593 articles – 2606 Notices  [english version]
HAL : tel-00740781, version 1

Fiche concise  Récupérer au format
Vers une première mesure du rapport de branchement $B^(0)_((s)) \to\mu^+ \mu^-$ avec le détecteur LHCb au LHC
Adrover Pacheco C.
Thèses. Aix-Marseille Université (10/09/2012), Giampiero Mancinelli (Dir.)
[oai:tel.archives-ouvertes.fr:tel-00740781] - http://tel.archives-ouvertes.fr/tel-00740781
Vers une première mesure du rapport de branchement $B^{0}_{(s)} \to\mu^+ \mu^-$ avec le détecteur LHCb au LHC
Cosme Adrover Pacheco ()1
1 :  CPPM - Centre de Physique des Particules de Marseille
http://marwww.in2p3.fr/
CNRS : UMR7346 – IN2P3 – Université de la Méditerranée - Aix-Marseille II
163, avenue de Luminy - Case 902 - 13288 Marseille cedex 09
France
LHCb
Towards the first B(B0 (s)→ μ+μ−) measurements with the LHCb detector
Thèses
10/09/2012
Les désintégrations rares $B^{0}_{s} \to \mu^+ \mu^-$ et $B^{0} \to \mu^+ \mu^-$ sont des canaux de référence pour contraindre les modèles au-delà du Modèle Standard avec secteur de Higgs étendu. Dans le Modèle Standard, le rapport d' embranchement de ces désintégrations est prédit avec une bonne précision: $\mathcal{B}(B^{0}_{(s)} \to \mu^+ \mu^-) = (3.2 \pm 0.2) \times 10^{-9}$ et $\mathcal{B}(B^{0} \to \mu^+ \mu^-) = (0.10 \pm 0.01) \times 10^{-10}$. Tout écart par rapport à ces valeurs peut donner des indications sur une nouvelle physique. Le cœur de cette thèse, basée sur l'analyse des données prises par l'experience LHCb en 2011, comporte deux thèmes principaux: le rejet du bruit de fond et l'extraction du signal. Nous avons optimisé un classificateur multivariée basé sur les arbres de décision boostés permettant une réduction drastique du bruit de fond de $B \to h^+ h'^-$ ($h \equiv \pi, K$). Après la sélection, environ 76$\%$ du bruit de fond combinatoire de $B^{0}_{s} \to \mu^+ \mu^-$ est éliminé, tout en conservant une efficacité sur le signal de l'ordre de 92$\%$. Une autre discrimination entre le signal et le fond est réalisé avec un autre classificateur multivarié optimisé pour avoir un grand rejet du bruit de fond dans la région de faible efficacité en signal. Le travail présenté dans cette thèse décrit l'optimisation d'un des arbres de décision boostés qui supprime 99.9$\%$ du bruit, après le processus de sélection ci-dessus, pour une efficacité de signal de 50$\%$. Nous avons proposé une méthode pour estimer les signaux présents dans notre échantillon de données en utilisant un ajustement de la fonction de vraisemblance. La validation de l'ajustement avec simulation reflète la bonne estimation des incertitudes statistiques et les incertitudes systématiques ont été soigneusement étudiés et prises en compte dans les résultats finaux pour l'échantillon de données de 2011: $\mathcal{B}(B^{0}_{s} \rightarrow \mu^+\mu^-) = (1.4 \left(^{+1.6}_{-1.1} \right)_{(stat)} \left(^{+0.5}_{-0.8} \right)_{(syst)} ) \times 10^{-9}$ et $\mathcal{B}(B^{0} \rightarrow \mu^+\mu^-) = (0.3 \left(^{+0.5}_{-0.4}\right)_{(stat)} \left(^{+0.5}_{-0.3}\right)_{(syst)}) \times 10^{-9}$. Etant donné l'absence de signal, les limites supérieures des rapports d'embranchement sont calculées: $\mathcal{B}(B^{0}_{(s)} \to \mu^+ \mu^-)<4,5 \times 10^{-9}$ et $\mathcal{B}(B^{0} \to \mu^ + \mu^-) <1,0 \times 10^{-10}$ á 95\% de niveau de confiance, qui sont les limites les plus restrictives jusqu'à ce jour.
The rare decays B0s→μ+μ− and B0→μ+μ− are benchmark channels to constrain models beyond the Standard Model (BSM) with a larger Higgs sector. In the SM, the branching fraction of these decays is predicted with a good accuracy: B(B0(s)→μ+μ−)=(3.2±0.2)×10−9 and B(B0→μ+μ−)=(0.10±0.01)×10−10. Any deviation from these values can lead to indications of physics BSM. The core of this thesis comprises two main topics: the background rejection and the signal yields extraction. We have optimized a multivariate classifier based on the boosted decision trees technique allowing for a drastic reduction of the B→h+h′− (h≡π,K) background. After the selection process, about 76% of the combinatorial background for B0s→μ+μ− is removed, while keeping a signal efficiency of about 92%. A further discrimination between signal and background is accomplished with another multivariate classifier optimized to have a large background rejection in the low signal efficiency region. The work presented in this thesis describes the optimization of a boosted decision trees classifier that suppresses 99.9% of the background, after the aforementioned selection process, for a signal efficiency of 50%. We have proposed a method to estimate the signal yields present in our data sample using an extended maximum likelihood fit. The validation of the fit using simulation reflects the proper estimation of the statistical uncertainties, and systematic uncertainties have been carefully studied and taken into account in the final results for the 2011 1 fb−1 data sample: B(B0s→μ+μ−)=(1.4(+1.6−1.1)(stat)(+0.5−0.8)(syst))×10−9 and B(B0→μ+μ−)=(0.3(+0.5−0.4)(stat)(+0.5−0.3)(syst))×10−9. Given the lack of signal evidence, upper limits on the branching fractions are computed: B(B0(s)→μ+μ−)<4.5×10−9 and B(B0→μ+μ−)<1.0×10−10, which are the most restrictive limits up to date.
Physique/Physique des Hautes Energies - Expérience
LHCb

Aix-Marseille Université
CERN-THESIS-2012-123
CPPM-T-2012-03
Anglais

Giampiero Mancinelli
mancinelli@cppm.in2p3.fr
Prof. Mossadek Talby (Président)
Dr. R. Le Gac (Co-Directeur)
Dr. G. Mancinelli (Directeur de thèse)
Dr. P. Robbe (Examinateur)
Dr. G. Lanfranchi (Rapporteur)
Dr. U. Langenegger (Rapporteur)

désintégrations rares – FCNC – au-delà du modèle standard – rapport de branchement – arbres de décision – physique des mésons beaux
rare decays ; FCNC ; beyond the standard model ; ratio branching ; physical mesons
PhD : Aix-Marseille U. : 2012-06-18
10/09/2012
Aix-Marseille Université
Giampiero Mancinelli
Prof. Mossadek Talby (Président)
Dr. R. Le Gac (Co-Directeur)
Dr. G. Mancinelli (Directeur de thèse)
Dr. P. Robbe (Examinateur)
Dr. G. Lanfranchi (Rapporteur)
Dr. U. Langenegger (Rapporteur)
Liste des fichiers attachés à ce document : 
PDF
Cosme_these-2.pdf(6.8 MB)