Documentos de Académico
Documentos de Profesional
Documentos de Cultura
on en la Identificaci
on de Electrones en la
regi
on Forward del detector ATLAS
Reporte Final
Camilo A. Rojas P.
Resumen
El detector ATLAS del LHC, donde se hacen colisionar dos haces de protones a altas energas, tiene
una regi
on llamada Forward; que se encuentra en los laterales y cercano al haz de protones donde la
configuraci
on para la detecci
on es diferente a la parte central del detector en la cual no se ha podido
obtener una alta eficiencia en la identificacion de los electrones, por lo cual, se realizo una optimizaci
on sobre la eficiencia en la identificacion de electrones sobre esta region del detector, de manera que
realizando una serie de cortes sobre las variables que permiten identificar los electrones en esta regi
on
se puede mejorar la eficiencia en la identificacion. Algunas de estas variables dependen del n
umero de
colisiones que ocurren por evento y pueden afectar la eficiencia medida. Los resultados mostraron una
mejor eficiencia en la identificaci
on en particular para los datos simulados, mientras que para los datos
del detector en el 2015, se debe mejorar la seleccion de electrones usados para medir la eficiencia.
Palabras Claves: Electrones forward, n
umero de vertices primarios (npv), Eficiencia de identificaci
on,
ATLAS, LHC.
1.
Introducci
on
Esencialmente ATLAS tiene un detector interno que logra interactuar con partculas cargadas, registrando as la traza de la particular desde el punto de colision (vertice primario), despues la partcula
dispersada pasa por un calormetro electromagnetico (EMC), donde electrones, positrones y fotones depositan su energa, mientras que las partculas hadronicas lo hacen en un calormetro hadronico posterior
(HC), los muones son detectados en la parte mas externa con un espectrometro muonico y el sistema
magnetico permite curvar la trayectoria de partculas cargadas. Se pueden considerar dos regiones principales de detecci
on en ATLAS; una regi
on central que corresponde a || < 2,5 y una region Forward , que
corresponde a las tapas del detector y cubre 2,5 < || < 4,9 1 . Esta region forward difiere esencialmente de
la parte central, en que no tiene un detector interno que permita asociar una traza a la energa depositada
*
1
carojaspac.cern@gmail.com
es la pseudorapidez, una coordenada espacial que se relaciona con el a
ngulo de dispersi
on, como = ln(tan /2)
INTRODUCCION
en los calormetros [2]. Por otro lado la resolucion de los calormetros en la region forward es mucho
menor comparado con los calormetros centrales lo cual plantea una gran dificultad en la identificaci
on
de electrones en esta regi
on del detector. Una descripcion mas detallada del funcionamiento del detector
se presenta en la referencia [2].
La region forward del detector tambien se divide en dos partes; un calormetro electromagnetico
(EMEC) en la regi
on 2,5 < || < 3,16 y un calormetro forward mas interno (FCal) que cubre la regi
on
3,1 < || < 4,9, donde la energa y densidad de partculas es muy alto. Este calormetro ayuda considerablemente en la reconstrucci
on de la energa transversal faltante ET y la identificacion y medicion de jets
(partculas hadr
onicas) dispersados en la region forward [3].
En el proyecto se planteo realizar estudios que permitieran optimizar la eficiencia en la detecci
on
de electrones dispersados en la regi
on Forward (electrones forward; angulos bajos de dispersi
on;
2.
ELECTRONES FORWARD
Electrones Forward
2.1.
Variables de identificaci
on para la regi
on forward
A diferencia de las variables de identificacion en la region central donde se usan variables que esencialmente dependen de la energa depositada y la calidad de la traza asociada, en la region forward la
identificacion de electrones se debe a la diferencia en la forma del deposito de energa en el calormetro
(shower shape), donde los dep
ositos electromagneticos usualmente son mas compactos, empiezan antes
y presentan una densidad de energa mayor y dado que no hay traza no se puede hacer distinci
on entre
electrones y fotones. Para cada celda del calormetro se pueden obtener 7 parametros de identificaci
on.
Las variables se definen en base al promedio aritmetico del CaloCluster : [4]
hxn i =
1
Enorm
Ei xni ,
(1)
{i|Ei >0}
ri = | ( ~xi ~c ) ~s |
i = ( ~xi ~c ) ~s
donde; ri , es la distancia de la celda i-esima (~xi ) desde el eje del deposito (~s) (distancia lateral), y i ,
la distancia de la celda i-esima desde el centro del deposito (~c) a lo largo del eje del deposito (distancia
longitudinal), como se muestra en la figura 1.
