La présente thèse constitue le compte rendu de l'analyse menée auprès du détecteur ATLAS du LHC et concernant la recherche de processus de création résonante de nouvelles particules se désintégrant en une paire de quarks top. Elle s'articule principalement autour de la notion de jet de hadrons, dont l'identification et la reconstruction est un enjeu capital pour toute mesure essayant de signer l'apparition de quarks top lors de processus de collisions proton-proton. Après une mise en contexte portant sur une description générale des caractéristiques théoriques et expérimentales que présente la thématique de la détection de jets de hadrons dans le détecteur ATLAS, nous présentons une première tentative de validation de la méthode d'étalonnage hadronique local, dont le but est de corriger ces jets des imprécisions de mesure engendrées par le détecteur. Dans la deuxième partie du document figure l'analyse menée sur les 14~fb$^{-1}$ de données de collisions proton-proton à $sqrt{s} = 8$~TeV, récoltées lors de l'année 2012, à la recherche de l'apparition de processus de création résonante de nouvelle particules extit{lourdes} dans le spectre de masse invariante top-antitop. Pour des particules lourdes, les quarks tops produits lors de la désintégration de ces dernières possèdent une impulsion très grande par rapport à leur masse et la désintégration de tels quarks top conduit souvent à une topologie dans l'état final dite og boostée fg, où le quark top, s'il se désintègre de manière hadronique, est très souvent reconstruit comme un seul jet, de large paramètre de rayon. Le présent travail de thèse propose ainsi une étude préliminaire pour reconstruire et identifier le plus précisément possible ce type de signal, en se basant sur l'étude de la sous-structure des jets de hadrons. / This report presents the analysis conducted with the ATLAS experiment at the LHC and searching for resonnant production of new particles decaying into a pair of top quarks. Top quark reconstruction is mainly build upon the notion of hadronic jets, whose identification and reconstruction is a crucial issue for any measure trying to sign top quark decays from proton-proton collisions processes. After a general description of the theoretical and experimental features of jet reconstruction in the ATLAS detector, we present a first attempt to validate the local hadronic calibration method, which aim at correcting the measurement of these objects from inaccuracies caused by detector effects. In the second part, we present the analysis conducted on 14~fb$^{-1}$ of proton-proton collision data at $ sqrt{s}=$8~TeV collected during the year 2012 and searching for resonnant creation of new extit{heavy} particles in top-antitop invariant mass spectrum. For heavy particles, the quarks produced in the decay of the latter have a high impulsion with respect to their mass and those top quark decays often results in a so called og boosted fg topology, where the hadronically decaying top quark is often reconstructed as a single jet of large radius parameter. In this context, we present a preliminary study to reconstruct and identify as precisely as possible this type of boosted topologies, based on the study of jet substructure.

La présente thèse constitue le compte rendu de l'analyse menée auprès du détecteur ATLAS du LHC et concernant la recherche de processus de création résonante de nouvelles particules se désintégrant en une paire de quarks top. Elle s'articule principalement autour de la notion de jet de hadrons, dont l'identification et la reconstruction est un enjeu capital pour toute mesure essayant de signer l'apparition de quarks top lors de processus de collisions proton-proton. Après une mise en contexte portant sur une description générale des caractéristiques théoriques et expérimentales que présente la thématique de la détection de jets de hadrons dans le détecteur ATLAS, nous présentons une première tentative de validation de la méthode d'étalonnage hadronique local, dont le but est de corriger ces jets des imprécisions de mesure engendrées par le détecteur. Dans la deuxième partie du document figure l'analyse menée sur les 14~fb$^{-1}$ de données de collisions proton-proton à $sqrt{s} = 8$~TeV, récoltées lors de l'année 2012, à la recherche de l'apparition de processus de création résonante de nouvelle particules extit{lourdes} dans le spectre de masse invariante top-antitop. Pour des particules lourdes, les quarks tops produits lors de la désintégration de ces dernières possèdent une impulsion très grande par rapport à leur masse et la désintégration de tels quarks top conduit souvent à une topologie dans l'état final dite og boostée fg, où le quark top, s'il se désintègre de manière hadronique, est très souvent reconstruit comme un seul jet, de large paramètre de rayon. Le présent travail de thèse propose ainsi une étude préliminaire pour reconstruire et identifier le plus précisément possible ce type de signal, en se basant sur l'étude de la sous-structure des jets de hadrons.

