[논문 리뷰] A Wavelet Based Pile-Up Mitigation Method for the LHC Upgrade

J. Monk, C. Wiglesworth외 1명|arXiv (Cornell University)|2018. 12. 18.

Particle physics theoretical and experimental studies참고 문헌 23인용 수 7

한 줄 요약

이 논문은 고광도 LHC를 위한 웨이블릿 기반의 피킹업 완화 방법을 제안하며, 피킹업을 웨이블릿 도메인에서 백색 잡음으로 모델링하여 배경 충돌을 걸러내는 방식을 사용한다. 이 방법은 중간에서 높은 운동량 영역에서 신호 입자를 피킹업에서 효과적으로 분리하며, 동적 임계값과 충전 입자 트래킹 정보를 활용함으로써 성능이 향상되어 μ ≈ 300일 때조차도 강력한 신호 유지와 피킹업 거부 성능을 보여준다.

ABSTRACT

Collision experiments at the Large Hadron Collider suffer from the problem of pile-up, which is the read-out of multiple simultaneous background proton-proton collisions per beam-crossing. We introduce a pile-up mitigation technique based on wavelet decomposition. Pile-up is treated as a form of white noise, which can be removed by filtering beam-crossing events in the wavelet domain. The particle-level performance of the method is evaluated using a sample of simulated proton-proton collision events that contain Z bosons decaying to a pair of neutrinos, overlaid with pile-up. In the wavelet representation, the pile-up noise level is found to grow with the square root of the number of background proton-proton collisions.

연구 동기 및 목표

• LHC에서 고광도 양성자-양성자 충돌에서 여러 겹쳐진 사건으로 인해 물리적 서명이 가려지는 문제를 해결한다.
• 사전 정의된 각도 척도나 입자 분류에 의존하지 않는 다중 척도, 국소적이지 않은 피킹업 완화 방법을 개발한다.
• 신호 활동이 보이지 않고 QCD 유사한 Z→νν 붕괴 채널에서 피킹업과의 신호 입자 분리 성능을 평가한다.
• HL-LHC에 관련된 고μ 환경에서 웨이블릿 기반의 잡음 필터링이 피킹업 완화에 가능함을 입증한다.
• 웨이블릿 분해와 충전 입자 트래킹을 조합하여 신호-피킹업 분리 성능 향상을 탐색한다.

제안 방법

• 독립적인 충돌에서 기인하는 상관관계가 없는 기여로 인해, 각도 척도에 걸쳐 포isson 분포를 따르는 변동성을 가진 백색 잡음으로 피킹업을 모델링한다.
• 이벤트 데이터를 빠르기-아자이무(ry–ϕ) 도메인에서 이산 웨이블릿 변환(DWT)을 적용하여 웨이블릿 계수 공간으로 변환함으로써 다중 척도 분석을 가능하게 한다.
• 고정된 수준 이하의 웨이블릿 계수를 거부하는 평탄한 임계값 알고리즘을 적용하여, 낮은 진폭의 계수를 피킹업 잡음으로 간주한다.
• 지역 잡음 수준에 맞춰 적응하는 동적 임계값 알고리즘을 구현하여, 신호 유지율 향상과 피킹업 거부 성능 향상을 달성한다.
• 웨이블릿 도메인에서 신호 영역 식별을 정밀화하기 위해 충전 입자 트래킹 정보를 통합함으로써 더 엄격한 필터링을 가능하게 한다.
• 입자 다중도와 운동량 합을 관측량으로 사용하여, pT 밴드 간의 신호 기여와 피킹업 기여를 비교함으로써 성능을 평가한다.

실험 결과

연구 질문

• RQ1 웨이블릿 분해가 각도 척도 가정 없이 고다중도 LHC 이벤트에서 신호 입자를 피킹업에서 효과적으로 분리할 수 있는가?
• RQ2 μ가 300에 이르는 수준까지 증가함에 따라 웨이블릿 기반 피킹업 완화의 성능은 어떻게 변화하는가?
• RQ3 고정 임계값 대비 웨이블릿 도메인에서 동적 임계값을 사용할 경우, 신호 유지율과 피킹업 거부 성능 향상 정도는 어느 정도인가?
• RQ4 웨이블릿 도메인에서 충전 입자 트래킹 정보를 통합할 경우, 신호-피킹업 분리 정확도는 어떻게 향상되는가?
• RQ5 신호가 최종 상태 입자가 없어 보이지 않는 도전적인 신호 과정인 Z→νν에서 이 방법은 여전히 효과적인가?

주요 결과

• 웨이블릿 기반 방법은 피킹업을 백색 잡음으로 효과적으로 모델링하며, 배경 충돌 수(μ)의 제곱근 비례로 잡음 전력이 증가함을 보였다.
• μ = 100일 때 동적 임계값 알고리즘이 r_cut > 0.6에서 1 < pT < 4 GeV 영역에서 신호 우세성을 달성하였으며, 평탄한 임계값 방법보다 뚜렷한 향상을 보였다.
• pT > 4 GeV 영역에서는 거의 모든 신호 입자를 유지하면서 피킹업의 90% 이상을 거부하여 고pT 영역에서 강력한 성능을 보였다.
• ROC 곡선 분석 결과, 상단 왼쪽 영역에서 신호 유지율이 최대화되고 피킹업 거부율이 최소화되었으며, 고pT 및 μ = 50–300 범위에서 더 뛰어난 성능을 보였다.
• 충전 입자 트래킹 정보 통합으로 모든 μ 값과 pT 영역에서 ROC 성능이 향상되었으며, 신호 손실 없이 더 엄격한 필터링이 가능했다.
• 이 방법은 고μ 환경에서도 효과적으로 스케일업되어 μ ≈ 300일 때조차도 유의미하고 효과적인 성능을 유지하여, HL-LHC 및 그 이후에 적합한 것으로 입증되었다.