[论文解读] Calibration of the light-flavour jet mistagging efficiency of the $b$-tagging algorithms with $Z$+jets events using 139 $\mathrm{fb}^{-1}$ of ATLAS proton-proton collision data at $\sqrt{s} = 13$ TeV

Aad, Georges, Abbott, Braden Keim+2970 more|arXiv (Cornell University)|Jan 1, 2023

Particle physics theoretical and experimental studies被引用 4

一句话总结

本文利用 $√r s = 13$ TeV 下的 139 fb$^{-1}$ $pp$ 碰撞数据，采用数据驱动的方法对 ATLAS $b$-标签算法中的轻味喷注误判效率进行了标定。通过使用改进的‘翻转标签器’算法，并对 $Z$+ jets 事例中的喷注味敏感型二级顶点质量进行拟合，该方法同时校正了 $b$-喷注和轻味喷注的误判效率，降低了对重味喷注建模的不确定性，得到的标度因子在不确定度范围内与单位值一致。

ABSTRACT

The identification of $b$-jets, referred to as $b$-tagging, is an important part of many physics analyses in the ATLAS experiment at the Large Hadron Collider and an accurate calibration of its performance is essential for high-quality physics results. This publication describes the calibration of the light-flavour jet mistagging efficiency in a data sample of proton-proton collision events at $\sqrt{s}=13$ TeV corresponding to an integrated luminosity of 139 fb$^{-1}$. The calibration is performed in a sample of $Z$ bosons produced in association with jets. Due to the low mistagging efficiency for light-flavour jets, a method which uses modified versions of the $b$-tagging algorithms referred to as flip taggers is used in this work. A fit to the jet-flavour-sensitive secondary-vertex mass is performed to extract the scale factor from data, while simultaneously correcting the $b$-jet efficiency. With this procedure the heavy-flavour uncertainties are considerably lower than in previous calibrations of the mistagging scale factors, where they were dominant. The scale factors obtained in this calibration are consistent with unity within uncertainties.

研究动机与目标

• 提高 ATLAS Run 2 物理分析中使用的 $b$-标签算法中轻味喷注误判效率校准的准确性。
• 降低以往校准方法中由重味喷注建模主导的系统性不确定性。
• 利用 $Z$+jets 事例数据，同时校准 $b$-喷注效率和轻味喷注误判效率。
• 使用一种数据驱动的外推技术，在标称标签器与改进标签器响应之间进行方法验证。

提出的方法

• 利用 $√r s = 13$ TeV 下 139 fb$^{-1}$ 的 $pp$ 碰撞数据中的 $Z$+jets 事例，以增加误判轻味喷注的样本比例。
• 采用改进的‘翻转标签器’算法，降低 $b$-和 $c$-喷注的标签效率，同时保持轻味喷注误判效率不变。
• 对喷注味敏感的二级顶点质量分布进行拟合，以提取 $b$-喷注和轻味喷注误判效率的标度因子。
• 利用数据驱动的标度因子，在模拟中同时校正 $\varepsilon_b$ 和 $\varepsilon_{\text{light}}$，以降低建模不确定性。
• 应用标度因子定义 $\text{SF}_f = \varepsilon_f^{\text{data}} / \varepsilon_f^{\text{MC}}$ 来校正基于模拟的标签效率。
• 使用一种基于低层级算法修正的替代性数据驱动方法，验证标称标签器与翻转标签器响应之间的外推性能。

实验结果

研究问题

• RQ1 当数据样本主要由 $b$-喷注主导时，如何准确校准轻味喷注误判效率？
• RQ2 重味喷注建模带来的不确定性在多大程度上影响了以往的误判效率校准？
• RQ3 能否通过同时校准 $b$-喷注和轻味喷注误判效率来提高精度并降低系统性不确定性？
• RQ4 在误判效率校准的背景下，翻转标签器响应与标称标签器响应之间的外推效果如何？

主要发现

• 轻味喷注误判标度因子 ($\text{SF}_{\text{light}}$) 在不确定度范围内与单位值一致，表明校正后数据与模拟之间具有良好的一致性。
• 从数据中提取了 $b$-喷注效率标度因子 ($\text{SF}_b$)，减少了对基于模拟估计的依赖，降低了相关不确定度。
• 与以往校准方法相比，重味喷注建模带来的系统性不确定性显著降低，而以往该因素曾主导总不确定度。
• 使用 $Z$+jets 事例的校准方法使得可以使用未预触发的轻子触发，相比以往使用预触发单喷注触发的方法，提高了数据统计量和精度。
• $b$-喷注和轻味喷注误判效率的标度因子在不同喷注 $p_T$ 和 $\eta$ 区域均保持稳定，表明该方法具有鲁棒性。
• 数据驱动的验证方法确认，标称标签器与翻转标签器响应之间的外推是可靠的，支持了校准结果的一致性。