advisor |u rwth |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/763526/files/763526.pdf |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/763526/files/763526_source.zip |y Restricted |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/763526/files/763526.gif?subformat=icon |x icon |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/763526/files/763526.jpg?subformat=icon-1440 |x icon-1440 |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/763526/files/763526.jpg?subformat=icon-180 |x icon-180 |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/763526/files/763526.jpg?subformat=icon-640 |x icon-640 |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/763526/files/763526.jpg?subformat=icon-700 |x icon-700 |y OpenAccess |
| 909 | C | O | |o oai:publications.rwth-aachen.de:763526 |p openaire |p open_access |p driver |p dnbdelivery |p VDB |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-588)119006409X |a RWTH Aachen |b 0 |k RWTH |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-82)IDM00056 |a RWTH Aachen |b 1 |k RWTH |
| 914 | 1 | _ | |y 2019 |
| 915 | _ | _ | |0 StatID:(DE-HGF)0510 |2 StatID |a OpenAccess |
| 920 | 1 | _ | |0 I:(DE-82)133110_20140620 |k 133110 |l Lehrstuhl für Experimentalphysik III A und III. Physikalisches Institut |x 0 |
| 920 | 1 | _ | |0 I:(DE-82)130000_20140620 |k 130000 |l Fachgruppe Physik |x 1 |
| 980 | 1 | _ | |a FullTexts |
| 980 | _ | _ | |a I:(DE-82)130000_20140620 |
| 980 | _ | _ | |a I:(DE-82)133110_20140620 |
| 980 | _ | _ | |a UNRESTRICTED |
| 980 | _ | _ | |a VDB |
| 980 | _ | _ | |a phd |
| Library | Collection | CLSMajor | CLSMinor | Language | Author |
|---|