Skip to main content
QUICK REVIEW

[论文解读] Expected Performance of the ATLAS Experiment - Detector, Trigger and Physics

the Atlas Collaboration, G. Aad|ArXiv.org|Dec 28, 2008
Particle physics theoretical and experimental studies被引用 557
一句话总结

本文通过基于模拟的研究,全面评估了大型强子对撞机(LHC)初期运行阶段ATLAS探测器的预期性能,重点关注追踪、轻子与光子重建、缺失能量、喷注、b夸克喷注标记以及触发系统。研究评估了探测器对标准模型过程及超出标准模型的新物理的敏感度,特别是在LHC初始运行阶段的表现,为物理发现潜力提供了关键基准。

ABSTRACT

A detailed study is presented of the expected performance of the ATLAS detector. The reconstruction of tracks, leptons, photons, missing energy and jets is investigated, together with the performance of b-tagging and the trigger. The physics potential for a variety of interesting physics processes, within the Standard Model and beyond, is examined. The study comprises a series of notes based on simulations of the detector and physics processes, with particular emphasis given to the data expected from the first years of operation of the LHC at CERN.

研究动机与目标

  • 评估ATLAS探测器在重建关键物理对象(如轨迹、轻子、光子、喷注和缺失能量)方面的预期性能。
  • 评估在LHC运行条件下b夸克喷注标记与触发系统的效率和分辨率。
  • 量化ATLAS对标准模型过程及超出标准模型的新物理的物理敏感度。
  • 基于详细的蒙特卡洛模拟,为LHC运行初期提供基准性能评估。
  • 在数据采集前,为探测器优化与物理分析策略提供指导。

提出的方法

  • 利用真实的LHC对撞条件,对ATLAS探测器几何结构与响应进行了广泛的蒙特卡洛模拟。
  • 模拟框架包括对追踪、电磁量能器和μ子谱仪的完整探测器建模,配备详细的刻度与对准模型。
  • 实现了轨迹、轻子、光子、喷注和缺失横向能量的重建算法,并通过模拟事例进行了验证。
  • 采用先进的喷注味分类技术及基于模拟的效率/分辨率研究,评估了b标记性能。
  • 开发了触发路径模拟,以模拟实时物理事例选择过程,包括硬件与软件阈值。
  • 通过模拟信号与背景过程(包括希格斯玻色子产生及多种新物理模型)评估了物理敏感度。

实验结果

研究问题

  • RQ1ATLAS探测器中电子、μ子、光子和喷注的重建效率与分辨率预期如何?
  • RQ2在LHC早期运行阶段,ATLAS触发系统在选择稀有或高pT物理事例方面表现如何?
  • RQ3在真实的堆叠条件下,b标记在识别底夸克喷注方面的性能如何?
  • RQ4在质心系能量为7 TeV时,ATLAS对标准模型希格斯玻色子产生与衰变模式的敏感度如何?
  • RQ5对超对称与额外规范玻色子等新物理模型,ATLAS的发现潜力与探测范围如何?

主要发现

  • ATLAS探测器对电子与μ子的重建效率预计超过95%,高pT轻子的动量分辨率在1%-2%以内。
  • 对于E_T > 20 GeV的光子,重建效率超过90%,孤立光子的能量分辨率约为1.5%。
  • 在100 GeV能量下,喷注能量分辨率预计约为5%,有效b标记效率约为70%,轻夸克误标率为15%。
  • 触发系统预计在选择高pT电子与光子方面保持高效率(>90%),同时有效抑制QCD多喷注背景。
  • 在7 TeV质心系能量下,ATLAS对H → bb̄衰变道的希格斯玻色子敏感度预计在约100 pb⁻¹积分亮度下达到5σ显著性。
  • 探测器对新物理具有显著的发现潜力,包括在多种末态中质量高达约1.5 TeV的超对称粒子。

更好的研究,从现在开始

从论文设计到论文写作,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。