[論文レビュー] Resonance Searches with an Updated Top Tagger

Gregor Kasieczka, Tilman Plehn+3 more|arXiv (Cornell University)|Mar 19, 2015

Particle physics theoretical and experimental studies被引用数 6

ひとこと要約

本論文は、13 TeV LHCにおける共鳴探索を最適化した高度な多次元トップクォークタギングアルゴリズム、HEPTopTagger2を提示する。最終状態放射効果、N-部分線形度、Qjets、および適応的脂肪ジェットサイズ（R = 1.8）を組み込むことで、従来のバージョンと比較してバックグラウンド抑制を最大30倍に向上させ、Z′ → tt̄崩壊のような重い共鳴状態の感度を顕著に向上させた。

ABSTRACT

The performance of top taggers, for example in resonance searches, can be significantly enhanced through an increased set of variables, with a special focus on final-state radiation. We study the production and the decay of a heavy gauge boson in the upcoming LHC run. For constant signal efficiency, the multivariate analysis achieves an increased background rejection by up to a factor 30 compared to our previous tagger. Based on this study and the documentation in the Appendix we release a new HEPTopTagger2 for the upcoming LHC run. It now includes an optimal choice of the size of the fat jet, N-subjettiness, and different modes of Qjets.

研究の動機と目的

• 13 TeV LHCランにおける共鳴探索のためのトップクォークタギング性能を向上させること。
• ブーストされたトップクォーク崩壊における最終状態放射の影響によって引き起こされる、元のHEPTopTaggerに見られる制限を解消すること。
• 多様な解析フレームワークと互換性を持つ汎用的で多次元のタギングツールを開発すること。
• Z′ → tt̄共鳴状態の高信号効率を維持しながら最適なバックグラウンド抑制を達成すること。
• LHCコミュニティ向けに完全にドキュメント化され、オープンソースで公開されたタギングツール（HEPTopTagger2）をリリースすること。

提案手法

• N-部分線形度、Qjets、最適化された脂肪ジェット半径（R = 1.8）を組み合わせた多次元解析を導入し、部分構造分解能を向上させる。
• C/AおよびkTアルゴリズムを用いた適応的ジェットクラスタリングを通じて、運動量変数を用いた最終状態放射のモデル化を統合する。
• A字型の運動量カットとプルーニング／トップ質量フィルタリングを組み合わせたハイブリッドタギングアプローチを採用し、信号の分離を強化する。
• 低運動量領域（pT,t = 150 GeV）での角運動量相関を捉えるためにフォックス＝ウルフラムモーメントを用い、タギングのカバー範囲を拡張する。
• QCD二ジェットとtt̄バックグラウンドを用いてトレーニングされた多次元分類器を採用し、信号対バックグラウンドの分離を最大化する。
• アルゴリズムの完全なドキュメンテーション、パフォーマンスベンチマーク、標準化されたC++/Pythonインタフェースを備えたHEPTopTagger2をリリースする。

実験結果

リサーチクエスチョン

• RQ1 最終状態放射が、共鳴探索における従来のトップタギング手法の性能をどのように低下させるか？
• RQ2 どの運動量変数とジェット部分構造技術の組み合わせが、ブーストされたトップクォークにおけるバックグラウンド抑制を最大限に高めるか？
• RQ3 Z′ → tt̄共鳴状態の単一イベント解析において、多次元アプローチがイベント分解に基づく手法を上回る性能を発揮できるか？
• RQ4 脂肪ジェット半径（R）を変化させると、タギング効率とバックグラウンド抑制にどのような影響を与えるか？
• RQ5 共鳴タギングにおいて、N-部分線形度、Qjets、およびジェットクラスタリングアルゴリズムの最適な設定は何か？

主な発見

• HEPTopTagger2は、一定の信号効率を維持したまま、元のタギング手法と比較してバックグラウンド抑制を最大30倍に向上させた。
• 多次元変数による最終状態放射効果の組み込みが、高ブースト領域におけるトップクォークの性能向上に顕著に寄与した。
• R = 1.8の脂肪ジェットと、内部ステップでC/AおよびkTクラスタリングアルゴリズムを組み合わせた設定が最適な性能を達成した。
• QCD二ジェットバックグラウンドを30倍に削減しながらも、信号効率を高い水準（mZ′ = 1500 GeVのとき14%）で維持した。
• フォックス＝ウルフラムモーメントを用いた低運動量モードにより、pT,t = 150 GeVまでタギングカバー範囲が拡張され、低ブースト領域での感度が向上した。
• 完全なアルゴリズムとインタフェースがHEPTopTagger2としてリリースされ、複数のベンチマークプロセスでパフォーマンスが検証された。