• Boson
• CMS
• Fusion
• Higgs
• LHC
• Network
• Neural
• Vector

Il Modello Standard (MS) è la teoria quantistica dei campi che fino ad oggi è riuscita a spiegare nel miglior modo possibile la fenomenologia delle interazioni fondamentali e ad identificare i suoi costituenti elementari, soprattutto grazie alle conferme degli esperimenti di Fisica delle Alte Energie. Il risultato del MS è una formulazione teorica di tre delle quattro forze fondamentali: la forza elettromagnetica, quella debole e quella forte. L'interazione gravitazionale risulta essere trascurabile a livello particellare e non viene descritta dal modello.
All'interno del MS riveste particolare importanza la presenza del bosone di Higgs: tale particella risulta come conseguenza della rottura spontanea della simmetria elettrodebole, che, tramite il meccanismo di Higgs, assegna massa alle particelle.
Scopo di questo lavoro di tesi è stato quello di studiare presso l'esperimento CMS (Compact Muon Solenoid) a LHC (Large Hadron Collider) il processo di produzione Vector Boson Fusion (VBF) del bosone di Higgs con successivo decadimento in quarks bb.
I recenti risultati prodotti da LHC mostrano un eccesso di eventi rispetto a quelli attesi dal fondo attorno a un valore di massa del bosone di Higgs di 125 GeV/c^2. Risulta quindi molto importante lo studio del canale di produzione VBF la cui sezione d'urto in un intervallo di massa 115 GeV/c^2 < M_H < 130 GeV/c^2 è la seconda in ordine di grandezza tra i processi di produzione del bosone di Higgs (1.6 pb). Inoltre, il decadimento H -> bb in quell'intervallo di massa ha un elevato branching ratio, circa il 60%.
Uno dei maggiori svantaggi del processo di produzione VBF è che gli eventi di background (composto prevalentemente da eventi di QCD) sono diversi ordini di grandezza superiori rispetto agli eventi di segnale. Per questa ragione, l'analisi della produzione del bosone di Higgs tramite VBF non è fino ad ora stata sviluppata agli esperimenti LHC nel canale di decadimento H ->bb.
Per un analisi di questo tipo i tagli lineari non sono sufficienti e diventa necessario ricorrere alla MultiVariate Analysis (MVA): questo strumento consente di sfruttare correlazioni non lineari tra variabili diverse per separare gli eventi di segnale da quelli di fondo in un dato campione.
In questo lavoro di tesi si è studiato, tramite l'uso della MVA, quali possano essere i risultati potenziali dell'analisi del processo VBF. Dapprima si mostra come l'applicazione di tagli lineari appositamente scelti non è in grado di evidenziare eccessi di eventi rispetto al fondo. Successivamente, si sfrutta la MVA per cercare nuove variabili discriminanti: analizzando gli eventi con due diversi metodi, il Boost Decision Tree (BDT) e la MultiLayer Perceptron (MLP), si ottiene un classificatore y per ogni metodo usato, in base al quale si può sapere quanto ciascun evento può essere considerato segnale o quanto può essere considerato background. La MVA indica anche il valore ottimale y^{cut} a cui applicare il taglio per poter separare al meglio il segnale dal background; il valore di $y^{cut}$ è il valore ottenuto ottimizzando la significatività S/\sqrt{S+B}.
In questa analisi sono state studiate le prestazione della MVA utilizzando diversi insiemi di informazioni iniziali e, in seguito, sono stati analizzati gli effetti dell'applicazione dei tagli sui classificatori.