[论文解读] Run II jet physics

G. Blazey, R. Hirosky+10 more|arXiv (Cornell University)|May 9, 2000

Computational Fluid Dynamics and Aerodynamics被引用 120

一句话总结

本文为CDF和DO实验在Run II期间提出了标准化的喷注寻找算法，建议对锥形算法和kT算法采用完全相同的实现方式，以确保一致性并最小化理论和实验偏差。文章强调使用完整的四维动量变量，并解决了校准、种子选择和预聚类等问题，以提高不同实验之间喷注测量的可重现性和准确性。

ABSTRACT

The Run II jet physics group includes the Jet Algorithms, Jet Shape/Energy Flow, and Jet Measurements/Correlations subgroups. The main goal of the jet algorithm subgroup was to explore and define standard Run II jet finding procedures for CDF and DO. The focus of the jet shape/energy flow group was the study of jets as objects and the energy flows around these objects. The jet measurements/correlations subgroup discussed measurements at different beam energies; strong coupling constant measurements; and LO, NLO, NNLO, and threshold jet calculations. As a practical matter the algorithm and shape/energy flow groups merged to concentrate on the development of Run II jet algorithms that are both free of theoretical and experimental difficulties and able to reproduce Run I measurements. Starting from a review of the experience gained during Run I, the group considered a variety of cone algorithms and KT algorithms. The current understanding of both types of algorithms, including calibration issues, are discussed in this report along with some preliminary experimental results. The jet algorithms group recommends that CDF and DO employ the same version of both a cone algorithm and a KT algorithm during Run II. Proposed versions of each type of algorithm are discussed. The group also recommends the use of full 4-vector kinematic variables whenever possible. The recommended algorithms attempt to minimize the impact of seeds in the case of the cone algorithm and preclustering in the case of the KT algorithm. Issues regarding precluster definitions and merge/split criteria require further study.

研究动机与目标

• 为CDF和DO在Run II实验中建立一致的喷注寻找流程。
• 解决喷注算法实现中的理论和实验挑战，包括种子选择和预聚类效应。
• 在保持与Run I测量兼容的同时，提高算法的鲁棒性。
• 推荐统一的锥形和kT算法方法，以支持跨实验的比较。
• 最小化算法伪影（如种子依赖性和合并/分裂模糊性）对喷注重建的影响。

提出的方法

• 基于Run I经验，对锥形和kT算法进行了对比性回顾，以指导Run II的算法选择。
• 评估了多种锥形和kT算法变体，重点关注校准、稳定性和可重现性。
• 建议使用完整的四维动量变量以提高精度并减少系统误差。
• 分析了kT算法中的预聚类问题和锥形算法中的种子依赖性问题，以减少算法偏差。
• 所提出的算法版本旨在最小化对初始条件和聚类选择的敏感性。
• 强调将算法组与形状/能量流组整合，以简化开发流程并确保一致性。

实验结果

研究问题

• RQ1 哪种喷注寻找算法——锥形或kT——在鲁棒性、可重现性和与Run I数据的兼容性之间达到最佳平衡？
• RQ2 在Run II中，如何最小化锥形算法中的种子依赖性和kT算法中的预聚类影响？
• RQ3 为确保CDF和DO之间的一致性，最优的校准和动量变量选择是什么？
• RQ4 如何设计Run II喷注算法，使其既能重现Run I测量结果，又能提高精度？
• RQ5 kT算法中的预聚类和合并/分裂决策应依据哪些标准？

主要发现

• 该小组建议CDF和DO使用相同版本的锥形算法和kT算法，以确保一致性。
• 强烈推荐使用完整的四维动量变量，以提高精度并减少系统效应。
• 锥形和kT算法均经过优化，以减少对种子选择和预聚类伪影的敏感性。
• 初步的实验结果支持所提出算法版本的可行性与稳定性。
• 算法组与形状/能量流组的整合，使开发路径更加连贯和聚焦。
• 预聚类定义和合并/分裂标准相关的问题仍需进一步研究。