[论文解读] Fast simulation of the CEPC detector with Delphes

Cheng Chen, Xin Mo+5 more|arXiv (Cornell University)|Dec 27, 2017

Particle physics theoretical and experimental studies参考文献 8被引用 7

一句话总结

本文提出了一种基于Delphes框架的CEPC探测器快速模拟工具包，其性能已通过全量Geant4模拟进行了验证。该工具包在关键物理分布（如二轻子和二光子不变质量）上表现出极佳的一致性，证明其在CEPC现象学研究中的可靠性，包括利用机器学习实现的b/c-夸克喷注识别。

ABSTRACT

Fast simulation tools are highly appreciated in particle physics phenomenology studies, especially in the exploration of the physics potential of future experimental facilities. The Circular Electron Positron Collider is a proposed Higgs and Z factory that can precisely measure the Higgs boson properties and the electroweak precision observables. A fast-simulation toolkit dedicated to the CEPC detector has been developed using Delphes. The comparison shows that this fast simulation tool is highly consistent with the full simulation, on a set of benchmark distributions. Therefore, we recommend this fast simulation toolkit for CEPC phenomenological investigations.

研究动机与目标

• 开发适用于CEPC探测器的快速模拟工具包，以支持高效的物理解释研究。
• 通过关键物理可观测量，将快速模拟的性能与基于全量Geant4模拟的结果进行验证。
• 在Delphes框架中实现并集成基于机器学习的b/c-夸克喷注识别模块，以支持CEPC研究。
• 确保快速模拟能准确建模粒子流重建、喷注能量分辨率以及味标签信息。

提出的方法

• 对Delphes框架进行适配，以模拟CEPC探测器的几何结构，包括混合式跟踪器（VXD、硅探测器、TPC）、高颗粒度量能器以及3.5 T超导螺线管磁铁。
• 实现了粒子流重建原理，将带电粒子分配至跟踪器，中性粒子分配至量能器，以提升动量与能量分辨率。
• 通过基准过程对快速模拟进行标定：$e^+e^- \to \mu^+\mu^-H$、$\nu\bar{\nu}H \to \gamma\gamma$、$\nu\bar{\nu}H \to WW^*$ 以及 $ZH \to 4q$。
• 将LCFIPlus中的多分类BDT判别器集成至Delphes，用于计算喷注的$P_b$、$P_c$和$P_{\text{light}}$，实现先进的味标签识别。
• 通过对比快速模拟与全量模拟的关键分布（如二μ子质量、二光子质量、反冲质量、喷注对质量）来验证快速模拟的性能。
• 在$ZH \to 4q$事例中采用$\chi^2$最小化方法进行喷注配对，以重建Z玻色子与希格斯玻色子，并比较其不变质量分布。

实验结果

研究问题

• RQ1 与全量Geant4模拟相比，基于Delphes的快速模拟在多大程度上能准确再现CEPC物理过程中的关键运动学分布？

主要发现

• 在$e^+e^- \to \mu^+\mu^-H$事例中，快速模拟与全量模拟在二μ子不变质量与反冲质量分布上表现出极佳的一致性。
• 尽管未考虑光子转换效应，快速模拟仍能良好地建模$H \to \gamma\gamma$通道中的光子能量分辨率。
• 在$e^+e^- \to \nu\bar{\nu}H \to WW^*$事例中，可见质量与缺失质量分布的快速模拟与全量模拟高度一致。
• 在$ZH \to 4q$事例中，快速模拟与全量模拟的喷注对不变质量分布高度吻合，且在$M_{j_1j_2}$与$M_{j_3j_4}$空间中的散射模式相似。
• b、c与轻夸克喷注的二维$P_b$与$P_c$分布显示，快速模拟与全量模拟之间具有极好的一致性，验证了基于机器学习的味标签方法的有效性。
• 由于其高保真度与计算效率，该快速模拟工具包被推荐用于CEPC物理解释研究。