SecondR - hr2 i
ELECTRONES FORWARD
SecondLambda - h2 i
longitudinal.
CenterLambda - center
del detector sobre el eje.
FracMax - fmax
- Se define como la distancia del centro del deposito desde la parte frontal
Density - = E/V
Long =
2.2.
lat2
,
lat2 + latmax
long2
,
long2 + longmax
M
etodo de Tag & Probe
Para hacer el c
alculo de la eficiencia se necesita una muestra que contenga electrones en todo el rango
de , en especial en la regi
on forward para el presente estudio. Esta muestra debe estar relativamente
limpia de ruido en el caso de usar una muestra de datos; para lograr esto, se debe usar un metodo que
genere una muestra de electrones, como el metodo de Tag & Probe. Este metodo basicamente usa un
canal de decaimiento que genere un par electron - positron y reconstruye la masa invariante dielectrica a
partir de su momentum transversal, por lo cual se pueden usar los canales de decaimiento; J/P si ee+
o Z ee+ , este u
ltimo se us
o para el proyecto.
De todo los eventos se selecciona un candidato a electron que sea detectado en la region central y con
algunos criterios de identificaci
on, al cual se le asocia un segundo electron que se usa para la medida de
la eficiencia, en este caso en la regi
on forward, adicional a otros parametros de identificacion. El primero
se considera el electr
on Tag y el segundo, el electron Probe (de prueba), juntos deben reconstruir la
masa invariante dielectrica del Z (Mee ). Cada combinacion posible de electrones tipo Tag y tipo Probe en
un mismo evento debe ser considerado. De esta manera, el par seleccionado tiene una alta probabilidad
de ser realmente un par de electrones de un decaimiento Z [7].
Los criterios de selecci
on durante el proyecto para el metodo de Tag & Probe en el marco de los
electrones forward fueron:
Al menos un vertice primario con al menos 3 trazas
Electrones candidatos con PT > 20 GeV,
4
DE LA IDENTIFICACION
OPTIMIZACION
Electrones tipo Tag con; PT > 20 GeV, || < 2,47, identificacion con corte Tight
Electrones Tag en la regi
on crack (1,37 < || < 1,52) se excluyen
Electrones tipo Probe con: PT > 25 GeV, and || region forward
Masa invariante dielectrica: 66 < Mee < 116 GeV
3.
Optimizaci
on de la Identificaci
on
DE LA IDENTIFICACION
OPTIMIZACION
3.1.
Optimizaci
on MC14
Los eventos en las muestras de MonteCarlo fueron simuladas con ParticleGenerator y Pythia8. Las
muestras que se utilizaron para la optimizacion son datos a 13 TeV con electrones en la region forward
para la se
nal y jets (partculas hadr
onicas) para el ruido, con una configuracion asimetrica sobre la coordenada cilndrica phi (). Se tom
o esta configuracion dado que al analizar la eficiencia de identificaci
on
con las distintas configuraciones, no presentaban gran diferencia entre ellas.
Figura 3: Distribuci
on del pileup; (a, izquierda) 4 intervalos, (b, derecha) 5 intervalos
DE LA IDENTIFICACION
OPTIMIZACION
DE LA IDENTIFICACION
OPTIMIZACION
Figura 6: Relaci
on se
nal a ruido tras la optimizacion en mc14 con 4 intervalos en el pileup (a, izquierda)
y 5 intervalos en el pileup (b, derecha)
DE LA IDENTIFICACION
OPTIMIZACION
Figura 8: Gr
afica 2D de densidad de entradas, para cada una de las variables de identificaci
on
Otro analisis que puede afectar los resultados en la eficiencia de la identificacion es la dependencia
con el pileup de variables de identificaci
on adicional a las dos variables que se optimizaron. Se hizo un
grafico 2D que muestra la densidad de entradas en funcion del valor de la variable y el n
umero de verti9
DE LA IDENTIFICACION
OPTIMIZACION
ces primarios, para as ajustar a un perfil linear. Los resultados que se muestran en las graficas (8.a-f),
corresponden a la regi
on de FCal, aplicando la identificacion Tight.
En las graficas de correlaci
on se hizo el ajuste lineal de perfil entre 6 y 22 npv, y tomando la relaci
on
porcentual entre la pendiente y el rango total de la variable se observa que las variables con mayor
dependencia en el pileup son Lateral, Longitudinal y SecondLambda.
3.2.
