[论文解读] Tau Reconstruction and Identification Performance at ATLAS

B. Gosdzik|DESY Publication Database (PUBDB) (Deutsches Elektronen-Synchrotron)|Sep 30, 2010

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

一句话总结

本论文利用√s = 7 TeV的2010年LHC数据，评估了ATLAS底夸克事例重建与识别算法的性能。论文提出了基于切割、提升决策树（BDT）和似然比的识别方法，展示了数据与蒙特卡罗模拟之间出色的符合度，紧致选择下的背景排斥效率约为1.6%，且对底夸克事例与QCD喷注的分离能力良好。

ABSTRACT

For many signals in the Standard Model including the Higgs boson, and for new physics like Supersymmetry, $τ$ leptons represent an important signature. This work shows the performance of the ATLAS $τ$ reconstruction and identification algorithms. It will present a set of studies based on data taken in 2010 at a center-of-mass energy of $\sqrt{s}$ = 7 TeV. We measured some of the basic input quantities used for these identification methods from selected reconstructed $τ$ candidates and compared the results to the prediction of different Monte Carlo simulation models. For early data taking a cut-based identification method will be used. We also measured the background efficiency for the cut-based $τ$ identification.

研究动机与目标

• 利用早期LHC数据评估ATLAS底夸克事例重建与识别算法的性能。
• 评估基于切割、提升决策树（BDT）和投影似然（LL）识别方法在区分底夸克轻子与QCD喷注方面的有效性。
• 通过数据测量底夸克识别的背景排斥效率，并与蒙特卡罗预测进行比较。
• 量化横动量校准与堆叠效应带来的系统性不确定度对识别性能的影响。
• 验证关键识别变量在蒙特卡罗模拟中的描述是否准确，以支持后续的物理分析。

提出的方法

• 底夸克事例重建使用基于轨迹和基于电磁簇的候选事例，阈值为：pT > 6 GeV，|η| < 2.5，且轨迹的|d0| < 2 mm；电磁簇的E_T > 10 GeV，|η| < 2.5。
• 使用七个输入变量（包括EM半径和轨迹半径）来区分底夸克轻子与QCD喷注，其定义基于特定ΔR区域内横向能量与动量的分布。
• 基于切割的识别方法使用三个变量：R_EM、R_track和f_trk,1，分别针对信号效率为30%（紧致）、50%（中等）和60%（宽松）进行优化。
• BDT与基于似然比的识别方法使用Pythia DW调谐（tev4lhc）生成的QCD喷注蒙特卡罗样本进行训练与验证。
• 在数据中测量背景效率，并与蒙特卡罗预测进行比较，归一化至观测到的底夸克候选事例数量。
• 通过比较两种pT校准方案（GCW与EM+JES）以及对顶点多重性（n_vtx）的依赖性（作为堆叠效应的代理），评估系统性不确定度。

实验结果

研究问题

• RQ1 在√s = 7 TeV的早期LHC数据中，ATLAS底夸克识别算法在排斥QCD喷注方面的表现如何？
• RQ2 蒙特卡罗模拟在多大程度上准确预测了EM半径和轨迹半径等关键识别变量的分布？
• RQ3 基于切割的底夸克识别在紧致、中等和宽松工作点下的背景排斥效率是多少？
• RQ4 来自pT校准与堆叠效应的系统性不确定度如何影响底夸克识别算法的性能？
• RQ5 BDT与基于似然比的识别方法在数据与蒙特卡罗模拟之间是否表现出一致的性能？

主要发现

• 基于切割的底夸克识别在紧致选择下，数据中的背景效率为(1.6 ± 0.3) × 10⁻²，蒙特卡罗预测为1.9 × 10⁻²。
• 在宽松选择下，数据中的背景效率为(3.2 ± 0.2) × 10⁻¹，与蒙特卡罗预测的3.4 × 10⁻¹非常接近。
• 中等选择下，数据中的背景效率为(9.5 ± 1.0) × 10⁻²，与蒙特卡罗预测的9.9 × 10⁻²一致。
• 数据中BDT与似然比得分分布与QCD喷注蒙特卡罗预测高度一致，表明识别变量的建模可靠。
• 来自pT校准的系统性不确定度较小，GCW与EM+JES方案下背景效率的比值在所有pT范围内变化小于10%。
• 背景效率随顶点多重性（n_vtx）增加而上升，表明存在可测量的堆叠效应，但整体性能在不同堆叠条件下保持稳定。