{"id":17082,"date":"2026-08-26T09:37:59","date_gmt":"2026-08-26T07:37:59","guid":{"rendered":"https:\/\/www.proefschriftmaken.nl\/portfolio\/elizaveta-cherepanova\/"},"modified":"2026-08-26T09:38:10","modified_gmt":"2026-08-26T07:38:10","slug":"elizaveta-cherepanova","status":"publish","type":"us_portfolio","link":"https:\/\/www.proefschriftmaken.nl\/en\/portfolio\/elizaveta-cherepanova\/","title":{"rendered":"Elizaveta Cherepanova"},"content":{"rendered":"","protected":true},"excerpt":{"rendered":"","protected":true},"author":8,"featured_media":17083,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"us_portfolio_category":[45],"class_list":["post-17082","us_portfolio","type-us_portfolio","status-publish","post-password-required","hentry","us_portfolio_category-new-template"],"acf":{"main_text":"","naam_van_het_proefschift":"FOLLOWING THE DIBOSON TRAIL","samenvatting":"IS HET STANDAARDMODEL \u2018HET MODEL\u2019?\n\nIedereen heeft zich wel eens afgevraagd: waar is alles van gemaakt? Deze vraag werd eeuwen geleden gesteld en wordt vandaag de dag nog steeds gesteld. Door beter te kijken naar de wereld om ons heen, hebben we ontdekt dat alles is gemaakt van atomen, die op hun beurt weer zijn gemaakt van elektronen en atoomkernen. De atoomkernen zijn gemaakt van protonen en neutronen, die zelf weer zijn gemaakt van quarks. We hebben ook ontdekt dat deze deeltjes interacties hebben via fundamentele krachten: elektromagnetisme, de zwakke kernkracht en de sterke kernkracht. Deze krachten worden overgedragen door andere deeltjes, die bosonen worden genoemd. Het higgsboson onderscheidt zich als een bijzonder deeltje, dat verantwoordelijk is voor het geven van massa aan de elementaire deeltjes, met uitzondering van neutrino\u2019s. Onze kennis van deze deeltjes en hun interacties wordt wiskundig beschreven door het standaardmodel (SM) van de deeltjesfysica, dat tot op heden de meest complete en nauwkeurige beschrijving van de microscopische wereld biedt. Figuur S.1 toont de deeltjes van het SM en hun eigenschappen.\n\nMaar is het SM het definitieve antwoord op onze vraag? Het SM ontstond in de jaren 70 uit decennia van theoretisch en experimenteel werk, en het is met succes getest en bevestigd door vele experimentele resultaten. De ontdekking van het higgsboson in 2012 markeerde de voltooiing van het SM-deeltjesspectrum. Toch blijven er verschillende open vragen bestaan. Waarom is er zoveel meer materie dan antimaterie in het heelal? Wat zijn donkere materie en donkere energie? Waarom hebben neutrino\u2019s massa, en waarom zijn ze zo licht? Hoe kan zwaartekracht, de enige fundamentele kracht die niet door het SM wordt beschreven, worden ingepast? Zolang deze vragen onbeantwoord blijven, zet de deeltjesfysicagemeenschap haar zoektocht voort om ze te beantwoorden.\n\nOP ZOEK NAAR ANTWOORDEN\n\nDeze vragen kunnen worden benaderd met twee complementaire methoden. De eerste is directe zoektochten naar nieuwe natuurkunde voorbij het standaardmodel (BSM). In de meeste gevallen voorspellen BSM-theorie\u00ebn het bestaan van nieuwe zware deeltjes waarnaar gezocht kan worden in data verzameld door deeltjesfysica-experimenten. De tweede methode richt zich op nauwkeurigere metingen van de SM-parameters, zoals deeltjesmassa\u2019s, werkzame doorsneden of koppelingssterktes. Nauwkeurige metingen kunnen kleine afwijkingen van de SM-voorspellingen onthullen, wat mogelijk richtingen voor verdere verkenning aangeeft.\n\nTerwijl de eerste methode modelafhankelijk is en zich richt op het direct zoeken naar resonanties \u2013 oftewel pieken in de data die veroorzaakt worden door de aanwezigheid van nieuwe zware deeltjes (Figuur S.2, links) \u2013 biedt het Effective Field Theory (EFT)-raamwerk een meer modelonafhankelijke manier om precisiemetingen te interpreteren, waardoor indirecte zoektochten naar nieuwe natuurkunde mogelijk worden (Figuur S.2, rechts). Met het EFT-raamwerk kunnen we zoeken naar kleine afwijkingen van SM-voorspellingen in de staarten van kinematische verdelingen zonder een specifiek BSM-model aan te nemen. In de deeltjesfysica komen deze staarten overeen met het maximale energiebereik dat momenteel toegankelijk is bij de Large Hadron Collider (LHC), de krachtigste deeltjesversneller ooit gebouwd.\n\nDE BENODIGDE MIDDELEN\n\nDe meeste deeltjes hebben een zeer korte levensduur en vervallen bijna onmiddellijk in andere deeltjes. Ze zijn ook extreem klein, waardoor directe observatie onmogelijk is. Om ze te bestuderen, moeten we ze cre\u00ebren in een gecontroleerde omgeving en hun vervalproducten detecteren. De LHC en de ATLAS-detector bij CERN bieden de middelen om precies dat te doen.\n\nDe LHC versnelt protonen of zware ionen tot zeer hoge energie\u00ebn en laat ze met elkaar botsen, waardoor een overvloed aan deeltjes ontstaat, waaronder die voorspeld door het SM en mogelijk nieuwe. De uitkomst van elke botsing wordt een gebeurtenis genoemd. De ATLAS-detector is een grote, complexe machine die het botsingspunt omringt en de deeltjes detecteert die in botsingen worden geproduceerd, als een gigantische camera. Het bestaat uit verschillende lagen subdetectoren, elk ontworpen om specifieke kenmerken te identificeren en te meten die voortkomen uit de interactie van deeltjes met het detectormateriaal.