[논문 리뷰] Monte Carlo tuning and generator validation

A. G. Buckley, Hendrik Hoeth외 3명|ArXiv.org|2009. 05. 30.

Advanced Measurement and Metrology Techniques참고 문헌 2인용 수 4

한 줄 요약

이 논문은 $e^+e^-$, Drell-Yan, 그리고 Tevatron 최소 복사 데이터와의 일치도를 향상시키기 위해 Pythia 6.4 이벤트 생성기의 매개변수를 최적화하기 위한 체계적인 몬테카를로 캘리브레이션 전략을 Professor 프레임워크를 사용하여 제시한다. 이 방법은 다항식 응답 모델링을 활용하여 10–30개의 상관관계가 있는 매개변수에 대해 효율적이고 결정적인 매개변수 최적화를 가능하게 하며, 기존의 것들보다 더 나은 성능을 보이는 새로운 검증된 테이너를 도출한다. 이는 기본 이벤트 활동, 제트 형상, 하드론화 관측량을 더 잘 기술한다.

ABSTRACT

We present the Monte Carlo generator tuning strategy followed, and the tools developed, by the MCnet CEDAR project. We also present new tuning results for the Pythia 6.4 event generator which are based on event shape and hadronisation observables from e+e- experiments, and on underlying event and minimum bias data from the Tevatron. Our new tunes are compared to existing tunes and to Peter Skands' new "Perugia" tunes.

연구 동기 및 목표

• 수동적이고 경험에 의존하는 조정에 의존도를 줄이며, 몬테카를로 이벤트 생성기의 캘리브레이션을 체계적이고 재현 가능한 전략으로 개발하기 위해.
• 다양한 물리 과정에서 상호 연관성이 높은 매개변수(10–30개)를 Pythia 6.4에서 최적화하는 데 도전하는 것.
• 단일 분포가 아닌 광범위한 관측량에 걸쳐 일致성을 확보하여 이벤트 생성기의 예측 능력을 향상시키기 위해.
• 이벤트 형상, 기본 이벤트 활동, 최소 복사 측정치를 포함한 다양한 실험 데이터와의 비교를 통해 신규 생성기 테이너를 검증하기 위해.
• LHC 실험들이 맞춤형으로 시간이 많이 소요되는 캘리브레이션을 수행하는 대신 사용할 수 있는 표준화되고 공개 가능한 캘리브레이션 프레임워크(PYTUNE)를 제공하기 위해.

제안 방법

• 이벤트 생성기 출력을 매개변수의 함수로 표현하기 위해 두차항 다항식 응답 모델을 사용하여 빠르고 결정적인 최적화를 가능하게 한다.
• 지정된 매개변수 점에서 생성된 이벤트 실행의 격자 구조를 활용하여 다항식 계수를 피팅하기 위한 연립방정식 시스템을 구성함으로써, 확률적 방법에서 흔히 발생하는 국소 최소값을 피한다.
• 분해형, 기본 이벤트, 파르톤 쇼워 등의 물리적으로 의미 있는 집합으로 매개변수를 그룹화하여 차원을 줄이고 수렴성을 향상시킨다.
• Professor 캘리브레이션 시스템을 사용하여 $e^+e^-$ 결합(이벤트 형상, 분해), Drell-Yan, 그리고 Tevatron 최소 복사 이벤트의 데이터를 기반으로 Pythia 6.4를 캘리브레이션한다.
• 새로운 테이너를 Pythia 6.420 이상 버전에서 사용 가능한 PYTUNE 인터페이스에 통합하여 LHC 실험들이 널리 접근할 수 있도록 보장한다.
• Rivet를 사용하여 기존 테이너들(예: ATLAS, Rick Field)과 Peter Skands의 Perugia 테이너들과의 비교를 통해 관측량 전반에 걸쳐 표준화된 검증을 수행한다.

실험 결과

연구 질문

• RQ1 몬테카를로 이벤트 생성기 캘리브레이션을 어떻게 체계적이고 재현 가능하며 다수의 상관관계가 있는 매개변수에 대해 확장 가능하게 만들 수 있는가?
• RQ2 강력한 계산 또는 수동 조정에 의존하지 않고, 다항식 응답 모델이 다양한 관측량에 걸쳐 생성기 행동을 얼마나 정확하게 예측할 수 있는가?
• RQ3 새로운 Pythia 6.4 테이너는 기존 테이너들과 Perugia 시리즈와 비교해 기본 이벤트 활동과 제트 형상에 대해 얼마나 잘 기술하는가?
• RQ4 새로운 캘리브레이션 전략이 다수의 데이터 세트와 일치하는 동시에 LHC 물리 분석에 적합한 생성기 테이너를 생성할 수 있는가?
• RQ5 새로운 다중 상호작용(MPI) 모델을 도입할 경우 최소 복사 및 기본 이브트 데이터와의 일치도에 어떤 영향을 미치는가?

주요 결과

• Professor 캘리브레이션 시스템은 다항식 응답 모델링을 통해 10–30개의 상관관계가 있는 매개변수에 대해 Pythia 6.4의 자동화되고 결정적인 캘리브레이션을 성공적으로 가능하게 하였다.
• p_{\perp}-순서 쇼워와 새로운 MPI 모델을 기반으로 한 신규 테이너는 Drell-Yan 기본 이브트 데이터와 더 나은 일치도를 보이며, 특히 트랙 다중도의 $p_{\perp}$-의존성에서 뚜렷한 향상이 있었다.
• 신규 MPI 모델은 Drell-Yan 이벤트에서 기본 이브트 활동을 과소평가하고 있으나, 업데이트된 매개변수를 적용한 $p_{\perp}$-순서 쇼워 테이너는 이전 테이너들보다 실험 데이터와 더 잘 일치하였다.
• p_{\perp}$-순서 쇼워와 업데이트된 매개변수를 사용한 신규 테이너(예: PARP(64) = 1.3, PARP(82) = 1.85)는 기본 테이너나 ATLAS 테이너보다 Tevatron 최소 복사 데이터와 더 나은 일치도를 보였다.
• 가상성 순서 쇼워와 업데이트된 매개변수를 사용한 신규 테이너(예: PARP(62) = 2.9, PARP(83) = 0.83)는 $e^+e^-$ 이벤트 형상 및 분해 관측량과의 일치도가 향상되었다.
• 모든 신규 테이너는 Pythia 6.420+에서 사용 가능한 PYTUNE 인터페이스를 통해 공개되어 있으며, 시간을 절약하고 일致성을 확보하기 위해 맞춤형 캘리브레이션을 수행하는 것보다 이들을 강력히 권장한다.