[論文レビュー] Monte Carlo tuning and generator validation

A. G. Buckley, Hendrik Hoeth+3 more|ArXiv.org|May 30, 2009

Advanced Measurement and Metrology Techniques参考文献 2被引用数 4

ひとこと要約

本論文は、Professorフレームワークを用いた体系的モンテカルロチューニング戦略を提示し、$e^+e^-$、Drell-Yan、Tevatron最小バイアスデータとの整合性を向上させるためにPythia 6.4イベントジェネレータのパラメータを最適化する。この手法は多項式応答モデルを用いて、相関する10–30パラメータにわたる効率的かつ決定論的なチューニングを可能にし、従来のものより優れた性能を示す新たなバリデート済みチューンを生成した。これにより、基礎的イベント活動、ジェット形状、ハドロン化観測量の記述が向上した。

ABSTRACT

We present the Monte Carlo generator tuning strategy followed, and the tools developed, by the MCnet CEDAR project. We also present new tuning results for the Pythia 6.4 event generator which are based on event shape and hadronisation observables from e+e- experiments, and on underlying event and minimum bias data from the Tevatron. Our new tunes are compared to existing tunes and to Peter Skands' new "Perugia" tunes.

研究の動機と目的

• モンテカルロイベントジェネレータのチューニングを体系的かつ再現可能なものにし、人的経験依存の調整に依存しない戦略を開発すること。
• 複数の物理過程にわたる、相関の高いパラメータ（10–30個）を含むPythia 6.4のチューニングという課題に取り組むこと。
• 特定の分布に限定されない、広範な観測量にわたる一貫性を確保することで、イベントジェネレータの予測能力を向上させること。
• イベント形状、基礎的イベント活動、最小バイアス測定を含む多様な実験データに対して、新しいジェネレータチューンをバリデーションすること。
• LHC実験がカスタムで時間のかかるチューニングを実施するのではなく採用できる、標準化された公開フレームワーク（PYTUNE経由）を提供すること。

提案手法

• 2次多項式応答モデルを用いて、モンテカルロ出力をジェネレータパラメータの関数としてパrameter化し、高速かつ決定論的な最適化を可能にする。
• 選択されたパラメータ点でのジェネレータランのグリッドを用いて、多項式係数のフィッティングのための連立式系を構築し、確率的手法で一般的に見られる局所的最小値を回避する。
• 物理的根拠に基づいたパラメータのグループ化（例：フラグメンテーション、基礎的イベント、パートンシャワーモデル）により次元削減を図り、収束性を向上させる。
• Professorチューニングシステムを用い、$e^+e^-$散乱（イベント形状、フラグメンテーション）、Drell-Yan、Tevatron最小バイアスイベントのデータを用いてPythia 6.4をチューニングする。
• 新しいチューンをPythia 6.420以降のPYTUNEインターフェースに統合し、LHC実験での広範な利用を可能にする。
• Rivetを用いて、新しいチューンを既存のもの（例：ATLAS、Rick Field）およびPeter SkandsのPerugiaチューンと比較し、観測量にわたる標準化されたバリデーションを実施する。

実験結果

リサーチクエスチョン

• RQ1 モンテカルロイベントジェネレータのチューニングを、相関する多数のパラメータにスケーラブルに適用できる体系的で再現可能なものにすることは可能か？
• RQ2 ブルートフォースや手動チューニングに依存せず、多様な観測量にわたるジェネレータ挙動を多項式応答モデルがどれほど正確に予測できるか？
• RQ3 新しいPythia 6.4チューンは、既存のチューンおよびPerugiaシリーズと比較して、基礎的イベント活動およびジェット形状の記述においてどの程度優れているか？
• RQ4 新しいチューニング戦略は、複数のデータセットと整合性を保ちつつ、LHC物理学解析に適したジェネレータチューンを生成できるか？
• RQ5 新しい複数相互作用（MPI）モデルの採用が、最小バイアスおよび基礎的イベントデータとの整合性にどのような影響を与えるか？

主な発見

• Professorチューニングシステムは、多項式応答モデルを用いて、相関する10–30パラメータにわたるPythia 6.4の自動的かつ決定論的なチューニングを成功裏に実現した。
• $p_{\perp}$-順序シャワーと新しいMPIモデルに基づく新しいチューンは、特にトラック多重度の$p_{\perp}$依存性において、Drell-Yanの基礎的イベントデータとの整合性が向上した。
• 新しいMPIモデルはDrell-Yanイベントにおける基礎的イベント活動を低く見積もっているが、更新されたパrametersを用いた$p_{\perp}$-順序シャワーのチューンは、以前のチューンよりもデータとよりよく一致した。
• $p_{\perp}$-順序シャワーと更新されたパラメータ（例：PARP(64) = 1.3, PARP(82) = 1.85）を用いた新しいチューンは、デフォルトまたはATLASチューンよりもTevatron最小バイアスデータとの整合性が優れていた。
• 仮想性順序シャワーと更新されたパラメータ（例：PARP(62) = 2.9, PARP(83) = 0.83）を用いた新しいチューンは、$e^+e^-$イベント形状およびフラグメンテーション観測量との整合性が向上した。
• すべての新しいチューンはPythia 6.420以降のPYTUNEインターフェースを通じて利用可能であり、カスタムチューニングを避けて時間と一貫性を確保するため、著者らはその使用を強く推奨する。