\n\nBij het zoeken naar een specifiek deeltje moeten we weten hoe het vervalt en welke kenmerken het achterlaat in de detector. Bijvoorbeeld, het W-boson kan vervallen in een geladen lepton en een neutrino, of in een paar quarks. Elk van deze eindtoestanden produceert een duidelijk kenmerk in de detector. Een geladen lepton laat een spoor achter in de inner detector en deponeert energie in de calorimeters, terwijl het neutrino ongedetecteerd ontsnapt, maar zijn aanwezigheid kan worden afgeleid uit de onbalans van de transversale impuls in de gebeurtenis. Quarks daarentegen hadroniseren en produceren sprays van deeltjes die jets worden genoemd, die ook energie deponeren in de calorimeters. Door deze kenmerken te reconstrueren, kunnen we de deeltjes identificeren die in de botsing zijn geproduceerd en hun eigenschappen bestuderen.\n\nFYSICA-ANALYSE IN ATLAS\n\nHet doel van elke fysica-analyse is het selecteren van gebeurtenissen die waarschijnlijk het signaal van interesse bevatten, terwijl achtergrondgebeurtenissen die dit kunnen nabootsen worden onderdrukt. Dit wordt gedaan door een reeks selectiecriteria toe te passen die specifieke analyseregio\u2019s defini\u00ebren. Signaalregio\u2019s zijn ontworpen om verrijkt te zijn met signaalgebeurtenissen, waarbij gebruik wordt gemaakt van de verwachte kinematische eigenschappen van het signaal. Controleregio\u2019s zijn verrijkt met specifieke achtergrondbijdragen en worden gebruikt om onzekerheden in de achtergrondmodellering te beperken.\n\nOm de invloed van vooroordelen te voorkomen, wordt de analyse in ATLAS op een geblindeerde manier uitgevoerd, wat betekent dat de data in de signaalregio\u2019s niet worden onderzocht totdat de analysestrategie is afgerond en alle noodzakelijke controles zijn voltooid. Om de verwachte resultaten te berekenen, wordt een Asimov-dataset gebruikt, een gesimuleerde dataset die de verwachte signaal- en achtergrondbijdragen bevat. Dit maakt het mogelijk om de statistische analyse uit te voeren en de verwachte gevoeligheid te evalueren zonder naar de data in de signaalregio\u2019s te kijken.\n\nDe kern van de statistische analyse is een likelihood-fit die de gesimuleerde voorspellingen voor signaal en achtergrond vergelijkt met de (Asimov-)data. De fit bepaalt een betrouwbaarheidsinterval \u2013 een bereik van waarden dat, bij herhaalde experimenten, de werkelijke waarde van een parameter van belang, zoals de hieronder besproken signaalsterkte, zou bevatten met een vooraf gedefinieerde waarschijnlijkheid (bijv. 68% of 95%). Deze waarschijnlijkheid staat bekend als het betrouwbaarheidsniveau.\n\nEen belangrijk onderdeel van elke fysica-analyse is de behandeling van onzekerheden. Ze worden verdeeld in twee categorie\u00ebn. Statistische onzekerheden ontstaan door het beperkte aantal gebeurtenissen in de data of simulatie. Systeemonzekerheden zijn afkomstig van onvolmaakte kennis van de detector, de fysicamodellen of de simulatie; bijvoorbeeld in energiekalibraties, identificatie-effici\u00ebnties of achtergrondmodellering. Beide typen worden in de likelihood-fit opgenomen als verstoringsparameters, waardoor hun impact kan worden beperkt door de data in de analyseregio\u2019s.\n\nHET DIBOSONSPOOR VOLGEND\n\nDe analyse die in deze thesis wordt gepresenteerd, richt zich op dibosontoestanden, oftewel paren van SM-bosonen. Specifiek worden VV- of Vh-paren beschouwd, waarbij V ofwel een W\u00b1- of Z0-boson is en h het SM-higgsboson aanduidt. Veel BSM-theorie\u00ebn die de open vragen van het SM adresseren, voorspellen ook het bestaan van nieuwe zware resonanties die vervallen in VV\/Vh-paren, wat de zoektocht naar dergelijke kenmerken bijzonder interessant maakt. Bovendien kunnen VV-eindtoestanden direct worden geproduceerd in proton-protonbotsingen en worden ze goed beschreven door het SM. Nauwkeurige metingen van deze processen zouden afwijkingen van SM-voorspellingen kunnen onthullen, wat waardevolle inzichten oplevert in de onderliggende fysica. Het Standard Model Effective Field Theory (SMEFT)-raamwerk wordt ook gebruikt om indirecte zoektochten uit te voeren. De VV\/Vh semileptonische analyse combineert dus de twee hierboven besproken benaderingen: de resonantiezoektocht en de precisiemeting. De analyse wordt uitgevoerd met behulp van de volledige Run 2-dataset verzameld door de ATLAS-detector, die overeenkomt met een ge\u00efntegreerde luminositeit van 140 fb\u22121 bij een center-of-mass-energie van 13 TeV.\n\nDit werk richt zich specifiek op semileptonische eindtoestanden, waarbij \u00e9\u00e9n boson (V) vervalt in een paar leptonen en het andere (V of h) vervalt in een paar quarks. Deze vervallen bieden een goede balans tussen signaalopbrengst en achtergrond, waardoor ze een optimale keuze zijn voor zowel de resonantiezoektocht als de meting van SM-dibosonproductie. Deze semileptonische eindtoestanden zijn de primaire doelen van de VV\/Vh semileptonische analyseselectie. Figuur S.3 toont een X \u2192 Wh \u2192 \u00b5\u03bdbb kandidaatgebeurtenis in de ATLAS-detector.