[논문 리뷰] A framework to create customised LHC analyses within CheckMATE

Jong Soo Kim|arXiv (Cornell University)|2015. 03. 03.

Particle physics theoretical and experimental studies참고 문헌 37인용 수 9

한 줄 요약

이 논문은 CheckMATE 내에서 연구자가 새로운 또는 수정된 LHC 분석을 공식적으로 지원하지 않을 경우에도 직접 구현할 수 있도록 사용자 맞춤형 프레임워크를 제안한다. 검출기 시뮬레이션(Delphes), 운동량 변수, 통계 도구를 활용함으로써 사용자는 새로운 물리 모델에 대한 신호 영역을 신속하게 프로토타입화하고 검증하며 평가할 수 있으며, 이는 이론적 모델을 실험 데이터와 대비할 때 소요되는 시간과 노력을 크게 줄인다.

ABSTRACT

Checkmate is a framework that allows the user to conveniently test simulated BSM physics events against current LHC data in order to derive exclusion limits. For this purpose, the data runs through a detector simulation and is then processed by a user chosen number of experimental analyses. These analyses are all defined by signal regions that can be compared to the experimental data with a multitude of statistical tools. Due to the large and continuously growing number of experimental analyses available, users may quickly find themselves in the situation that the study they are particularly interested in has not (yet) been implemented officially into the Checkmate framework. However, the code includes a rather simple framework to allow users to add new analyses on their own. This document serves as a guide to this. In addition, Checkmate serves as a powerful tool for testing and implementing new search strategies. To aid this process, many tools are included to allow a rapid prototyping of new analyses.

연구 동기 및 목표

• 최근에 발표된 LHC 분석과 그들이 기존 시뮬레이션 프레임워크(예: CheckMATE)에 통합되는 데의 격차를 해소하기 위해.
• 공식 CheckMATE 업데이트에 의존하지 않고도 연구자가 사용하기 쉽게 확장 가능한 환경을 제공하여 맞춤형 실험 분석을 구현할 수 있도록 하기 위해.
• 검출기 시뮬레이션, 운동량 변수, 통계 평가를 통합하여 새로운 BSM 물리 탐색 전략을 프로토타입화하는 과정을 간소화하기 위해.
• CLs 및 발견의 뜻밖의 정도와 같은 통계 도구를 사용하여 새로운 신호 영역의 빠른 검증과 평가를 지원하기 위해.
• 새로운 분석 전략을 설계하여 더 높은 중심질량 에너지 또는 루미노사티를 갖는 모델을 테스트할 수 있도록 하기 위해.

제안 방법

• 최종 상태 입자(예: 제트, 렙톤, 미소한 횡방향 운동량)를 기반으로 한 신호 영역를 정의함으로써 CheckMATE AnalysisManager를 사용하여 사용자 정의 분석을 구현한다.
• ATLAS 튜닝을 적용한 Delphes를 사용하여 검출기 시뮬레이션을 수행함으로써 실험적 반응과 재구성 효과를 정확하게 모델링한다.
• 감도 향상과 구분 능력 향상을 위해 MT2, MCT⊥, MCT∥와 같은 운동량 변수를 통합한다.
• 몬테카를로 이벤트 샘플을 사용하여 자동으로 CLs 한계, 발견의 뜻밖의 정도, 기대 한계와 같은 통계 측정치를 계산한다.
• 선택 기준과 검증 체크를 포함한 분석 단계 정의를 안내하는 템플릿 기반 워크플로우를 제공한다.
• FastJet, ROOT, Oxbridge Kinetics Library와 같은 외부 도구와의 통합을 지원하여 고급 운동량 재구성 및 분석을 가능하게 한다.

실험 결과

연구 질문

• RQ1 연구자가 존재하는 시뮬레이션 프레임워크 내에서 최신에 발표되거나 발표되지 않은 LHC 분석을 효율적으로 구현할 수 있는 방법은 무엇인가?
• RQ2 고에너지 물리학 맥락에서 검증되고 재사용 가능한 맞춤형 분석을 만들기 위해 필수적인 구성 요소는 무엇인가?
• RQ3 검출기 시뮬레이션과 운동량 변수를 어떻게 조합하여 새로운 물리 탐색의 감도를 향상시킬 수 있는가?
• RQ4 배제 가능성과 발견 잠재력 측면에서 새로운 분석의 성능을 평가하기 위해 필요한 통계 도구는 무엇인가?
• RQ5 모듈러 프레임워크는 새로운 탐색 전략을 프로토타yped하는 데 소요되는 시간과 복잡성을 어느 정도 줄일 수 있는가?

주요 결과

• CheckMATE AnalysisManager는 공식 CheckMATE 배포판에 아직 포함되지 않은 경우에도 사용자가 새로운 또는 수정된 LHC 분석을 독립적으로 구현할 수 있도록 한다.
• 프레임워크는 일관되고 자동화된 워크플로우를 사용하여 검출기 시뮬레이션과 물체 재구성에서 통계 평가에 이르기까지 분석 전 과정을 지원한다.
• 최소한의 사용자 입력으로 CLs 한계, 기대 한계, 발견의 뜻밖의 정도를 계산하는 내장된 도구를 통해 맞춤형 분석을 검증할 수 있다.
• ATLAS 튜닝이 적용된 Delphes 통합은 검출기 효과와 재구성 편향을 포함한 실험 결과를 정확하게 재현할 수 있도록 한다.
• 모델 테스트에 필요한 계산 비용을 줄여주며, 단일 코어에서 20,000개의 이벤트를 약 50초 만에 처리할 수 있다.
• MT2, MCT⊥ 등의 고급 운동량 변수 사용은 복잡한 최종 상태에서의 신호 영역 정의 감도를 크게 향상시킨다.