[論文レビュー] Reconstruction and identification of hadronic decays of tau leptons in ATLAS

Zinonas Zinonos|arXiv (Cornell University)|Sep 1, 2014

Particle physics theoretical and experimental studies参考文献 2被引用数 3

ひとこと要約

本論文は、2012年LHCラン中のATLAS実験において、多変量判別子を用いたブーストドリフトツリー（BDT）を用いて、ハドロン的崩壊するタウレプトンの最適化された再構築および識別アルゴリズムを提示している。これにより、ジェット（最大500倍）および電子（100倍以上）の高効率な拒否が達成され、データ駆動型の妥当性評価により、シミュレーションとデータの間に良好な一致が得られた。この手法により、高積み重ね状態におけるヒッグスおよび新しい物理現象の探索における正確なタウ識別が可能になった。

ABSTRACT

Hadronically decaying tau leptons are of prime importance in numerous physics analyses in ATLAS. The spectrum of the possible applications of hadronically decaying tau leptons reaches from Standard Model measurements, including Higgs searches, to searches for physics beyond the Standard Model. The basic principles behind the sophisticated tau reconstruction and identification techniques, which are specifically designed to identify hadronically decaying taus and reject various background processes, are delineated here along with current data-driven estimates of their respective performance.

研究の動機と目的

• 2012年LHCラン中のATLAS実験において、高積み重ね状態下でのハドロン的崩壊タウレプトンの再構築および識別アルゴリズムの開発および最適化を行う。
• 特に高照度環境下において、ジェットおよび電子がハドロン的タウと誤識別される背景を改善して拒否する。
• データ駆動型技術を用いて識別アルゴリズムの性能を妥当化し、正確なシミュレーションスケールファクターの確保を行う。
• 物理解析におけるタウ崩壊の利用を目的として、校正済みの効率測定値およびスケールファクターを提供する。
• 標準模型過程における正確な測定およびハドロン的タウ最終状態を含む新しい物理現象の探索を可能にする。

提案手法

• R=0.4を用いたanti-k_tジェットクラスタリングを用いたハドロン的タウ候補の再構築を行い、その後、バーチャルセンターの形成とΔR<0.2内におけるクラスタに基づくエネルギー補正を実施。
• 1本先鋭型および3本先鋭型崩壊それぞれについて別々にトレーニングされたブーストドリフトツリー（BDT）を用いた識別。トラッキングおよびコンパクト・カルシウム変数（ΔR<0.1コーン内でのエネルギー割合および軸からのトラック距離）を組み合わせる。
• 3つの作業ポイント（ローリー、ミディアム、タイト）を適用し、信号効率を事前に定義（1本先鋭型：70%、60%、40%；多本先鋭型：65%、55%、35%）することで、信号受容率と背景拒否率のバランスを図る。
• 電子の拒否には、トランジション放射およびシャワー形状の差異を用いた専用のBDTを採用。Z→ττ（信号）およびZ→ee（背景）のシミュレーテッドイベントを用いてトレーニング。
• Z→τℓτhad、W→τν、およびt¯t→τhad+jetsチャンネルにおけるタグアンドプローブ法を用いたデータ駆動型効率測定を実施。分離変数として拡張されたトラック多重度を用いる。
• システムティックなテンプレート変動を用いて不確実性を推定し、データとシミュレーションの効率を比較することでスケールファクターを導出。

実験結果

リサーチクエスチョン

• RQ1 ATLAS実験における高積み重ね状態下で、ハドロン的タウ再構築および識別をどのように最適化できるか？
• RQ2 ハドロン的タウ崩壊の信号効率を維持しつつ、ジェットおよび電子の背景拒否はどの程度達成可能か？
• RQ3 シミュレーションベースの識別効率は、2012年LHC実データの測定値とどの程度一致するか？
• RQ4 物理解析に使用するためのシミュレーションベース効率を補正するためのスケールファクターは何か？
• RQ5 BDTベースの識別アルゴリズムは、異なるタウ崩壊モードおよび横方向運動量領域でどの程度の性能を示すか？

主な発見

• BDTベースの識別アルゴリズムは、1本先鋭型および多本先鋭型崩壊において、70%の信号効率で10～40倍のジェット背景拒否を達成し、35%の信号効率で最大500倍の拒否を達成した。
• タイト作業ポイントでは、データ駆動型測定により100倍を超える電子誤識別拒否が確認された。
• Z→τℓτhad、W→τν、およびt¯t→τhad+jetsチャンネルにおけるデータ駆動型効率測定では、すべての作業ポイントでデータとシミュレーションの間に良好な一致が得られた。
• タウ識別および電子ボイド効率のスケールファクターが不確実性とともに提供され、物理解析におけるシミュレートサンプルの補正が可能になった。
• 0.2<ΔR<0.6のアンニュラスにおける拡張されたトラック多重度変数は、信号と背景の効果的な分離を可能とし、効率抽出のためのテンプレートフィッティングに使用された。
• 2013年冬のBDTバージョン（π⁰関連変数を統合）は、特にジェット拒否性能の向上をもたらした。