\n\nNaast deze signaaldoelen wordt een uitgebreide set vereisten opgesteld om het signaal van achtergrondprocessen te scheiden. Het ontwerpen en optimaliseren van de gereconstrueerde kenmerken (of fysica-objecten) en de gebeurtenisselectie behoren tot de belangrijkste uitdagingen van elke fysica-analyse, inclusief deze. De analysestrategie wordt gedeeld tussen het resonantie- en het meetgedeelte. Gebeurtenissen worden gecategoriseerd in drie leptonische kanalen op basis van het aantal geladen leptonen in de eindtoestand: 0-lepton, 1-lepton en 2-lepton. Twee types controle-regio\u2019s worden gedefinieerd om de dominante achtergronden te beperken: massa sideband-controleregio\u2019s voor de V+jets-achtergrond en top-controleregio\u2019s voor top-quarkachtergronden. In totaal gebruikt het resonantiezoektochtgedeelte van de VV\/Vh semileptonische analyse 64 signaalregio\u2019s en 54 controleregio\u2019s. Voor het meetgedeelte worden regio\u2019s met beperkte gevoeligheid uitgesloten of samengevoegd, wat resulteert in 3 signaalregio\u2019s en 4 controleregio\u2019s.\n\nRESULTATEN\n\nDe VV\/Vh semileptonische analyse blijft geblindeerd op het moment van schrijven van deze thesis. Alle resultaten die hier worden gepresenteerd, zijn verkregen met behulp van een conditionele Asimov-dataset die informatie over de data in de controleregio\u2019s verwerkt na het uitvoeren van de controleregio\u2019s-only-fit.\n\nZoektocht naar nieuwe BSM-resonanties die vervallen in dibosonen\n\nHet resonantiezoektochtgedeelte wordt uitgevoerd in het dibosonmassagebied van 300 GeV tot 5 TeV. Resultaten worden ge\u00efnterpreteerd in de context van verschillende BSM-theorie\u00ebn: het Heavy Vector Triplet (HVT)-model, het bulk Randall-Sundrum (RS)-model en het Two-Higgs-Doublet Model (2HDM). Een gebinde likelihood-fit wordt uitgevoerd op de conditionele Asimov-dataset in twee fitconfiguraties, afhankelijk van het signaalbenchmark. Beide configuraties omvatten een selectie van signaalregio\u2019s en alle controleregio\u2019s. Uit de fit worden verwachte bovengrenzen met 95% betrouwbaarheidsniveau verkregen op de productiewerkzame doorsnede van nieuwe resonanties, waaronder HVT W'- en Z'-bosonen, het bulk RS-radion en -graviton, en het 2HDM-pseudoscalaire A-boson. Figuur S.4 toont de verwachte bovengrenzen op de productiewerkzame doorsnede van de HVT Z' \u2192 WW in twee productiemodi: Drell-Yan (DY) en vectorbosonfusie (VBF).\n\nBovengrenzen zijn de standaardmanier om resonantiezoekresultaten te presenteren; ze defini\u00ebren het uitsluitingsgebied: voor een gegeven massa worden werkzame doorsneden boven de verwachte limiet uitgesloten met 95% betrouwbaarheidsniveau. Het doel is om deze limieten zo laag mogelijk te krijgen, waardoor een groter deel van de BSM-parameterruimte wordt uitgesloten. De figuur toont ook de theoretische voorspellingen voor de werkzame doorsnede van HVT Z'-productie in drie verschillende HVT-modellen. HVT-modellen A en B worden geproduceerd via het DY-proces, waarbij model A voornamelijk vervalt naar quarks en leptonen, en model B naar SM-ijkbosonen. Model C richt zich op de VBF-productiemodus. Door de verwachte limieten met deze voorspellingen te vergelijken, kan de verwachte massa-uitsluitingslimiet worden bepaald. Bijvoorbeeld, in de DY-productiemodus ligt de verwachte massa-uitsluitingslimiet voor de HVT Z' rond 3.0 TeV voor model A en rond 3.3 TeV voor model B (zie Figuur S.4, links). In de VBF-productiemodus ligt de theoretische voorspelling onder de verwachte limiet voor het gehele massagebied, en kan dus geen massa-uitsluitingslimiet worden gesteld (zie Figuur S.4, rechts).\n\nResultaten worden alleen als limieten gepresenteerd als er geen significante overmaat aan gebeurtenissen in de data wordt waargenomen. Een overmaat zou wijzen op een discrepantie tussen data en SM-voorspellingen, wat mogelijk kan duiden op nieuwe fysica. Omdat de analyse nog geblindeerd is, kunnen nog geen conclusies worden getrokken over de aanwezigheid van een overmaat. Niettemin geven de verwachte resultaten belangrijke informatie over de gevoeligheid van de analyse voor nieuwe resonanties.