[論文レビュー] An Object-Oriented Approach to Partial Wave Analysis

John P. Cummings, Dennis Weygand|ArXiv.org|Sep 10, 2003

Seismic Imaging and Inversion Techniques参考文献 12被引用数 12

ひとこと要約

本稿では、部分波解析における粒子物理学のためのオブジェクト指向フレームワーク pwa2000 を提示する。このフレームワークは、振幅計算、フィッティング、検出器の受容性処理をモジュラー化する。C++ クラスと宣言的入力言語を用いて物理モデルと計算論理を分離することで、柔軟で拡張可能かつ並列化可能な尤度フィッティングを実現する。tチャネルの ρ 生成波を含めた場合、データとの一致が向上したことが示された。

ABSTRACT

Partial Wave Analysis has traditionally been carried out using a set of tools handcrafted for each experiment. By taking an object-oriented approach, the design presented in this paper attempts to create a more generally useful, and easily extensible, environment for analyzing many different type of data.

研究の動機と目的

• ハドロン分光法における多様な実験設定に適用可能な再利用可能で拡張可能なソフトウェアフレームワークを構築すること。
• アドホックで実験固有の PWA ツールの限界を克服し、物理モデルと計算論理を分離するモジュラーでオブジェクト指向の設計を導入すること。
• 共鳴状態の干渉と非共鳴的寄与を含む複雑な振幅モデルの効率的フィッティングを可能にし、各項ごとに検出器の受容性を別々に取り扱うこと。
• 将来的なスケーラビリティを実現するため、グリッドや世界的なコンピューティングインfraストラクチャを介して尤度評価を並列化可能にする。

提案手法

• フレームワークは、パリティ（ε）とスピン配置（k）でラベル付けされた干渉しない集合に振幅を分解するための反射率基底を用いる。これにより干渉の複雑さが低減される。
• 振幅は生成（V）と崩壊（A）の成分に分解され、各イベントごとに位相空間と共鳴モデルを用いて崩壊振幅が計算される。
• 尤度関数は拡張最大尤度法により最大化され、検出器効率 η(τ) を含む正規化積分を用いて各項ごとに受容性補正が適用される。
• 宣言的入力言語（Prolog の拡張）により物理的制約とモデルパラメータが指定され、実行時において C++ オブジェクトにパースされインスタンス化される。
• 動的拡張が可能で、継承により実装される。新しい崩壊パrameterization は抽象基底クラス（例：massDep）から派生させ、入力文法に新しいキーワードを追加する。
• モンテカルロデータセットは、フィットした振幅を用いて生成され、モデルが運動量分布を再現できる能力を検証する。これによりモデルの反復的改善が可能になる。

実験結果

リサーチクエスチョン

• RQ1 多様なハドロン実験に適用可能な汎用的で拡張可能なソフトウェアフレームワークを、最小限の再実装で設計するにはどうすればよいか？
• RQ2 物理モデリングと計算フィッティングを分離しつつ、パフォーマンスとモularity を維持するのに最適なオブジェクト指向設計パターンは何か？
• RQ3 各項が異なる運動量形状を持つ場合に、尤度フィッティングにおいて検出器の受容性効果を正確かつ効率的にモデル化するにはどうすればよいか？
• RQ4 sチャネルのみのモデルと比較して、tチャネル共鳴（例：ρ 生成）の導入が実験データの記述をどの程度改善できるか？
• RQ5 現代の実験から得られる大規模なイベントサンプルを処理するにあたり、尤度評価を効果的に並列化できるか？

主な発見

• 非干渉的 tチャネル ρ 生成波を含めることで、1.9 GeV/c² 以上の領域でクロスセクション分布の乖離が著しく減少し、フィッティング品質が向上した。
• フィットした振幅を用いて生成されたモンテカルロシミュレーションは、陽子の cos(θcm) 分布における運動量非対称性、特に後方ピークを正確に再現した。sチャネルのみのモデルではこの特徴を記述できなかった。
• フレームワークは強固で拡張可能であった。新しい崩壊パrameterization の追加には、基底クラスを継承し、入力文法を拡張するだけでよく、コアのフィッティング論理に変更は不要だった。
• 尤度関数の評価は非常に並列化可能であり、各イベントが和に独立に寄与するため、グリッドや世界的なコンピューティングリソースに分散して処理できる。
• 比較的高い統計的パワーとモデルの忠実性を達成しており、特に重要な運動量変数におけるモンテカルロ予測と実データ分布の比較により検証された。
• 物理的制約（例：保存則）を記述するために Prolog を使用したことで、入力設定における複雑な振幅関係の信頼性の高い保守可能な記述が可能になった。