[论文解读] LHCO_reader: A new code for reading and analyzing detector-level events stored in LHCO format

Andrew Fowlie|arXiv (Cornell University)|Oct 25, 2015

Particle physics theoretical and experimental studies参考文献 1被引用 3

一句话总结

LHCO_reader 是一个 Python 模块，可简化从 Delphes 和 PGS 等模拟中读取和分析 LHCO 格式的探测器级事件。它支持直观的面向对象事件操作、运动学变量计算（例如，$\alpha_T$，$m_{T2}$），以及基于筛选条件的分析，通过用户友好的原生 Python 接口实现，性能足以在标准硬件上处理最多约 100,000 个事件。

ABSTRACT

We present a new Python module - LHCO_reader - for reading detector-level events in LHCO format generated from detector-simulators such as PGS and Delphes. Emphasis is placed upon ease of use. The module is installed via pip. Once installed, one can read and scrutinize events, with helpful functions and classes for cutting, plotting and inspecting events, and manipulating four-momenta by e.g. boosting. Implementing complicated analyses should be straight-forward by coding any cuts into Python. Furthermore, common kinematic variables, including $α_T$ and razor are included out of the box, and $m_{T2}$ and $m_{T2}^W$ are provided by interfaces with external libraries.

研究动机与目标

• 提供一个用户友好的、基于 Python 的工具，用于读取和分析 LHCO 格式的探测器级事件。
• 简化高能物理分析中复杂事件选择与运动学筛选的实现。
• 支持 LHCO 格式文件以及通过自动转换的 Delphes ROOT 文件。
• 提供内置函数以支持常见分析，包括 $\alpha_T$、razor、$m_{T2}$ 和 $m_{T2}^{W}$。
• 通过直观的面向对象方式访问事件数据，实现交互式、高级别的分析。

提出的方法

• 该模块使用自定义解析器读取 LHCO 格式的事件文件，将列映射到事件对象属性，如 $p_T$、$\eta$、$\phi$ 和不变质量。
• 它提供基于类的事件结构，可通过类型（如 'electron'、'jet'）访问粒子，并提供排序、筛选和获取四维动量的方法。
• 运动学变量（如 $H_T$、$\not{H}_T$、$\alpha_T$ 和 razor）可直接通过事件对象的内置函数计算。
• 通过与外部库的接口，支持 $m_{T2}$ 和 $m_{T2}^{W}$，实现高级缺失能量分析。
• 包含用于绘图、统计粒子类型、计算角度间隔以及使用 lambda 函数应用筛选条件的工具。
• 通过性能分析和代码级优化，实现每 10,000 个事件加载耗时约 351 毫秒，基本筛选操作耗时约 0.3 秒。

实验结果

研究问题

• RQ1 如何使基于 Python 的高阶编程语言在高能物理分析中，更易于实现对 LHCO 格式探测器级事件的交互式、可访问分析？
• RQ2 与 C++ 等编译语言相比，使用 Python 进行事件分析的性能权衡如何？
• RQ3 基于 Python 的工具能否高效处理高达 100,000 个事件的现实事件样本，以支持分析原型开发？
• RQ4 像 $\alpha_T$、$m_{T2}$ 和 razor 这样的常见 LHC 分析变量，能否被高效集成到模块化、可重用的框架中？
• RQ5 一个工具在多大程度上能够同时支持原生 LHCO 文件和转换后的 Delphes ROOT 文件？

主要发现

• LHCO_reader 在标准计算机上加载 10,000 个事件约需 351 毫秒，性能足以支持最多约 100,000 个事件的交互式分析。
• 对 tau 介子数量等基本事件筛选操作，每 10,000 个事件耗时约 0.3 秒，表明其具备高效的过滤能力。
• 多变量分析（包括 $\eta$、$p_T$ 和不变质量筛选）的综合接受度为 2%，置信区间为 [0.01658, 0.01932]（95% 置信水平）。
• 该模块成功支持直接读取 LHCO 输入，并能自动将 Delphes ROOT 文件转换为 LHCO 格式以供分析。
• 像 $\alpha_T$、razor、$m_{T2}$ 和 $m_{T2}^{W}$ 这样的常见变量可开箱即用，或通过外部库集成获得。
• 面向对象的设计使用户能够通过定义 lambda 函数或命名函数来自定义筛选条件，在纯 Python 中实现任意分析。