\n\nMeting van SM VV-productie en SMEFT-interpretatie\n\nHet meetgedeelte van de analyse richt zich op de SM VV-productie en gebruikt een aangepaste analysestrategie vergeleken met de resonantiezoektocht. Er worden minder analyseregio\u2019s gebruikt: sommige worden uitgesloten omdat ze niet bijdragen aan de meetgevoeligheid, en andere worden samengevoegd om de statistische kracht te vergroten. Twee configuraties van de dominante V+jets-achtergrondschatting worden bestudeerd: \u00e9\u00e9n met behulp van een simulatiegestuurde Monte Carlo (MC)-schatting, en de andere met behulp van een datagestuurde Gaussian Process Regression (GPR)-methode. Een likelihood-fit wordt uitgevoerd op de conditionele Asimov-dataset in beide configuraties, en de verwachte signaalsterkte wordt verkregen. De signaalsterkte \u00b5 is gedefinieerd als de verhouding van de gemeten werkzame doorsnede tot de SM-voorspelling; \u00b5 = 1 geeft perfecte overeenstemming met het SM aan. Omdat de analyse nog geblindeerd is, wordt de verwachte signaalsterkte verkregen uit de Asimov-dataset en is deze gelijk aan 1, aangezien de Asimov-dataset is geconstrueerd uitgaande van de SM. De verwachte onzekerheid op \u00b5 geeft echter een maat voor de verwachte precisie van de meting. De verwachte signaalsterktes in de twee fitconfiguraties zijn:\n\n\u00b5_MC_VV = 1.00 +0.35 -0.32, \u00b5_GPR_VV = 1.00 +0.17 -0.16. (S.1)\n\nFiguur S.5 toont de verwachte signaalsterkte \u00b5_VV en de bijbehorende onzekerheid (totaal, statistisch en systematisch) voor elk leptonisch kanaal afzonderlijk en gecombineerd. De totale onzekerheid wordt gedomineerd door de systematiek in beide fitconfiguraties, maar de fit met GPR V+jets bereikt bijna de helft van de onzekerheid van de MC-gebaseerde fit. Deze verbetering komt doordat de GPR-methode een nauwkeurigere schatting geeft van de dominante V+jets-achtergrond.\n\nDe verwachte signaalsterkte kan worden vertaald naar de verwachte SM VV-productiewerkzame doorsnede door deze te vermenigvuldigen met de SM-voorspelling voor de werkzame doorsnede. De verwachte SM VV-productiewerkzame doorsnede in de twee fitconfiguraties is dus:\n\n\u03c3_MC_VV = 194 +68 -62 pb, \u03c3_GPR_VV = 194 +33 -31 pb, (S.2)\n\nwat overeenkomt met verwachte significanties van het signaal boven de achtergrondhypothese van ongeveer 3 standaarddeviaties (MC V+jets) en 7 standaarddeviaties (GPR V+jets).\n\nDe meetresultaten worden ook ge\u00efnterpreteerd in het SMEFT-raamwerk. Dit raamwerk parametriseert de effecten van nieuwe fysica op een modelonafhankelijke manier door hoger-dimensionale operatoren te introduceren die de interacties van de SM-deeltjes modificeren. De interpretatie wordt uitgevoerd door de effecten van de dimensie-6 OW-operator in de likelihood-fit op te nemen en het betrouwbaarheidsinterval voor de bijbehorende Wilson-co\u00ebffici\u00ebnt cW te bepalen. De OW-operator modificeert de triple gauge-bosonkoppelingen, die direct worden onderzocht in VV-productie. De fit beschouwt alleen de pure EFT-bijdrage, kwadratisch in cW, omdat de interferentiebijdrage (lineair in cW) sterk onderdrukt is in de VV-productie. Het verwachte 68% betrouwbaarheidsinterval voor cW is cW \u2208 [\u22120.05, 0.05] in zowel MC- als GPR-fitconfiguraties, wat aangeeft dat de keuze van de V+jets-achtergrondschatting geen invloed heeft op de verwachte gevoeligheid voor SMEFT-effecten in de VV-productie.\n\nDe resultaten van het resonantiezoektochtgedeelte van de VV\/Vh semileptonische analyse zullen naar verwachting competitieve limieten stellen op de werkzame doorsnede van de productie van nieuwe resonanties die vervallen in VV\/Vh-paren, waarmee de parameterruimte wordt ingeperkt van BSM-theorie\u00ebn die dergelijke resonanties voorspellen. Het meetgedeelte toont een verbetering in precisie voor SM VV-productie in vergelijking met eerdere ATLAS-metingen in semileptonische eindtoestanden. De verwachte onzekerheid op cW is vergelijkbaar met die gerapporteerd in wereldwijde EFT-combinaties door de ATLAS- en CMS-samenwerkingen. De definitieve resultaten van de VV\/Vh semileptonische analyse zullen in de nabije toekomst worden ontblind, en ze zullen waardevolle inzichten verschaffen in de aard van het SM en mogelijke nieuwe fysica voorbij het SM.\n\nVOORUITKIJKEND\n\nVooruitkijkend opent de VV\/Vh semileptonische analyse die in deze thesis wordt gepresenteerd verschillende veelbelovende onderzoeksrichtingen. De belangrijkste vooruitgang op de korte termijn zal komen van de grotere dataset die in de komende jaren wordt verwacht. Nu LHC Run 3 zijn voltooiing nadert en de High-Luminosity LHC gepland staat voor het komende decennium, zal de aanzienlijke toename in botsingen het mogelijk maken om zoektochten naar nieuwe zware deeltjes tot hogere massa\u2019s uit te breiden en de nauwkeurigheid van precisiemetingen van processen in het standaardmodel te vergroten. Dit is met name belangrijk voor het onderzoeken van de hoogenergetische regio\u2019s die het meest gevoelig zijn voor mogelijke nieuwe fysica-extra-effecten, waaronder die geparametriseerd door de Wilson-co\u00ebffici\u00ebnt cW binnen het SMEFT-raamwerk.