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