[論文レビュー] Monte Carlo Tuning for $e^+e^- o$ Hadrons and Comparison with Unfolded LEP Data

J. Kile, Julian von Wimmersperg-Toeller|arXiv (Cornell University)|Jun 7, 2017

Particle physics theoretical and experimental studies被引用数 4

ひとこと要約

本稿では、LEPデータを用いたSHERPAジェネレータのモンテカルロチューニングを、LO（一次近似）とNLO（次次近似）行列要素マッチングを比較して行う。LOチューニングは、特に4ジェット観測量において、KK2f+PYTHIAリファレンスを上回り、 unfolded LEPデータとの整合性が優れている。一方、NLOチューニングはスケール変動に対する安定性が向上するが、全体的な整合性はわずかに劣る。チューニング済みSHERPAサンプルは、LEP解析における精度の高いQCDバックグラウンド研究に推奨される。

ABSTRACT

We perform two tunes of the SHERPA Monte Carlo generator for the generation of $e^+e^- ightarrow\mbox{hadrons}$ using the publicly-available LEP analyses in Rivet. In each of these tunes, we generate events at $\sqrt{s}=91.25\mbox{ GeV}$ using matrix elements for final states containing up to six partons. In the first, "LO" tune, matrix elements for all final states are generated at leading order; in the second, "NLO" tune, matrix elements for final states with up to four partons are generated at next-to-leading order using BlackHat, while those for states with five and six partons are generated at leading order. The tunes are accomplished using Professor, and comparisons with unfolded LEP1 and LEP2 data are produced with Rivet. We also compare the data with events generated with KK2f interfaced to PYTHIA using the standard ALEPH tune. We find that both SHERPA samples show improvement relative to KK2f for observables related to four-jet final states, while all three samples produce comparable results for event-shape variables. Overall, the agreement with data is best for the LO tune. We provide our tuning parameters and many data-Monte Carlo comparisons.

研究の動機と目的

• LEP解析における正確なバックグラウンドモデリングのため、QCD $e^+e^- \to$ ハドロンイベントの高精度モンテカルロシミュレーションを開発すること。
• ヒッグス粒子および$W$ボソン研究に不可欠な4ジェット最終状態の記述を、SHERPAにおける完全な行列要素マッチングおよびマージングを組み込むことで改善すること。
• Rivetフレームワークから入手可能な公開済みのunfolding済みLEPデータを用いて、SHERPAパラメータのチューニングを行い、現実的なイベント生成を保証すること。
• チューニング済みSHERPAサンプルの性能を標準のKK2f+PYTHIAリファレンスと比較し、系統的解析に適しているかどうかを評価すること。

提案手法

• Rivet v2.0.0から得たunfolding済みのLEP1およびLEP2データを用い、Professorフレームワークを用いてSHERPAモンテカルロジェネレータをチューニングする。
• スケール$\sqrt{s} = 91.25$ GeVでイベントを生成し、6パートオンまで行列要素を含める。LOチューニングではすべての最終状態にLOを、NLOチューニングでは4パートオンまでNLO（BlackHat経由）を用いる。
• ALEPHおよびOPALのunfolding済み実験データと比較して、イベント形状変数（例：スラスト、ジェット質量、Durhamの$y_{ij}$）およびジェットベースの観測量のシミュレート分布を検証する。
• 理論的不確実性とLOおよびNLOチューニングの安定性を評価するため、規格化スケール変動（SCF = 0.5, 2.0）を実施する。
• Rivetパッケージを用いて標準化された、検出器によるアンフォールド済み分布を抽出・比較し、実験測定値と整合性があることを保証する。
• 標準ALEPHチューニングを用いたKK2f+PYTHIAジェネレータと比較して、相対的性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 完全なマージングおよびマッチングを伴うSHERPAジェネレータは、$e^+e^- \to$ ハドロンのunfolding済みLEPデータをどの程度正確に再現できるか？
• RQ2 4パートオン最終状態にNLO行列要素を組み込むことで、LOチューニングと比較してデータとの整合性が向上するか？
• RQ3 LOおよびNLO SHERPAチューニングは、4ジェットおよびイベント形状観測量において、標準のKK2f+PYTHIAリファレンスと比較してどの程度優れているか？
• RQ4 SHERPAチューニングは規格化スケールの変動に対してどの程度感受的であり、理論的不確実性推定にどのように影響を与えるか？
• RQ5 特に異常探索に重要な4ジェット最終状態を考慮すると、LOまたはNLOチューニングのどちらがデータとの整合性が最も高いか？

主な発見

• LO SHERPAチューニングは、ほとんどの観測量において、NLOチューニングおよびKK2f+PYTHIAリファレンスを上回り、unfolding済みLEPデータとの全体的な整合性が最良である。
• 両方のSHERPAチューニングとも、$y_{34}$、$y_{45}$、$y_{56}$などの4ジェット観測量において、KK2fに対して顕著な改善を示しており、特に高解像度領域で顕著である。
• NLO SHERPAチューニングは、規格化スケール変動に対してより高い安定性を示し、$y_{ij}$変数では1–2%の変化にとどまるが、LOチューニングでは最大10%の変化を示す。
• スラストやジェット質量などのイベント形状変数に関しては、すべての3つのジェネレータ（LO SHERPA、NLO SHERPA、KK2f+PYTHIA）が同等の結果を出しており、イベント全体の構造の記述が一貫していることを示している。
• LO SHERPAサンプルはより大きなスケール依存性（$y_{ij}$で最大約10%の変動）を示すが、依然としてデータとのフィットが最良であり、これにより後続の解析における使用が正当化される。
• 著者らは、4ジェット研究のバックグラウンドシミュレーションとしてLO SHERPAチューニングを主として推奨し、系統的不確実性評価にはNLOおよびKK2fサンプルを併用することを提案する。