Tevatron/CDF 実験でのτ を用いたヒッグス粒子探

索

桜井雄基 , 船越雄二郎 , 蝦名幸二 , 寄田浩平 早稲田大学

高エネルギー物理 春の学校＠彦根ビューホテル

2011/05/14( 土 )

SM Higgs Search @ the Tevatron

11/05/14高エネルギー物理 春の学

校 2

Lo

w M

ass

Hig

gs

Exc

lud

e b

y L

EP

Exc

lud

e b

y T

evat

ron

Tevatron/CDF 実験での低質量領域における Higgs ボソン探索の主な channelWH→lνbb / ZH→llbb / ZH→ννbb

( l : 電子または μ 粒子 )

更なる探索感度改善には他 channelからの寄与が重要 !!

分岐比が２番目に高い τ 粒子対に崩壊するchannel を使用する。(τ 粒子： ~6.7% , b クォーク： ~66.5% MH=120GeV/c2)

channel σ/SM@MH=115GeV/c2

WH→lν+bbar 3.5@5.7fb-1

ZH→ll+bbbar 4.0@5.7fb-1

ZH→νν+bbar 4.5@5.7fb-1

WH/ZH/VBF/ggH →jj+bbar 18@4.0fb-1

WH/ZH/VBF/ggH →jj+ττ 15@6.0fb-1

H→γγ 14.1@7.0fb-1

Tevatron / CDF ( Collider Detector at Fermilab)

Tevatron アメリカ イリノイ州フェルミ国立加速器

研究所に設置 陽子 反陽子衝突型加速器 • 重心系エネルギー : 1.96TeV 現在も順調に稼働中

(2011 年９月終了予定 )

CDF 検出器 複合型粒子検出器

Delivered: 11fb-1

Acquired: 9fb-1

Analysis: 7~8fb-1

11/05/14高エネルギー物理 春の学

校 3

シリコン検出器

中央飛跡検出器

ソレノイド

電磁カロリーメータ

ハドロンカロリーメータ

シールド ( 鉄 )

μ 粒子検出器

H →ττ Process

終状態が ττ+ jets となるモードを信号事象とする。

W Boson Associated Production

Vector Boson Fusion Production Gluon Fusion Production

Z Boson Associated Production

11/05/14高エネルギー物理 春の学

校 4

高エネルギー物理 春の学校

τ lepton

11/05/14

τ レプトンの崩壊モード

Leptonic decay B.R(τ→lνlντ) : ~35%

ττ の崩壊モード

nπ±+mπ0

n ：奇数　 m ：整数Hadronic decay B.R(τ→qq’ντ) :~50% (1prong)~15% (3prong)

特徴的な細いジェットとして観測

τe+τe &τμ+τμ Drell-Yan が支配的

τhad+τhad QCD が支配的

τhad+τe & τhad+τμGolden channel

τe+τμNew channel

~52%

l : e / μ

(MSSM Higgs 探索ではすでに導入されている )

Dataset & Event Selection

Hadronic channel (e + τhad / μ +τhad) Number of electron/muon == 1 ( Pt > 10 GeV/c |η|<1.1 ) Number of hadronic τ==1 ( visible Pt > 15 (1prong) / 20 (3prong) GeV/c ) >= 1 jet: Et > 15GeV |η| < 2.5 Z→ee/μμ Veto : 1 prong τhad

　　　　　 Ehad/P < 0.4 ( or Δφ(μ,τ) <0.5 ) 80 < M(lepton,τhad) < 110

Opposite charge (Qe/μ×Qτ< 0)

Leptonic channel (e + μ) Number of electron == 1 : Pt > 10 GeV/c |η|<1.1 Numbwe of muon == 1 : Pt > 10 GeV/c |η|<1.1 Hadronic τ & 3rd Lepton Veto >= 1 jets: Et > 15GeV |η| < 2.5 Opposite charge (Qe/μ×Qτ< 0)

• Luminosity : 6.0 fb-1 (~7.5fb-1 を使用予定 )• Trigger : “Lepton + Track”

isolated lepton Pt (Et)>8[GeV/c] & isolated track Pt>5[GeV/c]

• Event Selection :

11/05/14高エネルギー物理 春の学

校 6

Signal をより多く確保するため、最小限の事象選択を行う

Background

Physics Background ( 終状態が Signal と同様 )

