Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
LHC-ATLAS実験における レプトン崩壊モードを用いた
𝜏粒子検出の評価
望月一也、金信弘、受川史彦、原和彦、塙慶太
筑波大学
数理物質科学研究科
日本物理学会秋季大会@弘前大学 9/17 Sat. 15:10JST- 15+5min
17pSD6
LHC-ATLAS実験
Higgs boson, BSM(SUSY, Extra dimension) Proton-proton collision 𝑠 = 7 (14) TeV 𝐿 = 3.1 × 1033(1.0 × 1034) 𝑠−1cm−2
2
目次
目的:τ lepton同定 I. 𝑊 → 𝜏𝜈での検証
1. 𝑊 → 𝜏𝜈をシグナルとして𝑊 → 𝜇𝜈との区別 2. 衝突径数𝑑0をカット変数とした同定
II. 𝑍 → 𝜏𝜏での検証 1. 𝑍 → 𝜏𝑒𝜏𝜇をシグナルとして他のBGとの区別 2. 多変量解析(現在進行中)による同定
Tau lepton •𝑚𝜏 = 1.777 GeV •Branching Ratio
1/6 → 𝜈𝜏 𝜈𝑒 𝑒 1/6 → 𝜈𝜏 𝜈𝜇 𝜇
2/3 → hadronic decay Life: c𝜏 = 87.11 𝜇m boost~2 mm (𝑝𝑇
𝜏 ~ 50 GeV)
目的: 𝜏のレプトン崩壊同定
Leptonic decay mode of tau:
検出の難しさから積極的に用いられていないが、MCを用いて同定方法を確立し、最終的には𝐻 → 𝜏𝜏の検出感度の向上を目標とする
3
𝑯 → 𝝉𝝉 → 𝑿𝑿 BR notes
ℎℎ 4/9 QCD BG dominant
𝑙ℎ 4/9 High stat, less BG than hh
𝑙𝑙 1/9 The most clean channel
W粒子を用いたτ粒子同定の評価
• 𝑊 → 𝜏𝜈 を用いてsingle τのレプトン崩壊同定を検証
• ATLAS検出器のフルシミュレーションを用いる
• シグナルMCに含まれる𝜏 は レプトン(𝑒, 𝜇)崩壊する
• 背景事象は𝑊 → 𝑒/𝜇 𝜈 と𝑏𝑏
• 分布は、積分ルミノシティ 1.0 fb-1 に規格化
Process #events Integrated L Generator
𝑊 → 𝜏𝜈 → 𝑙𝜈𝜈 (𝑙: 𝑒, 𝜇)
1.0M 112 pb-1 Pythia
𝑊 → 𝑒𝜈 1.0M 112 pb-1 Pythia
𝑊 → 𝜇𝜈 1.0M 112 pb-1 Pythia
𝑏𝑏 → 𝜇𝑋 20M 1.70 pb-1 Pythia
4
イベントセレクション 5
No Jet including μ cut 𝚫𝑹𝒎𝒊𝒏(𝝁, 𝒋𝒆𝒕)
Electron オブジェクトセレクション • 𝑝𝑇 > 20 GeV • 𝜂 < 2.47 except 1.32 < 𝜂 < 1.52 • アイソレーション • electronを含むJetがないこと
• 横質量: 𝑚𝑇(𝑒, 𝐸𝑇𝑚𝑖𝑠𝑠) < 60 GeV
Muon オブジェクトセレクション • 𝑝𝑇 > 15 GeV • 𝜂 < 2.5 • アイソレーション • muon を含んだJetがないこと • Δ𝑅 𝑙, 𝑗𝑒𝑡 > 0.4
• 横質量: 35 < 𝑚𝑇(𝜇, 𝐸𝑇𝑚𝑖𝑠𝑠) < 70 GeV
これらのオブジェクトのうち最も𝑝𝑇が高いものを採用
Cut flow for μ
衝突径数 𝒅𝟎
定義: 横平面内での飛跡と衝突点の最近接距離
raw 𝑑0
𝑑0 wrt 𝑉0
𝑑0 wrt biased 𝑉0
𝑑0 wrt unbiased 𝑉0
飛跡と検出器の中心Oの距離(赤)
𝜇粒子の飛跡と衝突点の距離を計算(青)
この衝突点は𝜇粒子の飛跡を用いて再構成されている
𝜇粒子の飛跡を用ず再構成された衝突点を計算
reduced な衝突点 (𝜇粒子の飛跡を用いずに再構成されたもの)
を再構成に用いられた飛跡の誤差と重みを用いて推測する
biased
unbiased 𝒅𝟎 significance を主要なカット変数として用いる
6
カット変数としての𝑑0
Electron チャンネル Muon チャンネル
CON • 信号効率が非常に悪い。
• エレクトロンチャンネルでの分離が良くない 何が原因か?
