[论文解读] Methods for a blind analysis of isobar data collected by the STAR collaboration

STAR Collaboration, J. Adam+355 more|arXiv (Cornell University)|Nov 1, 2019

High-Energy Particle Collisions Research参考文献 12被引用 11

一句话总结

本文详细描述了STAR实验在2018年收集的同量异角碰撞数据的两阶段盲分析程序，旨在防止研究人员在检测手征磁效应（CME）信号时产生偏倚。该方法采用数据混合与变量级盲化，通过模拟数据挑战进行验证，确保在最终解盲前分析的完整性，仅允许在解盲后进行错误修正。

ABSTRACT

In 2018, the STAR collaboration collected data from $_{44}^{96}Ru+_{44}^{96}Ru$ and $_{40}^{96}Zr+_{40}^{96}Zr$ at $\sqrt{s_{NN}}=200$ GeV to search for the presence of the chiral magnetic effect in collisions of nuclei. The isobar collision species alternated frequently between $_{44}^{96}Ru+_{44}^{96}Ru$ and $_{40}^{96}Zr+_{40}^{96}Zr$. In order to conduct blind analyses of studies related to the chiral magnetic effect in these isobar data, STAR developed a three-step blind analysis procedure. Analysts are initially provided a "reference sample" of data, comprised of a mix of events from the two species, the order of which respects time-dependent changes in run conditions. After tuning analysis codes and performing time-dependent quality assurance on the reference sample, analysts are provided a species-blind sample suitable for calculating efficiencies and corrections for individual $\approx30$-minute data-taking runs. For this sample, species-specific information is disguised, but individual output files contain data from a single isobar species. Only run-by-run corrections and code alteration subsequent to these corrections are allowed at this stage. Following these modifications, the "frozen" code is passed over the fully un-blind data, completing the blind analysis. As a check of the feasibility of the blind analysis procedure, analysts completed a "mock data challenge," analyzing data from $Au+Au$ collisions at $\sqrt{s_{NN}}=27$ GeV, collected in 2018. The $Au+Au$ data were prepared in the same manner intended for the isobar blind data. The details of the blind analysis procedure and results from the mock data challenge are presented.

研究动机与目标

• 通过实施严格的盲分析程序，防止在同量异角碰撞数据的分析中产生研究人员偏倚。
• 确保在重离子碰撞中搜索手征磁效应（CME）信号的分析完整性。
• 开发并验证一个能够处理高能物理背景下盲化数据样本的计算与分析框架。
• 建立解盲后修正的协议，以保持分析的透明度与一致性。
• 在真实数据分析前，利用模拟数据测试盲化程序的可行性。

提出的方法

• 实施两阶段盲化程序：首先在数据采集运行之间混合两种同量异角核素（96Zr + 96Mo）的事件，然后对可能标识同量异角类型的具体变量进行盲化。
• 使用确定性且可复现的算法将事件分配至盲化数据样本，确保分析团队无法从数据结构推断出同量异角类型。
• 使用2018年√sNN = 27 GeV的实测Au+Au数据开展模拟数据挑战，以测试盲化流程与分析软件。
• 提供三种数据样本：混合盲化（来自多个运行的事件）、未混合盲化（单个运行文件中变量已盲化）和未盲化（完全解密的数据）。
• 要求分析人员在盲化样本上调整其分析代码，并在未盲化样本上验证结果，以确认一致性。
• 仅允许校准专家访问未盲化数据，且他们被排除在盲化物理分析之外，以保持客观性。

实验结果

研究问题

• RQ1 两阶段盲分析程序是否能有效防止在数据分析过程中识别同量异角核素？
• RQ2 所提出的盲化方法在计算上是否可行，并可在STAR合作组内实现可复现？
• RQ3 模拟数据挑战是否能成功验证真实数据分析前的分析流程与软件？
• RQ4 如何在保持物理分析盲化的同时维护校准的完整性？
• RQ5 解盲后修正的规则与程序是什么，以确保分析的透明度与有效性？

主要发现

• 两阶段盲分析程序——包括事件混合与变量级盲化——已成功实施，并在数据采集前获得STAR理事会批准。
• 模拟数据挑战表明，该盲化程序在计算上可行且在分析上有效，盲化、未混合盲化与未盲化数据样本的结果保持一致。
• 分析团队能够在盲化数据上调整其代码与选择判据，并在未盲化数据上复现结果，证实了该方法的一致性与可靠性。
• 校准专家被授予有限访问未盲化数据的权限，用于必要的校准任务，但被排除在盲化物理分析之外，以保持客观性。
• 解盲后的修正仅限于算术错误或未按既定程序执行的非预期偏差，所有此类更改均被记录并保留结果。
• 仅在解盲后发布一组最终结果，消除了初步或冲突结果的可能性，从而确保了分析的完整性。