Description

Déterminer la nature de la matière noire (MN) constitue l’un des défis majeurs de la physique contemporaine. De nombreux modèles théoriques prédisent l’existence de particules légères et faiblement interagissantes pouvant jouer le rôle de médiateurs entre le Modèle Standard et la matière noire. Parmi elles figurent les particules de type axion (ALP), susceptibles de se coupler aux gluons et aux photons. Produites dans les collisions proton-proton, elles pourraient apparaître sous forme de résonances étroites se désintégrant en paires de photons. Ce canal bénéficie des excellentes performances du calorimètre électromagnétique à argon liquide (LAr) d’ATLAS.

Les expériences ATLAS, CMS et LHCb ont mené des recherches de résonances en diphoton sur une large gamme de masses, au-dessus et en dessous de celle du boson de Higgs. En 2023, ATLAS a étendu pour la première fois cette recherche jusqu’à 10 GeV en exploitant 138 fb⁻¹ de données du Run-2 à 13 TeV, en ciblant les paires de photons boostées. En 2025, CMS a présenté un résultat préliminaire basé sur 58 fb⁻¹, tandis que LHCb a exploré la région vers l’avant jusqu’à 4,9 GeV. Aucune déviation significative du Modèle Standard n’a été observée. Pour ATLAS, la sensibilité était principalement limitée par les seuils des déclencheurs du Run-2 et par une efficacité réduite pour l’identification des photons de basse énergie.

Cette thèse vise à améliorer significativement la sensibilité à la recherche d’ALP dans le canal diphoton durant le Run-3, en surmontant ces limitations. Elle exploitera les conditions de prise de données de la Phase-I du LHC, qui devrait porter l’ensemble des données ATLAS à plus de 500 fb⁻¹ d’ici 2026. Le projet repose sur des techniques innovantes d’apprentissage automatique pour optimiser la reconstruction et la sélection de diphotons fortement collimatés. Les critères actuels d’identification des photons, entraînés sur des photons isolés, ne sont pas adaptés aux paires très proches dont les signatures se chevauchent. Une thèse soutenue en 2025 au LPNHE a démontré qu’une approche fondée sur le ML améliore nettement l’identification des diphotons, et donc la sensibilité aux résonances étroites, en particulier à très basse masse.

L’équipe ATLAS du LPNHE possède une expertise reconnue en calorimétrie électromagnétique depuis la conception du calorimètre LAr. Elle a contribué à la découverte du boson de Higgs dans le canal diphoton et dirigé plusieurs analyses impliquant des photons, notamment des recherches de matière noire produite en association avec un boson de Higgs et des recherches de nouvelles résonances en diphoton. Elle participe également à un projet ANR consacré aux signatures de matière noire au LHC.

Le groupe est fortement engagé dans les développements pour le HL-LHC (Phase-II), en particulier le trajectographe à pixels ITk et le détecteur de temps HGTD à grande pseudorapidité. En collaboration avec le cluster brésilien d’ATLAS, il développe de nouvelles chaînes de déclenchement électron/photon basées sur des réseaux de neurones pour la Phase-II.

La thèse inclura enfin une contribution aux activités de jouvence d’ATLAS et au développement d’une chaîne de déclenchement dédiée aux diphotons de basse masse et fortement collimatés, reposant sur des algorithmes de ML optimisés pour les conditions du HL-LHC, afin de maximiser la sensibilité aux signaux potentiels d’ALP.

Compétences requises

Un Master en physique, spécialisé en physique des hautes énergies expérimentales. Expérience de formation. par la recherche (stages en laboratoire).

Bibliographie

ATLAS Collaboration, Georges Aad et al, JHEP 07 (2023) 155 (arXiv:2211.04172)

Mots clés

Physique des hautes énergies expérimentale, Physique expérimentale des particules au LHC, Physique au-delà du Modèle Standard, Machine Learning