[논문 리뷰] Tau Reconstruction and Identification Performance at ATLAS

B. Gosdzik|DESY Publication Database (PUBDB) (Deutsches Elektronen-Synchrotron)|2010. 09. 30.

Particle physics theoretical and experimental studies참고 문헌 1인용 수 3

한 줄 요약

이 논문은 √s = 7 TeV에서 2010년 LHC 데이터를 사용하여 ATLAS 타우 재구성 및 식별 알고리즘의 성능을 평가한다. 컷 기반, 부스팅 결정수림(BDT), 및 가능도 기반 식별 방법을 제시하며, 데이터와 몬테카를로 시뮬레이션 간에 뛰어난 일치를 보이며, 타우 레프톤과 QCD 제트를 구별할 때 타이트 선택 조건에서 배경 기각 효율이 약 1.6%이며, 우수한 분리 능력을 확보한다.

ABSTRACT

For many signals in the Standard Model including the Higgs boson, and for new physics like Supersymmetry, $τ$ leptons represent an important signature. This work shows the performance of the ATLAS $τ$ reconstruction and identification algorithms. It will present a set of studies based on data taken in 2010 at a center-of-mass energy of $\sqrt{s}$ = 7 TeV. We measured some of the basic input quantities used for these identification methods from selected reconstructed $τ$ candidates and compared the results to the prediction of different Monte Carlo simulation models. For early data taking a cut-based identification method will be used. We also measured the background efficiency for the cut-based $τ$ identification.

연구 동기 및 목표

• 초기 LHC 데이터를 사용하여 ATLAS 타우 재구성 및 식별 알고리즘의 성능을 평가하기 위해.
• 타우 레프톤과 QCD 제트를 구별하는 데 있어 컷 기반, 부스팅 결정수림(BDT), 및 사영 가능도(LL) 식별 방법의 효과성을 평가하기 위해.
• 데이터를 사용하여 타우 식별의 배경 기각 효율을 측정하고 몬테카를로 예측과 비교하기 위해.
• 타우 식별 성능에 영향을 주는 전방향 운동량 보정 및 피로 효과에 기인한 체계적 불확실성의 크기를 정량화하기 위해.
• 향후 물리 분석을 위한 기초가 되는 주요 식별 변수들이 몬테카를로 시뮬레이션에 잘 기술되어 있는지 검증하기 위해.

제안 방법

• 타우 재구성은 트랙 기반 및 캘로리메터 기반 후보자를 사용하며, 임계값으로는 pT > 6 GeV, |η| < 2.5, 트랙의 경우 |d0| < 2 mm이며, 캘로리메터 클러스터의 경우 E_T > 10 GeV 및 |η| < 2.5이다.
• EM 반경과 트랙 반경을 포함한 일곱 개의 입력 변수를 사용하여 타우 레프톤과 QCD 제트를 구별하며, 정의는 특정 ΔR 영역 내 전방향 에너지 및 운동량 기반으로 한다.
• 커트 기반 식별은 R_EM, R_track, 및 f_trk,1 세 가지 변수를 사용하며, 신호 효율이 각각 30% (타이트), 50% (미디엄), 60% (로우)가 되도록 최적화된다.
• BDT 및 가능도 기반 식별 방법은 Pythia DW 테이너를 사용해 생성된 QCD 제트 몬테카를로 샘플을 기반으로 훈련 및 검증된다 (tev4lhc).
• 배경 효율은 데이터에서 측정되고 몬테카를로 예측과 비교되며, 관측된 타우 후보 수에 따라 정규화된다.
• 체계적 불확실성은 두 가지 pT 보정 방식(GCW 대 EM+JES) 간 비교 및 피로 효과의 대리 변수인 복수성(vertex multiplicity, n_vtx)에 대한 의존성 분석을 통해 평가된다.

실험 결과

연구 질문

• RQ1 ATLAS 타우 식별 알고리즘이 √s = 7 TeV에서 초기 LHC 데이터에서 QCD 제트를 얼마나 잘 기각하는가?
• RQ2 몬테카를로 시뮬레이션은 EM 반경 및 트랙 반경과 같은 주요 식별 변수의 분포를 얼마나 정확하게 예측하는가?
• RQ3 커트 기반 타우 식별의 타이트, 미디엄, 로우 작업 지점에서의 배경 기각 효율은 각각 얼마인가?
• RQ4 pT 보정 및 피로 효과에 기인한 체계적 불확실성은 타우 식별 알고리즘 성능에 어떤 영향을 미치는가?
• RQ5 BDT 및 가능도 기반 식별 방법은 데이터와 몬테카를로 시뮬레이션 간에 일관된 성능을 보이는가?

주요 결과

• 커트 기반 타우 식별은 타이트 선택 조건에서 데이터에서 배경 효율 (1.6 ± 0.3) × 10⁻²를 기록하였으며, 몬테카를로 예측값 1.9 × 10⁻²와 잘 일치한다.
• 로우 선택 조건에서는 데이터에서 배경 효율이 (3.2 ± 0.2) × 10⁻¹이며, 몬테카를로 예측값 3.4 × 10⁻¹과 매우 유사하다.
• 미디엄 선택 조건에서는 데이터에서 배경 효율이 (9.5 ± 1.0) × 10⁻²이며, 몬테카를로 예측값 9.9 × 10⁻²와 일치한다.
• 데이터에서 BDT 및 가능도 점수 분포는 QCD 제트 몬테카를로 예측과 매우 우수한 일치를 보이며, 식별 변수의 모델링이 신뢰할 수 있음을 시사한다.
• pT 보정에 기인한 체계적 불확실성은 작으며, GCW 및 EM+JES 방식 간 배경 효율 비율은 전반적인 pT 범위에서 10% 이내로 변동한다.
• 배경 효율은 복수성(n_vtx) 증가에 따라 증가하며, 피로 효과가 명백하게 나타나지만, 전체적으로 피로 조건 변화에 대해 성능이 안정되어 있다.