Search for dark matter with machine learning techniques in leptonic final states and missing transverse energy at the CMS experiment

Mohamed, Ashraf Kasem Abdellatif; Borras, Kerstin; Pooth, Oliver

doi:40194

Search for dark matter with machine learning techniques in leptonic final states and missing transverse energy at the CMS experiment

Mohamed, Ashraf Kasem Abdellatif^RWTH*

2021

Verantwortlichkeitsangabevorgelegt von Ashraf Kasem Abdellatif Mohamed, M.Sc.

ImpressumAachen : RWTH Aachen University 2021

Umfang1 Online-Ressource : Illustrationen, Diagramme

Dissertation, RWTH Aachen University, 2021

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak01

Hauptberichter/Gutachter
Borras, Kerstin (Thesis advisor)^RWTH* ; Pooth, Oliver (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2021-03-04

Online
DOI: 10.18154/RWTH-2021-02557
URL: https://publications.rwth-aachen.de/record/815278/files/815278.pdf

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
CMS trigger (frei) ; Hadron Outer (frei) ; Muon trigger (frei) ; dark matter (frei) ; deep learning (frei) ; machine learning (frei) ; supersymmetry (frei)

Thematische Einordnung (Klassifikation)
DDC: 530

Kurzfassung
Diese Dissertation stellt Arbeiten für das Compact Muon Solenoid (CMS)-Experiment am Large Hadron Collider (LHC) vor. Die beiden Hauptthemen sind eine Suche nach Dunkler Materie in Endzuständen mit einem Lepton innerhalb zweier supersymmetrischer (SUSY) Modelle und eine Reihe von Studien über die Möglichkeiten des Hadron Outer (HO) Calorimeter als Unterstützung für das Myonsystem und den Myon-Trigger. In dieser Dissertation werden Ergebnisse einer Suche nach Supersymmetrie bei Kollisionen, in denen ein Elektron oder ein Myon und hadronische Jets entstehen, vorgestellt. Die Daten entsprechen Proton-Proton-Kollisionen mit einer integrierten Luminosität von 137 $fb^{-1}$ und sind in den Jahren 2016, 2017 und 2018 durch das CMS-Experiment bei einer Schwerpunktsenergie von $\sqrt{s} = 13$ TeV aufgezeichnet worden. SUSY ist eine Theorie mit vielfältigen Vorhersagen für neue Physik und enthält eine breite Palette möglicher neuer Teilchen. Mit Hilfe eines speziell für diese Arbeit \mbox{entwickelten} Multi-Klassen DNN-Klassifikators (Deep Neural Network) werden exklusive Suchregionen definiert. Dieses Multi-Klassen-Netzwerk wird zur datengetriebenen Untergrundbestimmung verwendet. Die wichtigsten Untergründe werden bei diesem Ansatz mit Hilfe mehrerer Parameter festgelegt, die in exklusiven Kontrollregionen gemessen werden. Die Anzahl der beobachteten Ereignisse stimmt mit den Erwartungen aus dem Standardmodell überein, und die Ergebnisse werden verwendet, um untere Grenzen für die Massen supersymmetrischer Teilchen in zwei vereinfachten SUSY Modellen mit Gluino-Paarproduktion festzulegen. Im ersten Modell, in dem jedes Gluino in ein Top-Antitop-Paar und ein Neutralino zerfällt, werden Gluinomassen bis zu 2.25 TeV bei einem Konfidenzniveau von 95\% ausgeschlossen. Das zweite Modell betrachtet einen Dreikörperzerfall zu einem leichten Quark-Antiquark-Paar und einem Chargino, das anschließend zu einem W-Boson und einem Neutralino zerfällt. In diesem Modell sind Gluinos bis zu 2.3 TeV ausgeschlossen. Die Detektorstudien wurden durchgeführt, um die Fähigkeit des HO zur Unterstützung des Myonsystems nachzuweisen und zu quantifizieren. Diese Studien basieren auf Daten, die vom CMS-Detektor im Jahr 2017 gesammelt wurden. Das HO Kalorimeter kann das Myonsystem in vielen verschiedenen Bereichen unterstützen, insbesondere durch die Bereitstellung von Informationen für den Level-1-Trigger. Die Möglichkeiten des HO die erste Myon-Station im Falle eines Fehlers zu ersetzen wurde untersucht. Darüber hinaus wird gezeigt, dass das HO die Spalten zwischen den Detektorringen abdecken kann, von denen bekannt ist, dass sie Ineffizienzen im Myondetektor verursachen. Eine zusätzliche Studie zeigt, dass das HO auch wichtige Informationen liefern kann, um falsch identifizierte Myonen mit hohem Transversalimpuls zu unterdrücken. Darüber hinaus werden die Upgrade-Arbeiten für die Ausleseelektronik dokumentiert. Die alte VME-basierte Backend-Elektronik wurde durch eine moderne $\mu$TCA-basierte Elektronik ersetzt.

This thesis presents work for the Compact Muon Solenoid (CMS) experiment at the Large Hadron Collider (LHC). The two main subjects are a search for Dark Matter events in final states with one lepton within two supersymmetry (SUSY) models and studies on the performance of the Hadron Outer (HO) calorimeter as a support for the muon system and the muon trigger. In this thesis, results are presented from a search for supersymmetry in events with a single electron or muon and hadronic jets. The data correspond to a sample of proton-proton collisions at $\sqrt{s} = 13$ TeV with an integrated luminosity of 137 $fb^{-1}$, recorded in 2016, 2017, and 2018 by the CMS experiment. SUSY is one of the most predictive theories for new physics and contains a broad variety of potential new particles. Exclusive search regions are defined with the help of a multi-class Deep Neural Network (DNN) classifier specifically developed for this analysis. This multi-class network is used as a data-driven background estimator. The main Standard Model backgrounds are fixed in this approach using several rate parameters which are measured in exclusive control regions. The numbers of observed events are consistent with the expectations from Standard Model processes and the results are used to set lower limits on supersymmetric particle masses in the context of two simplified models of gluino pair production. In the first model, where each gluino decays to a top quark-antiquark pair and a neutralino, gluino masses up to 2.25 TeV are excluded at 95\% Confidence Level (CL). The second model considers a three-body decay to a light quark-antiquark pair and a chargino, which subsequently decays to a W boson and a neutralino. In this model, gluinos are excluded up to 2.3 TeV. Detector studies were performed to demonstrate and to quantify the ability of the HO to support the muon system. These studies are based on data collected by the CMS detector in 2017. The HO can support the muon system in many different aspects, especially by providing information for the Level-1 trigger. The ability of the HO to replace the first muon station in case of failure was studied. Furthermore, it is shown that the HO can cover the wheel gaps that are known to be a source of inefficiency in the muon detector. An additional study demonstrates that the HO can also provide vital information to reject misidentified muons with high transverse momentum. In addition to these studies, this thesis documents the performed upgrade work for the HO backend electronics. Old VME-based backend electronics were replaced with modern $\mu$TCA-based electronics.

OpenAccess:
PDF
(additional files)