Applicazione di tecniche di Machine Learning allo studio del decadimento H→μμ nel canale VBF con CMS

Il decadimento del bosone di Higgs in coppie di muoni (H→μμ) rappresenta un canale raro ma di grande importanza per la verifica sperimentale del Modello Standard, poiché consente di testare direttamente l’accoppiamento di Yukawa con i leptoni di seconda generazione. L’esperimento CMS al Large Hadron Collider ha ottenuto la prima evidenza di questo processo con una significatività di circa tre deviazioni standard utilizzando i dati del Run 2, mentre le proiezioni per il Run 3 indicano un possibile incremento fino a circa 4,7 deviazioni standard. In questo contesto, il presente lavoro si concentra sul canale di produzione del bosone di Higgs tramite Vector Boson Fusion (VBF), caratterizzato da una topologia di eventi distintiva che favorisce una migliore separazione tra segnale e fondo. Viene esplorato l’impiego di tecniche di Machine Learning per ottimizzare la discriminazione del segnale, migliorando così la sensibilità complessiva dell’analisi nel canale H→μμ. I risultati contribuiscono a un test più preciso delle previsioni del Modello Standard e offrono strumenti innovativi per future analisi di precisione nell’ambito della fisica del bosone di Higgs.