\n\nNaast het simpelweg verzamelen van meer data, kunnen verschillende methodologische verbeteringen toekomstige analyses aanzienlijk versterken. Recente vooruitgang in machine learning binnen ATLAS biedt mogelijkheden om gebeurtenisclassificatie en achtergrondonderdrukking te verbeteren, waarmee verder wordt gegaan dan de grotendeels op sneden gebaseerde aanpak die hier is gebruikt, in de richting van meer geavanceerde multivariate technieken. Het opnemen van informatie over de polarisatie van de vectorbosonen die in deze gebeurtenissen worden geproduceerd \u2013 een richting die niet is onderzocht in het huidige werk \u2013 zou ook de gevoeligheid voor verschillende theoretische modellen kunnen vergroten, aangezien verschillende nieuwe fysica-scenario\u2019s verschillende polarisatiefracties voorspellen. Tot slot zou de theoretische interpretatie op verschillende manieren kunnen worden uitgebreid: door interferentie-effecten op te nemen die momenteel niet toegankelijk zijn, door hogerdimensionale operatoren te beschouwen voorbij de leidende dimensie-6-bijdragen binnen het SMEFT-raamwerk, en door de simulatie van dominante achtergrondprocessen te verbeteren. Samen zouden deze ontwikkelingen een meer omvattende verkenning van de elektrozwakke sector mogelijk maken, wat mogelijk subtiele effecten zou kunnen onthullen die de huidige analyse nog niet kan bereiken.","summary":"IS THE STANDARD MODEL \u2018THE MODEL\u2019?\n\nAt least once, everyone has wondered: what is everything made of? This question was asked centuries ago and is still asked today. By looking more closely at the world around us, we have discovered that everything is made of atoms, which in turn are made of electrons and nuclei. The nuclei are made of protons and neutrons, which themselves are made of quarks. We have also discovered that these particles interact through fundamental forces \u2013 electromagnetic, weak, and strong forces \u2013 which are mediated by other particles called bosons. The Higgs boson stands out as a special particle, responsible for giving mass to the elementary particles apart from the neutrinos. Our knowledge of these particles and their interactions is mathematically described by the Standard Model (SM) of particle physics, which provides the most complete and accurate description of the microscopic world to date. Figure S.1 shows the particles of the SM and their properties.\n\nBut is the SM the final answer to our question? The SM emerged in the 1970s from decades of theoretical and experimental work, and it has been successfully tested and confirmed by many experimental results. The discovery of the Higgs boson in 2012 marked the completion of the SM particle spectrum. Yet, several open questions remain. Why is there so much more matter than antimatter in the Universe? What are dark matter and dark energy? Why do neutrinos have mass, and why are they so light? How can gravity, the only fundamental force not described by the SM, be incorporated? While these questions remain unanswered, the particle physics community continues its quest to address them.\n\nLOOKING FOR ANSWERS\n\nThese questions can be addressed with two complementary approaches. The first is direct searches for new physics beyond the Standard Model (BSM). In most cases, BSM theories predict the existence of new heavy particles that can be searched for in data collected by particle physics experiments. The second approach focuses on more precise measurements of the SM parameters, such as particle masses, cross sections, or coupling strengths. Precise measurements can reveal small deviations from the SM predictions, potentially pointing toward directions for further exploration.\n\nWhile the first approach is model-dependent and involves searching directly for resonances, or spikes in the data caused by the presence of new heavy particles (Figure S.2, left), the Effective Field Theory (EFT) framework provides a more model-independent way to interpret precision measurements, enabling indirect searches for new physics (Figure S.2, right). With the EFT framework, we can search for small deviations from SM predictions in the tails of kinematic distributions without assuming a specific BSM model. In particle physics, these tails correspond to the maximum energy currently accessible at the Large Hadron Collider (LHC), the most powerful particle accelerator ever built.\n\nTHE TOOLS REQUIRED\n\nMost particles have very short lifetimes and decay into other particles almost immediately. They are also extremely small, making direct observation impossible. To study them, we must create them in a controlled environment and detect their decay products. The LHC and the ATLAS detector at CERN provide the tools to do exactly that.\n\nThe LHC accelerates protons or heavy ions to very high energies and collides them, producing an abundance of particles, including those predicted by the SM and possibly new ones. The outcome of each collision is referred to as an event. The ATLAS detector is a large, complex machine that surrounds the collision point and detects the particles produced in collisions, like a giant camera. It consists of several layers of subdetectors, each designed to identify and measure specific signatures resulting from particle interactions with the detector material.\n\nWhen searching for a particular particle, we need to know how it decays and what signatures it leaves in the detector. For example, the W boson can decay into a charged lepton and a neutrino, or into a pair of quarks. Each of these final states produces a distinct signature in the detector. A charged lepton leaves a track in the inner detector and deposits energy in the calorimeters, while the neutrino escapes undetected, but its presence can be inferred from the imbalance of the transverse momentum in the event. Quarks, on the other hand, hadronize and produce sprays of particles called jets, which also deposit energy in the calorimeters. By reconstructing these signatures, we can identify the particles produced in the collision and study their properties.