[논문 리뷰] Resonance Searches with an Updated Top Tagger

Gregor Kasieczka, Tilman Plehn외 3명|arXiv (Cornell University)|2015. 03. 19.

Particle physics theoretical and experimental studies인용 수 6

한 줄 요약

이 논문은 13 TeV LHC에서의 공명 탐색을 최적화한 고도로 발전된 다변량 토큰 쿼크 태깅 알고리즘인 HEPTopTagger2를 제시한다. 최종 상태 방사선 효과, N-서브젯 투명도, Qjets, 그리고 적응형 두꺼운 점토 크기(R = 1.8)를 통합함으로써, 이 새로운 태거는 이전 버전 대비 배경 제거 능력을 최대 30배 향상시켜 Z′ → tt̄ 붕괴와 같은 무거운 공명에 대한 감도를 크게 향상시켰다.

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.

연구 동기 및 목표

• 13 TeV LHC 런 동안 공명 탐색을 위한 토큰 쿼크 태깅 성능 향상.
• 강력한 토큰 쿼크 붕괴에서 최종 상태 방사선으로 인한 기존 HEPTopTagger의 한계를 해결.
• 다양한 분석 프레임워크와 호환 가능한 보편적이고 다변량 태깅 도구 개발.
• Z′ → tt̄ 공명에 대해 최적의 배경 제거를 달성하면서도 높은 신호 효율 유지를 목표로 한다.
• LHC 공동체를 위해 완전히 문서화되고 오픈소스로 제공되는 태깅 도구(HEPTopTagger2)를 공개.

제안 방법

• N-서브젯 투명도, Qjets, 최적화된 두꺼운 점토 반경(R = 1.8)을 조합한 다변량 분석을 도입하여 서브구조 해상도 향상.
• C/A 및 kT 알고리즘을 사용한 적응형 점토 클러스터링과 함께 운동학적 변수를 통한 최종 상태 방사선 모델링 통합.
• 신호 분리 능력을 향상시키기 위해 A형 운동학적 컷과 프루닝/탑 질량 필터링을 결합한 하이브리드 태깅 접근법 도입.
• 저운동량(pT) 모드에서 Fox–Wolfram 모멘트를 사용하여 각도 상관관계를 포착하고 pT,t = 150 GeV까지 태깅 범위를 연장.
• QCD 이중점토 및 t̄t 배경을 기반으로 훈련된 다변량 분류기 적용으로 신호 대 배경 분리 최적화.
• HEPTopTagger2를 전체 알고리즘 문서화, 성능 벤치마킹, 표준화된 C++/파이썬 인터페이스와 함께 공개.

실험 결과

연구 질문

• RQ1 최종 상태 방사선은 공명 탐색에서 기존의 토큰 태거 성능에 어떤 영향을 미치는가?
• RQ2 운동학적 변수와 점토 서브구조 기법의 어떤 조합이 강력한 토큰 쿼크에서 최대의 배경 제거를 달성하는가?
• RQ3 Z′ → tt̄ 공명에 대한 단일 이벤트 분석에서 다변량 접근법이 이벤트 분해 기반 방법을 능가할 수 있는가?
• RQ4 두꺼운 점토 반경(R)을 변화시킬 경우 태깅 효율성과 배경 억제 능력에 어떤 영향을 미치는가?
• RQ5 공명 태깅에 최적의 N-서브젯 투명도, Qjets, 점토 클러스터링 알고리즘 조합은 무엇인가?

주요 결과

• HEPTopTagger2는 일정한 신호 효율에서 기존 태거 대비 최대 30배의 배경 제거 능력을 확보했다.
• 다변량 변수를 통한 최종 상태 방사선 효과 통합이 고속도 토큰 쿼크 영역에서 성능 향상에 크게 기여한다.
• R = 1.8 두꺼운 점토와 내부 단계에서 C/A 및 kT 클러스터링 알고리즘의 조합이 최적의 성능 달성에 기여한다.
• QCD 이중점토 배경을 30배 감소시키면서도 높은 신호 효율(14%, mZ′ = 1500 GeV)을 유지한다.
• Fox–Wolfram 모멘트를 사용한 저운동량(pT) 모드가 pT,t = 150 GeV까지 태깅 커버리지를 확장하여 저속도 영역에서 감도 향상에 기여한다.
• 전체 알고리즘과 인터페이스는 HEPTopTagger2로 공개되었으며, 다양한 벤치마크 프로세스에서 성능 검증을 완료했다.