Z→ττ,Top pair , Diboson : MC からの見積もり

τhad Fake Background

Z→ee/μμ : MC からの見積もり

QCD , γ+jets , W+jets : データを使った見積もり

Top pair QCD

jet→τhad

jet→lepton

Z → ττ

11/05/14高エネルギー物理 春の学

校 7

Jet →τhad estimation

QCD / γ+jets

Jet→τhad

Jet→lepton OS SS

Jet→τhad

Additional event

OS SS

W+jets

Jet → τhad Fake 事象を MC から見積もるのは困難である。Same Sign Data （同電荷事象 ) を使用

QCD/γ+jets 事象は終状態の電荷に相関がほぼない。

→ NOS = NSS

W+jets 事象は W ボソンの電荷によって、終状態の電荷に相関がある。

→ NOS > NSS

SFasym = NOS/NSS をControl Region から算出することで、 additionalな事象を見積もる。11/05/14

高エネルギー物理 春の学校 8

Kinematic Shapes

0jet : Control Region

0jet : Control Region

e + μ channel : M (e,μ)

1jet : Signal Region

1jet : Signal Region

>=2jet : Signal Region

>=2jet : Signal Region

Lepton + τhad channel : Missing Et

11/05/14高エネルギー物理 春の学

校 9

Discriminant Analysis

Backgound に比べて Signal の事象数が非常に少ない。 (S/√B : ~0.05)

　　　→　事象数のカウントだけでは Signal の特定は困難である。 多変量解析によって Signal と Background を効率良く分類する必要が

ある。　　分類器として Support Vector Machine を採用。

Hadronic channel ( lepton+τhad ) Leptonic channel ( e + μ )

1 jet channel >= 2 jet channel 1 jet channel >= 2 jet channel

H→ττ v.s. Diboson H→ττ v.s. Top pair H→ττ v.s. Top pair H→ττ v.s. Top pair

H→ττ v.s. W+jets H→ττ v.s. W+jets H→ττ v.s. Z→ττ H→ττ v.s. Z→ττ

H→ττ v.s. QCD H→ττ v.s. QCD

H→ττ v.s. Z→ττ H→ττ v.s.Z →ττ

Support Vector MachineN 個の特徴変数からパターン認識を行う分類器マージンが最大になる超平面を選択

11/05/14高エネルギー物理 春の学

校 10

各チャンネルにおいて事象数の多い ( 特徴のある ) 雑音事象 v,s, 信号事象で分類器を作成

Support Vector Machine Training

Leading Jet Et Leading Jet η Second Jet Et Second Jet η Lepton Pt Lepton Eta τ visible Pt τ seed track Pt τ visible Mass Missing Et METSignificance Ht

Mt(lepton,met) M(lepton,τ) M(τ,met) M(lepton,τ,met) Δφ(lepton,met) Δφ(lepton,τ) Δφ(τ,met) Δφ(lep,met,τ) ΔR(lepton,met) ΔR(lepton,τ) ΔR(τ,met) ΔR(lep,τ,met)

Input variables

Lepton + τhad channel (>=2jet)

v.s. Z→ττ

v.s. QCDv.s. W+jets

v.s. Top

e + μ channel (>=2jet)

Training各チャンネル、各事象に対して下記の変数の個数を最適化して入力することで、分類解析に用いるトレーニングを行う。 ( 右図は>=2jet,MH=120GeV/c2 でのトレーニング結果 )

v.s. Topv.s. Z→ττ

11/05/14高エネルギー物理 春の学

校 11

Final Discriminant ( lepton – τhad channel )

Take Min

imu

mTa

ke M

inim

um

v.s. W+jets

v.s. QCD

v.s. Z→ττ

v.s. Diboson

v.s. Z→ττ

v.s. QCD

v.s. W+jets

v.s. Top

1 jet channel

>=2 jet channel

Signal × 100

Signal × 100

11/05/14高エネルギー物理 春の学

校 12

各トレーニング結果に対する SVM の応答から、それらの最小値を選択し、１次元の SVM応答分布を作成する

Final Discriminant ( e - μ channel )