\n\nPHYSICS ANALYSIS IN ATLAS\n\nThe goal of any physics analysis is to select events that are likely to contain the signal of interest while suppressing background events that can mimic it. This is done by applying a series of selection criteria that define specific analysis regions. Signal regions are designed to be enriched in signal events, exploiting the expected kinematic properties of the signal. Control regions are enriched in specific background contributions and are used to constrain the background modeling.\n\nTo avoid introducing biases, the analysis in ATLAS is performed in a blinded manner, meaning that the data in the signal regions are not examined until the analysis strategy is finalized and all the necessary checks are completed. To obtain the expected results, an Asimov dataset is used, which is a simulated dataset containing the expected signal and background contributions. This allows the statistical analysis to be performed and the expected sensitivity to be evaluated without looking at the data in the signal regions.\n\nThe core of the statistical analysis is a likelihood fit that compares the simulated predictions for signal and background to the (Asimov) data. The fit determines a confidence interval - a range of values that, under repeated experiments, would contain the true value of a parameter of interest, such as the signal strength discussed below, with a predefined probability (e.g., 68% or 95%). This probability is known as the confidence level.\n\nAn important component of any physics analysis is the treatment of uncertainties. They are divided into two categories. Statistical uncertainties arise from the limited number of events in the data or simulation. Systematic uncertainties originate from imperfect knowledge of the detector, the physics models, or the simulation; for example, in energy calibrations, identification efficiencies, or background modeling. Both types are incorporated into the likelihood fit as nuisance parameters, allowing their impact to be constrained by the data in the analysis regions.\n\nFOLLOWING THE DIBOSON TRAIL\n\nThe analysis presented in this thesis focuses on diboson states, or pairs of SM bosons. Specifically, it considers VV or Vh pairs, where V is either W\u00b1 or Z0 boson and h denotes the SM Higgs boson. Many BSM theories that address the open questions of the SM also predict the existence of new heavy resonances decaying into VV\/Vh pairs, making the search for such signatures particularly compelling. Additionally, VV final states can be directly produced in proton-proton collisions and are well-described by the SM. Precise measurements of these processes could reveal discrepancies with SM predictions, providing valuable insights into the underlying physics. The Standard Model Effective Field Theory (SMEFT) framework is also used to perform indirect searches. Thus, the VV\/Vh semileptonic analysis combines the two approaches discussed above: the resonance search and the precision measurement. The analysis is performed using the full Run 2 dataset collected by the ATLAS detector, which corresponds to an integrated luminosity of 140 fb\u22121 at a center-of-mass energy of 13 TeV.\n\nThis work focuses specifically on semileptonic final states, where one boson (V) decays into a pair of leptons and the other (V or h) decays into a pair of quarks. These decays provide a good balance between signal yield and background contamination, making them an optimal choice for both the resonance search and the measurement of SM diboson production. These semileptonic final states are the primary targets of the VV\/Vh semileptonic analysis selection. Figure S.3 shows a X \u2192 Wh \u2192 \u00b5\u03bdbb candidate event in the ATLAS detector.\n\nIn addition to these signal targets, a comprehensive set of requirements is established to separate the signal from background processes. Designing and optimizing the reconstructed signatures (or physics objects) and the event selection are among the key challenges of any physics analysis, including this one. The analysis strategy is shared between the resonance and the measurement parts. Events are categorized into three leptonic channels based on the number of charged leptons in the final state: 0-lepton, 1-lepton, and 2-lepton. Two types of control regions are defined to constrain the dominant backgrounds: mass-sideband control regions for the V+jets background and top control regions for top-quark backgrounds. In total, the resonance search part of the VV\/Vh semileptonic analysis uses 64 signal regions and 54 control regions. For the measurement part, regions with limited sensitivity are excluded or merged, resulting in 3 signal regions and 4 control regions.