Search for Beyond Standard Model neutral Higgs boson in the μμ channel with the CMS detector at LHC with a multivariate approach

Il lavoro descritto in questa tesi riguarda l’uso di tecniche di analisi multivariata applicate alla ricerca dei bosoni di Higgs neutri, previsti da teorie che estendono il Modello Standard, prodotti in associazione ad una coppia di quark b, che decadono in due muoni. Lo studio è stato svolto sui campioni Monte Carlo che riproducono le condizioni di presa dati del 2016 dell’esperimento CMS durante le collisioni protoneprotone di LHC a √s = 13 TeV. Sono state esaminate sette ipotesi di massa del suddetto segnale nell’intervallo di massa tra 140 e 1000 GeV. Sono stati utilizzati due diversi modelli di machine learning, Boosted Decision Trees (BDT) e Artificial Neural Networks, seguendo due diversi tipi di training, uno fatto su un campione inclusivo, l’altro fatto su due categorie indipendenti a partire dal campione inclusivo. Le prestazioni dei modelli esaminati sono state valutate in termini di significatività statistica. I risultati sono stati messi a confronto con quelli ottenuti da un’analisi simile pubblicata da CMS basata su tagli di selezione. L’uso di tecniche di analisi multivariata si è rivelato in generale migliore nella discriminazione segnale fondo. In particolare il modello BDT con training per categorie ha raggiunto il miglior risultato in termini di significatività in tutte le ipotesi di massa studiate.