[论文解读] Measurement of CollinearDrop jet mass and its correlation with SoftDrop groomed jet substructure observables in $\sqrt{s}=200$ GeV $pp$ collisions by STAR

Y. Song|arXiv (Cornell University)|Jul 15, 2023

Particle physics theoretical and experimental studiesPhysics and Astronomy被引用 3

一句话总结

本研究首次在STAR实验中对√s=200 GeV的pp碰撞中测量了共线下垂喷注质量及其与SoftDrop去壳喷注亚结构可观测量的相关性。利用多变量机器学习去卷积方法（MultiFold），研究发现更高的共线下垂质量分数会增强非微扰贡献，并揭示了去壳程度与首次硬分裂的角尺度之间存在反相关性，从而通过早期软广角辐射效应为部分子喷注动力学提供了新见解。

ABSTRACT

Jet substructure variables aim to reveal details of the parton fragmentation and hadronization processes that create a jet. By removing collinear radiation while maintaining the soft radiation components, one can construct CollinearDrop jet observables, which have enhanced sensitivity to the soft phase space within jets. We present a CollinearDrop jet measurement, corrected for detector effects with a machine learning method, MultiFold, and its correlation with groomed jet observables, in $pp$ collisions at $\sqrt{s}=200$ GeV at STAR. We demonstrate that the population of jets with a large non-perturbative contribution can be significantly enhanced by selecting on higher CollinearDrop jet mass fractions. In addition, we observe an anti-correlation between the amount of grooming and the angular scale of the first hard splitting of the jet.

研究动机与目标

• 为了探测喷注中软广角辐射的相空间，该相空间在标准SoftDrop测量中被抑制。
• 将共线下垂喷注质量（ΔM/M）作为部分子喷注早期阶段非微扰辐射的代理量。
• 研究共线下垂质量与SoftDrop可观测量（Rg，zg）之间的相关性，以理解早期辐射如何约束后续分裂动力学。
• 利用创新的多维去卷积技术，验证事件生成器预测（PYTHIA8，HERWIG7）与数据的一致性。
• 展示MultiFold机器学习方法在纠正探测器效应的同时，有效保持喷注亚结构可观测量多维相关性的有效性。

提出的方法

• 测量共线下垂质量分数ΔM/M = (M - Mg)/M，其中M为未去壳喷注质量，Mg为SoftDrop去壳后质量。
• 采用SoftDrop去壳参数(zcut, β) = (0.01, 0)，有效测量因软广角辐射导致的质量损失。
• 使用MultiFold机器学习去卷积方法纠正探测器效应，同时保持多个喷注亚结构可观测量之间的相关性。
• 该方法在一维分布中与RooUnfold进行对比验证，并应用于二维及更高维的相关性测量。
• 喷注重建使用TPC轨迹和BEMC簇集，选取20 < pT < 30 GeV/c的喷注，排除M = Mg的喷注以增强小ΔM的可见性。
• 额外测量了μ = max(M1, M2)/Mg以探测硬分裂中的质量分配，通过贝叶斯去卷积进行修正。

实验结果

研究问题

• RQ1 共线下垂质量分数ΔM/M所捕获的软广角辐射量，与首次硬分裂的角尺度Rg之间存在何种相关性？
• RQ2 首次硬分裂的动量不平衡zg与非微扰质量贡献ΔM/M之间有何关系？
• RQ3 像PYTHIA8和HERWIG7这样的事件生成器在多大程度上能准确描述共线下垂与SoftDrop可观测量之间的观测相关性？
• RQ4 MultiFold机器学习去卷积方法是否能有效保持喷注亚结构测量中的多维相关性，同时纠正探测器效应？
• RQ5 早期辐射如何通过ΔM/M、Rg和zg之间的相互作用，约束后续部分子喷注分裂的相空间？

主要发现

• 观察到SoftDrop去壳程度与首次硬分裂角尺度Rg之间存在反相关性，与部分子喷注中的角有序性一致。
• Rg较大的喷注表现出更尖锐的ΔM/M分布，且峰值位于小值区域，表明广角分裂为额外去壳留下的空间较小。
• Rg较小的喷注表现出更宽的ΔM/M分布，表明窄角分裂允许更大的去壳变化，可能由于早期软辐射所致。
• 随着ΔM/M增大，zg分布趋于平坦，表明较大的非微扰质量贡献与首次分裂中的动量不平衡较小相关。
• PYTHIA8 Detroit和HERWIG7 H7.1-Default参数档能够描述数据的一般趋势，但在小ΔM区域与HERWIG存在部分张力。
• 对μ的测量显示其对Rg的依赖性弱于ΔM/M，且与PYTHIA6 STAR参数档和PYTHIA8 Monash参数档描述良好，表明窄角分裂传递的虚质量更少。