\n\nRESULTS\n\nThe VV\/Vh semileptonic analysis remains blinded at the time of writing of this thesis. All results presented here are obtained using a conditional Asimov dataset that incorporates information about data in the control regions after performing the control regions-only fit.\n\nSearch for new BSM resonances decaying into dibosons\n\nThe resonance search part is performed in the diboson mass range from 300 GeV to 5 TeV. Results are interpreted in the context of several BSM theories: the Heavy Vector Triplet (HVT) model, the bulk Randall-Sundrum (RS) model, and the Two-Higgs-Doublet Model (2HDM). A binned likelihood fit is performed to the conditional Asimov dataset in two fit configurations, depending on the signal benchmark. Both configurations include a selection of signal regions and all control regions. From the fit, expected upper limits at 95% confidence level are obtained on the production cross section of new resonances, including HVT W' and Z' bosons, the bulk RS radion and graviton, and the 2HDM pseudoscalar A boson. Figure S.4 shows the expected upper limits on the production cross section of the HVT Z' \u2192 WW in two production modes: Drell-Yan (DY) and vector boson fusion (VBF).\n\nUpper limits are the standard way to present resonance search results; they define the exclusion region: for a given mass, cross sections above the expected limit are excluded at 95% confidence level. The goal is to push these limits as low as possible, thereby excluding more of the BSM parameter space. The figure also shows the theoretical predictions for the HVT Z' production cross section in three different HVT models. HVT models A and B are produced via the DY process, with model A decaying mainly to quarks and leptons, and model B to SM gauge bosons. Model C targets the VBF production mode. Comparing the expected limits with these predictions allows the expected mass exclusion limit to be determined. For example, in the DY production mode, the expected mass exclusion limit for the HVT Z' is around 3.0 TeV for model A and around 3.3 TeV for model B (see Figure S.4, left). In the VBF production mode, the theoretical prediction lies below the expected limit for the whole mass range, and thus no mass exclusion limit can be set (see Figure S.4, right).\n\nResults are presented as limits only if no significant excess of events is observed in the data. An excess would indicate a discrepancy between data and SM predictions, potentially hinting at new physics. Since the analysis remains blinded, conclusions about the presence of an excess cannot yet be drawn. Nevertheless, the expected results provide important information about the analysis sensitivity to new resonances.\n\nMeasurement of SM VV production and SMEFT interpretation\n\nThe measurement part of the analysis focuses on the SM VV production and uses an adjusted analysis strategy compared to the resonance search. Fewer analysis regions are used: some are excluded because they do not contribute to the measurement sensitivity, and others are merged to increase statistical power. Two configurations of the dominant V+jets background estimate are studied: one using a simulation-driven Monte Carlo (MC) estimate, and the other using a data-driven Gaussian Process Regression (GPR) method. A likelihood fit is performed to the conditional Asimov dataset in both configurations, and the expected signal strength is obtained. The signal strength \u00b5 is defined as the ratio of the measured cross section to the SM prediction; \u00b5 = 1 indicates perfect agreement with the SM. Because the analysis is still blinded, the expected signal strength is obtained from the Asimov dataset and equals 1, as the Asimov dataset was constructed assuming the SM. However, the expected uncertainty on \u00b5 provides a measure of the expected precision of the measurement. The expected signal strengths in the two fit configurations are:\n\n\u00b5_MC_VV = 1.00 +0.35 -0.32, \u00b5_GPR_VV = 1.00 +0.17 -0.16. (S.1)\n\nFigure S.5 shows the expected signal strength \u00b5_VV and its uncertainty (total, statistical, and systematic) for each leptonic channel individually and combined. The total uncertainty is dominated by the systematics in both fit configurations, but the fit using GPR V+jets achieves nearly half the uncertainty of the MC-based fit. This improvement arises because the GPR method provides a more precise estimate of the dominant V+jets background.\n\nThe expected signal strength can be translated into the expected SM VV production cross section by multiplying it by the SM prediction for the cross section. Thus, the expected SM VV production cross section in the two fit configurations are:\n\n\u03c3_MC_VV = 194 +68 -62 pb, \u03c3_GPR_VV = 194 +33 -31 pb, (S.2)\n\ncorresponding to expected significances of the signal above the background-only hypothesis of approximately 3 standard deviations (MC V+jets) and 7 standard deviations (GPR V+jets).