1 jet channel

Signal × 100

Take M

inim

um

>=2 jet channel

Signal × 100

Take

Min

imu

m

v.s. Z→ττ

v.s. Top

v.s. Z→ττ

v.s. Top

11/05/14高エネルギー物理 春の学

校 13

各トレーニング結果に対する SVM の応答から、それらの最小値を選択し、１次元の SVM応答分布を作成する

95% C.L. Cross Section Limit (Expected)

Lepton-τhad channel / e-μ channel をコンバインして、 Higgs ボソンの生成断面積上限値をシミュレーションによって予想。

(統計誤差のみ考慮している ) 10 K 回の模擬実験を実行。 Higgs の質量 100~150GeV/c2 までを

10GeV/c2毎 SVM をトレーニング。

11/05/14高エネルギー物理 春の学

校 14

Mass[GeV/c2]

Expected Median

Expected Mean (RMS)

100 8.8 +3.5-2.5 9.3 (3.1)

110 8.9 +3.4-2.5 9.45 (3.0)

115 9.4 +3.9-2.7 9.9 (3.2)

120 9.6 +3.8-2.5 10.3 (3.3)

130 12.2 +5.1-3.5 13.0 (4.4)

140 20.2 +8.9-5.6 21.6 (7.1)

150 40.0+15.6-11.4 41.9 (13.3)

9.4@MH=115GeV/c2

MH=115GeV/c2 において 9.4倍の断面積の上限値が予想できた。

系統誤差 (~約 15％ ) を考慮すると、上限値は 10~11倍になると予想できる。

(CDF の解析の最新結果 : 14.7 @6.0fb-1)

H→ττ の他チャンネル ( VH→ττ+ leptons )

蝦名さん ( 早稲田大学 ) の研究終状態に 3 or 4 レプトンとなるモードで探索。 (τ を含む )多変量解析の分類器としてSVM を採用。

17.4@MH=115GeV/c2

11/05/14高エネルギー物理 春の学

校 15

3lepton: lll,llτ,lττ,eμτ 4lepton: LLLL( l ： e/μ 　 L: e/μ/τ)

Summary & Future Plan

Summary Tevatron/CDF 実験において、 τ を用いてヒッグスボソ

ンの探索を行っている。 この解析によって、ヒッグスボソンの生成断面積の上

限値が 10~11倍 (MH=115GeV/c2) と予想される。

Future Plan Systematic Error の見積もり データ量を増加させての解析 (~7.5 fb-1: for Summer

2011) τ 粒子同定の改善 ( 多変量解析 ) Discriminant の改善 他 channel と結果を統合し、 Higgs ボソンの発見、棄却

感度を高める。11/05/14

高エネルギー物理 春の学校 16

11/05/14高エネルギー物理 春の学

校 17

BACKUP

Signal Expectation

11/05/14高エネルギー物理 春の学

校 18

11/05/14高エネルギー物理 春の学

校 19

We evaluate OS/SS scale factor(SFasym) from data in W+jets

control region. SFasym = NOS / NSS

W+jets Control Region

1 loose tau (standard tau ID veto)1 central isolated electron/muon with Pt >10GeV/cMissing Et > 25 / 30 / 35 GeV ( 0jet / 1jet / >=2jet )Mt (lepton , τ) > 40 GeV/c2

Additional W+jets Modeling

Add-on events

OS SS

Additional W+jets Modeling~ Same Sign (Total) ~

K-Factor : 1.65

Feb/28/11

Additional W+jets Modeling~Opposite Sign (Total) ~

K-Factor : 1.57

Feb/28/11

Support Vector Machine ~ Multivariate Analysis ~

Support Vector Machine… Ｎ個の特徴変数からパターン認識　を行う学習マシン 線形写像＋高次元写像

)(

)(

2211 nn XaXaXaXa

bXaXf

Signal v.s. Background Separation→Margin が最大になるようなParameter a,b の選択非線形写像による高次元（Ｎ次元）分離に対応

Feb/28/11

Characteristic variables 　 ~Shape Comparison >=2jet~

Feb/28/11

SVM Optimization 　 ~ >=2jet channel ~

Exclude variables which have more than 60% correlation in both signal and background.

We decide number of input variable by checking Separation Power & Significance

S: Separation power ( 0<S<1 )X: SVM ResponseF(x): PDFs of x

Training sample Num of variables

QCD 9

W+jets 10

Top 13

Z→ττ 8

Feb/28/11