Optimizaci
on data 2015 y MC15
Para el caso de datos 2015 tambien se uso la metodologa de Tag & Probe, tomando los electrones tipo
Probe en la regi
on forward, sin embargo en este caso se usaron las mismas muestras para modelar tanto
la se
nal como el ruido haciendo una ventana en la reconstruccion de la masa invariante de manera que
la se
nal se ajusta a los eventos que reconstruyen la masa invariante del Z entre 80 y 100 MeV y el resto
para modelar el ruido. Los par
ametros de seleccion son los mismos que se indicaron en la seccion 2.2, con
diferencia en la reconstrucci
on de la masa invariante dielectrica para la se
nal y para el ruido:
selecci
on - se
nal: Masa invariante: 80 < Mee < 100 GeV.
selecci
on inversa - ruido: Masa invariante: Mee < 80 GeV || 100 GeV < Mee .
Para el caso de los datos simulados, solo se tomo muestras de MC15 de se
nal, dado que no se pudo
obtener una muestra apropiada de MC15 que modelara el ruido. Las muestras utilizadas corresponden a
13 TeV:
Al igual que en el caso de las muestras de MC14 tambien existe una division en 4 intervalos sobre
la distribucion del pileup como se muestra en la grafica (9.a). Tambien se presenta una propuesta para
cubrir la distribuci
on del n
umero de vertices primarios con 5 intervalos, como se muestra en la grafica (9.b).
Figura 9: Distribuci
on del pileup para la muestra de datos 2015 ; (a, izquierda) 4 intervalos y (b, derecha)
5 intervalos
La eficiencia global en la identificaci
on sobre las muestras de datos, tras la optimizacion es mucho mas
10
DE LA IDENTIFICACION
OPTIMIZACION
baja en comparaci
on con las obtenidas para las muestras de MC14, esto se debe a que las muestras de
datos no logran modelar la se
nal de manera clara y limpia de ruido, como se observa en la distribuci
on
de las variables de identificaci
on Lateral y Longitudinal. En la grafica se puede observar que a
un la distribucion sigue contaminada con ruido (graficas 10.a-d).
11
DE LA IDENTIFICACION
OPTIMIZACION
Figura 12: Eficiencia de la identificacion tras la optimizacion en datos 2015 sobre MC15
12
4.
CONCLUSIONES
Conclusiones
Como resultado de la optimizaci
on se obtuvieron cortes en las variables Lateral y Longitudinal que
permiten tener una mejor relaci
on de se
nal a ruido en comparacion con los cortes usados en 2012.
La eficiencia obtenida para las muestras de datos 2015 muestran una considerable subida con respecto a la identificaci
on antes de la optimizacion, sin embargo es posible que se deba mas a la selecci
on
para la se
nal y el ruido que a la optimizacion
Para el caso de los datos simulados MC14 la eficiencia se ve afectada en gran medida por los cortes en
Lateral, sin importar si estan o no optimizados, de manera que se debe revisar como se implementa
esta variable en el codigo de selecci
on.
Se debe considerar hacer una optimizacion considerando las demas variables de identificaci
on, en
particular SecondLambda que tiene gran dependencia con el pileup, como se mostro en la secci
on 3.1.
en las graficas de correlaci
on. Adicional a esto se debe considerar usar otros metodos de optimizaci
on
en TMVA.
Para mejorar la eficiencia en la identificacion sobre los datos 2015 se debe poder modelar de manera
muy precisa el ruido para poder ajustarlo a los datos y restarlo en su totalidad de la se
nal de manera
que se obtenga una mejor optimizacion.
13
REFERENCIAS
Referencias
[1] Measurement of the forward-backward asymmetry of Z/ bosons decaying into electron and muon
pairs with the ATLAS detector at s = 7 TeV. Technical Report ATLAS-CONF-2013-043, CERN,
Geneva, Apr 2013.
[2] The ATLAS Collaboration. The atlas experiment at the cern large hadron collider. Journal of
Instrumentation, 3(08):S08003, 2008.
[3] Dag Gillberg and the ATLAS Liquid Argon Calorimeter Group. Performance of the atlas forward
calorimeters in first lhc data. Journal of Physics: Conference Series, 293(1):012041, 2011.
[4] Sven Menke. Calo cluster moments, June 2012.
[5] H. Pernegger. The pixel detector of the atlas experiment for lhc run-2. Journal of Instrumentation,
10(06):C06012, 2015.
[6] Frederik Tegenfeldt. TMVA - Toolkit for multivariate data analysis with ROOT. PHYSTAT-LHC
2007. Jun 2007.
[7] C Zimmermann. Optimized electron identification with the forward calorimeters of the ATLAS detector for the 2012 data. Technical Report ATL-COM-PHYS-2013-1589, CERN, Geneva, Dec 2013.
14
ANEXOS
A.
15