\n\nThe measurement results are also interpreted in the SMEFT framework. This framework parametrizes the effects of new physics in a model-independent way by introducing higher-dimensional operators that modify the interactions of the SM particles. The interpretation is performed by including the effects of the dimension-6 OW operator in the likelihood fit and determining the confidence interval for the corresponding Wilson coefficient cW. The OW operator modifies the triple gauge boson couplings, which are directly probed in VV production. The fit considers only the pure EFT contribution, quadratic in cW, because the interference contribution (linear in cW) is highly suppressed in VV production. The expected 68% confidence level interval for cW is cW \u2208 [\u22120.05, 0.05] in both MC and GPR fit configurations, indicating that the choice of the V+jets background estimate does not affect the expected sensitivity to SMEFT effects in the VV production.\n\nThe results of the resonance search part of the VV\/Vh semileptonic analysis are expected to set competitive limits on the production cross section of new resonances decaying into VV\/Vh pairs, thereby constraining the parameter space of BSM theories that predict such resonances. The measurement part demonstrates an improvement in precision for SM VV production compared to previous ATLAS measurements in semileptonic final states. The expected uncertainty on cW is comparable to those reported in global EFT combinations by the ATLAS and CMS collaborations. The final results of the VV\/Vh semileptonic analysis will be unblinded in the near future, and they will provide valuable insights into the nature of the SM and possible new physics beyond it.\n\nLOOKING FORWARD\n\nLooking to the future, the VV\/Vh semileptonic analysis presented in this thesis opens up several promising research directions. The most significant near-term advancement will come from the larger dataset expected in the coming years. With LHC Run 3 nearing completion and the High-Luminosity LHC scheduled for the next decade, the substantial increase in collision events with allow searches for new heavy particles to reach higher masses and increase the accuracy of precision measurements of SM processes. This is particularly important for probing the high-energy regions most sensitive to potential new physics effects, including those parametrized by the Wilson coefficient cW within the SMEFT framework.\n\nBeyond simply collecting more data, several methodological improvements could significantly enhance future analyses. Recent advances in machine learning across ATLAS offer opportunities to improve event classification and background suppression, moving beyond the largely cut-based approach used here toward more sophisticated multivariate techniques. Incorporating information about the polarization of the vector bosons produced in these events, a direction not explored in the current work, could also increase sensitivity to different theoretical models, as various new physics scenarios predict different polarization fractions. Finally, the theoretical interpretation could be expanded in several ways: by including interference effects that are currently not accessible, by considering higher-dimensional operators beyond the leading dimension-6 contributions within the SMEFT framework, and by improving the simulation of dominant background processes. Together, these developments would provide a more comprehensive probe of the electroweak sector, potentially revealing subtle effects that the current analysis cannot yet access.","auteur":"Elizaveta Cherepanova","auteur_slug":"elizaveta-cherepanova","publicatiedatum":"2 oktober 2026","taal":"EN","url_flipbook":"https:\/\/ebook.proefschriftmaken.nl\/ebook\/elizavetacherepanova?iframe=true","url_download_pdf":"https:\/\/ebook.proefschriftmaken.nl\/download\/8da00c4e-47dd-4ef2-a3b6-e30903f192dd\/highres","url_epub":"","ordernummer":"19467","isbn":"978-94-6534-592-5","doi_nummer":"","naam_universiteit":"Universiteit van Amsterdam","afbeeldingen":17084,"video_url":"","podcast_url":"","naam_student:":"","binnenwerk":"","universiteit":"Universiteit van Amsterdam","cover":"","afwerking":"","cover_afwerking":"","design":""},"_links":{"self":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/17082","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio"}],"about":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/types\/us_portfolio"}],"author":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/comments?post=17082"}],"version-history":[{"count":1,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/17082\/revisions"}],"predecessor-version":[{"id":17085,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/17082\/revisions\/17085"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media\/17083"}],"wp:attachment":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media?parent=17082"}],"wp:term":[{"taxonomy":"us_portfolio_category","embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio_category?post=17082"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}