7 S/
B
S/B
PRO • mチャンネルはd0のカット値を上げることでS/Bが上昇
• 𝑑0以外のカットをかけた上で𝑑0をカット変数としてカットフローを作成 • これをもとにS/Bと信号効率をカット変数𝑑0の関数としてプロット
𝑒 と 𝜇の衝突係数分解能の相違
Muon チャンネル Electron チャンネル
𝑑0分解能
pT pT
8
e、μの分解能の違いは何が原因か?
電子の飛跡は物質や制動放射に影響される 分解能の悪さから本来見えているはずの𝑑0の差が見えない(右)
𝑍粒子を用いた𝜏粒子検出可能性の評価
• 𝑍 → 𝜏𝜏 → 𝜇𝜇4𝜈、𝑒𝜇4𝜈、𝑒𝑒4𝜈、ℎ𝜇3𝜈、ℎ𝑒3𝜈
• Signal: 𝑍 → 𝜏𝜏 → 𝑒𝜇
• BG: 𝑡𝑡 , 𝑏𝑏 , QCD dijet, diboson, W+jets, Z+jets
• 𝑑0をカット値として用いるとS/Bは向上するが、信号効率が低下
– 𝑑0を多変量解析(MVA)に用いる変数のひとつとして採用
• どの分類器(MLP、TMlpANN、BDT)を用いるか比較検討中
今回はMLP用いた結果
• 現在進行中…
9
イベントセレクション
それぞれのオブジェクトは各イベント中でのleading 𝑝𝑇のもの
10
leading 𝑒 に対する要求: • 𝑝𝑇 > 20 GeV • 𝜂 < 2.47 except 1.32 < 𝜂 < 1.52 • 飛跡検出器での 𝑒 の飛跡情報の存在
leading 𝜇 に対する要求 • 𝑝𝑇 > 10 GeV • 𝜂 < 2.5 • 飛跡検出器での 𝜇 の飛跡情報の存在
以下の条件を満たすイベントを選択
𝑸𝒆𝒑𝒓𝒆𝒔𝒆𝒍𝒆𝒄𝒕𝒆𝒅 × 𝑸𝝁
𝒑𝒓𝒆𝒔𝒆𝒍𝒆𝒄𝒕𝒆𝒅 = −𝟏
Analysis Flow
1. 事前のイベントセレクションの後、6つのBGそれぞれに対し10,000回分類器のトレーニングを行う
2. トレーニングの後、すべてのイベントに分類器の出力値を6つ持たせる
3. 6つすべての出力値がSignal likeなイベントを選択 (MLP coincidence)
4. この時点ではまだQCD BGが支配的
5. レプトンアイソレーションによってQCDを除去
11
MLPと入力変数
Multi-Layer Perceptron ∈ Artificial Neural Networks
12
Training によって決定されるWeight
この値を最小化するようにtが決まる
実際の出力値
入力変数 • 𝐸𝑇
𝑚𝑖𝑠𝑠
• 𝑝𝑇𝜇
• 𝑝𝑇
𝑒
• 𝐸𝑇,𝑐𝑜𝑛𝑒20𝜇
/𝐸𝑇𝜇
• 𝑝𝑇,𝑐𝑜𝑛𝑒20𝜇
/𝑝𝑇𝜇
• 𝐸𝑇,𝑐𝑜𝑛𝑒20𝑒 /𝐸𝑇
𝑒
• 𝑝𝑇,𝑐𝑜𝑛𝑒20𝑒 /𝑝𝑇
𝑒
• 𝑚𝑒,𝜇
• 𝑑0𝜇
• Δ𝜙𝑒,𝜇
• Δ𝜙𝜇,𝐸𝑇𝑚𝑖𝑠𝑠
• Δ𝜙𝑒,𝐸𝑇𝑚𝑖𝑠𝑠
• 𝑚𝑇(𝜇, 𝐸𝑇𝑚𝑖𝑠𝑠)
• 𝑚𝑇(𝑒, 𝐸𝑇𝑚𝑖𝑠𝑠)
Signal(Ztautau) vs BG(W+jets)
• トレーニングは6種類のBGそれぞれに対し10,000回ずつ行う
• トレーニングの結果をすべてのイベントに適用
• 1イベントが6つの出力値をもつ
分類器のトレーニングと応答 13
vs bbbar
vs QCD dijet vs Diboson