Le modèle standard de la physique des particules, bien qu'étant une réussite incontestable n'explique toujours pas certaines observations, ce qui pourrais indiquer la présence d'une nouvelle physique. L'expérience ATLAS cherche à mettre en évidence ces nouveaux phénomènes en analysant les collisions de protons du LHC.Le prérequis pour toute analyse est d'avoir des données de bonne qualité. La première partie de cette thèse présente donc une étude sur les bouffées de bruit cohérent présentes dans les calorimètres à argon liquide d'ATLAS. Ce bruit a été traité pour garder un haut niveau de qualité des données.La deuxième partie de cette thèse se place dans le cadre de la recherche de nouvelle physique. Une résonance est cherchée dans le spectre en masse invariante des paires de quarks top. L'étude se concentre sur le cas des quarks top boostés se désintégrant de manière électronique. Cette topologie n'ayant jusqu'à présent pas été optimisée par la collaboration ATLAS, le travail de cette thèse a consisté à définir et développer une nouvelle méthode appelée "electron-in-jet removal" permettant d'améliorer la reconstruction des quarks top dans un tel régime.Cette méthode donne accès à des électrons qui auparavant étaient rejetés. Il faut donc mesurer les facteurs correctifs à appliquer pour corriger les imperfections de la simulation de ces électrons. Des mesures préliminaires de facteurs d'échelle d'identification sur les électrons se trouvant dans un jets ont ainsi été menées. Deux méthodes sont présentées ainsi qu'une réflexion sur les perspectives à apporter à ces mesures. / The standard model of particle physics is a very predictive theory, but it still fails to explain some observations and so leads to the idea of the existence of new physics. To discover it experimentally, the ATLAS collaboration analyses the proton-proton collisions provided by the LHC.Analyses need data of good quality. Hence, the first part of this document describes a work to characterize the coherent noise bursts observed in the liquid argon calorimeters of the ATLAS experiment. Such noise has been studied and cured to ensure a high level of data quality.The second part of this thesis takes place in the context of a new physics search using top quark pairs. This study is focused on the case where boosted top quarks decay electronically. The reconstruction of top quarks in such cases was never optimized by the ATLAS collaboration. Therefore this study has lead to the definition and implementation of a new method called "electron-in-jet removal" improving significantly the top quark reconstruction in such topologies.This new method gives access to electrons that were previously removed. The correction factor applied to correct the imperfections of the simulation should then be computed for those electrons. Some preliminary measurements have been performed for the cases where the electron is within a jet. Two methods are presented as well as thoughts about future implementations.

La physique des particules est une branche de la science qui est actuellement régie sous un ensemble de lois nommé le \textit{modèle standard} (MS). Il dicte notamment quelles particules existent et comment elles interagissent entre elles. Il permet de prédire toutes sortes de résultats qui sont constamment testés et confirmés par une multitude d'expériences, dont l'expérience ATLAS, au Grand Collisionneur de Hadrons (LHC). Toutefois, ce modèle hautement précis et juste ne peut décrire qu'environ 5\% de la matière de l'Univers et s'avère donc incomplet. Les scientifiques passent au peigne fin plusieurs études pour y retrouver de la nouvelle physique, mais en vain. \\ Les théoriciens ne sont pas en reste non plus, et ont concocté plusieurs théories pouvant être vues comme des extensions du modèle standard. Malheureusement, plus de dix ans après la découverte du boson de Higgs au LHC qui venait confirmer la théorie actuelle du MS, aucun signe de ces extensions n'a pu être trouvé. Nous proposons dans ce mémoire d'utiliser l'intelligence artificielle pour aider à trouver certains indices de nouvelle physique. \\ Pour ce faire, nous entraînerons des modèles d'apprentissage automatique \textit{(machine learning)} à reconnaître des signes de la nouvelle physique dans des données réelles ou simulées issues de collisions proton-proton au sein du détecteur ATLAS. Ce détecteur oeuvre au LHC, le plus grand collisionneur au monde, où nos données proviennent d'énergies de centre de masse de \mbox{13 TeV.} Nous utiliserons les quadrivecteurs des particules contenues dans les jets boostés à grand rayon, des amas collimatés de particules présents dans ATLAS, qui pourraient contenir cette fameuse nouvelle physique. Dans ce mémoire, nous tenterons entre autres de retrouver des signaux de quarks top ainsi que de particules hypothétiques issues d'un modèle avec un secteur étendu du boson de Higgs. \\ Actuellement, nos modèles sont capables de bien distinguer le signal du bruit de fond. Toutefois, les résultats sont corrélés à la masse des jets et toute tentative pour contrecarrer cette corrélation diminue de beaucoup la discrimination du signal et du bruit de fond. De plus, nous devrons améliorer le rejet du bruit de fond pour espérer retrouver de la nouvelle physique dans les données d'ATLAS. \\ \textbf{Mots-clés : physique des particules, LHC, Grand collisionneur de hadrons, ATLAS, CERN, intelligence artificielle, apprentissage automatique, réseau de neurones, auto-encodeur variationnel, anomalies, jet boosté, jet à grand rayon} / Particle physics is currently governed by a set of laws called the Standard Model. This model notably includes which particles exist and how they interact with one another. It also allows the prediction of many results which are constantly tested and confirmed by all kinds of experiments, like the ATLAS experiment at the Large Hadron Collider (LHC). However, this highly precise model can only describe 5\% of the Universe, so it is incomplete. Scientists across the globe analyzed all kinds of data to find new physics, but to no avail. \\ Theorists also aren't resting, and have concocted many new theories which can be seen as Standard Model extensions. Unfortunately, more than ten years after the discovery of the Higgs boson at LHC that confirmed the last bits of the Standard Model, no signs of these extensions have been found. In light of this, we propose to use artificial intelligence to help us find signs of new physics. \\ To perform this task, we will train machine learning models to recognize signs of new physics inside real or simulated data originating from proton-proton collisions in the ATLAS detector. This detector operates at LHC, the biggest particle collider in the world, where our data will come from center-of-mass energies of \mbox{13 TeV.} We will use four-vectors of particles contained within large radius and boosted jets, which are dense streams of particles present in ATLAS and where new physics might hide. In this dissertation, we will notably try to find signals of top quarks and hypothetical particles originating from a model with an extended Higgs boson sector. \\ Currently, our models are able to distinguish between signal and background noise. However, these results are heavily correlated to jet mass, and any attempt at diminishing this correlation yields worse discriminating power between signal and background. We will also need to improve the background rejection to hope find new physics in the ATLAS data. \\ \textbf{Keywords : particle physics, LHC, ATLAS, CERN, artificial intelligence, deep learning, neural network, variational autoencoder, anomaly, boosted jet, large radius jet}