vs ttbar
vs W+jets
vs Z(ee/mumu)+jets
Filled blue: Signal(Ztautau+jets ) / Hatched Red: respective Background
6つすべての出力値が signal like(>0)なイベントを選択
MLPの結果 14
• 最終結果: 以下のカットを適用 • Opposite sign • MLP coincidence • レプトンアイソレーション
• 積分𝐿 = 1.06 fb-1で比較 • QCDも含めすべてはMCを用いて生成断面積で比較
• このモデルが正しければZtautauは有意に観測できる
• データを用いて検証は進行中
まとめ
• Conclusion – Wからτを経由したレプトンとWから直接来るレプトンと区別できるか𝑑0をカット変数として用い、検証した • 𝜇チャンネル:𝑑0カット値をきつくすることでS/Bが向上
• 𝑒チャンネル:S/Bは向上しない←衝突係数の分解能が原因
– 𝑍 → 𝜏𝜏を他のBGと区別できるかMVAを用いてMCで検証 • 𝑍 → 𝜏𝑒𝜏𝜇は他のBGに対してよく分離できる
• 現在、データによる検証と一層の最適化を進行中
• Plan – QCDによるBGをdataを用いて見積もる
– Single topなど他のBG
– Higgs粒子探索
15
ありがとうございました
BACKUP SLIDES
16
MC samples
17
Category Process Generator Integrated L [pb-1]
Z Zee+jets AlpgenJimmy 6.18E+4
Z Zmumu+jets AlpgenJimmy 6.31E+4
W Wenu+jets AlpgenJimmy 4.20E+4
W Wmunu+jets AlpgenJimmy 4.22E+4
W Wtaunu+jets AlpgenJimmy 9.29E+3
Diboson WW Herwig 8.43E+4
Diboson ZZ Herwig 5.44E+4
Diboson WZ Herwig 2.23E+4
QCD Jetjet Pythia 2.18E+11
QCD B_bb4muX Pythia 1.70E+3
Ttbar T1 MC@NLO 1.03E+5
Signal Ztautau+jets AlpgenJimmy 6.32E+4
MLPネットワーク構造
18
各ノードと入力変数を結ぶ矢印の太さ(太さに応じて色分けされている)がトレーニングによって決定されるWeightを表している
vs W+jets
MVA 入力変数分布
19
vs W+jets
アイソレーション、𝑑0を除く入力変数の分布
MLP出力値 20
vs bbbar
vs QCD dijet vs Diboson
vs ttbar
vs W+jets
vs Z(ee/mumu)+jets
電荷異符号, MLP coincidence, レプトンアイソレーションを要求後のMLP出力値
Results 21
Final results after MLP coincidence, opposite charge and isolation