[论文解读] Treatment of top-quark backgrounds in extreme phase spaces: the "top $p_{T}$ reweighting" and novel data-driven estimations in ATLAS and CMS

L. Serkin|arXiv (Cornell University)|May 9, 2021

Particle physics theoretical and experimental studies参考文献 2被引用 4

一句话总结

本文提出了「top $p_{\mathrm{T}}$ 重加权」技術，用於修正蒙特卡洛模擬中top夸克橫向動量的誤建模問題，顯著提升了ATLAS與CMS實驗中模擬與LHC數據的一致性。此外，本文還引入了創新性的資料驅動方法，用於估算極端相空間（如高噴射多重性與高 $p_{\mathrm{T}}$）中的 $t\overline{t}$ 背景，減少對不確定模擬的依賴，並提升對標準模型之外新物理的敏感度。

ABSTRACT

The top quark plays an important role in searches for physics beyond the SM, both as a dominant background and as a key signature for the signal. The most notable feature found in the top physics analyses in both ATLAS and CMS Collaborations: the disagreement between simulation and data of the top quark $p_{T}$ spectrum - is highlighted. A reweighting procedure which significantly improves the agreement between simulation and data, also known as the "top $p_{T}$ reweighting", is summarised. Commonly raised points concerning the reweighting to fixed-order predictions are discussed, and several refined approaches are mentioned. An overview of several data-driven methods developed and used to estimate the $t\bar{t}$ background in regions with large jet and b-jet multiplicities and/or high top quark $p_{T}$ is presented.

研究动机与目标

• 解決LHC中 $t\overline{t}$ 事件內模擬與觀測到的top夸克 $p_{\mathrm{T}}$ 能譜之間長期存在的差異。
• 透過提升蒙特卡洛模擬的保真度，降低top夸克測量與搜尋中的系統性不確定性。
• 發展並驗證資料驅動技術，用於估算在模擬不可靠的高多重性與高 $p_{\mathrm{T}}$ 區域中的 $t\overline{t}$ 背景。
• 透過最小化模擬依賴的系統性不確定性，使在極端相空間中對標準模型之外新物理的搜尋更具魯棒性。

提出的方法

• 根據測量的微分截面與NLO+PS蒙特卡洛預測的比值，對模擬的 $t\overline{t}$ 事件進行經驗重加權。
• 以固定階QCD與電弱修正（NNLO QCD與NLO EW）作為重加權的參考預測，以提升模擬與數據的一致性。
• 實施資料驅動的背景估計技術，如 $t\overline{t}$ 不變質量譜的函數擬合與基於核的二維模板構建。
• 利用控制區域與ABCD方法，搭配校正因子，估計信號類似區域中的 $t\overline{t}$ 產率，無需依賴模擬。
• 透過變更擬合函數、模板形態與噴射 $p_{\mathrm{T}}$ 譜假設，進行系統性不確定性評估。
• 在多個觀測量（例如 top $p_{\mathrm{T}}$ 與 $t\overline{t}$ 系統質量）上測試迭代重加權，以考慮高能尾部的相關性。

实验结果

研究问题

• RQ1 基於固定階計算的 top $p_{\mathrm{T}}$ 重加權，在 $t\overline{t}$ 事件中能在多大程度上改善模擬與數據之間的一致性？
• RQ2 在模擬不可靠的高多重性與高 $p_{\mathrm{T}}$ 區域中，資料驅動背景估計技術的表現如何？
• RQ3 資料驅動 $t\overline{t}$ 背景估計中的主要不確定性來源為何？它們又如何被量化？
• RQ4 與單變數重加權相比，對 top $p_{\mathrm{T}}$ 與 $t\overline{t}$ 系統質量進行二維重加權是否能提升模擬的準確性？
• RQ5 ATLAS 與 CMS 在高能搜尋中對 top $p_{\mathrm{T}}$ 重加權與資料驅動估計的處理方式有何差異？

主要发现

• 基於 NNLO QCD + NLO EW 預測的 top $p_{\mathrm{T}}$ 重加權顯著改善了模擬與數據之間的一致性，降低了建模系統性不確定性。
• 該重加權程序在 ATLAS 與 CMS 的解析與強子化（boosted）區域中，均有效減少了觀測到的 top 夸克 $p_{\mathrm{T}}$ 譜差異。
• 資料驅動方法如函數擬合與基於核的模板構建，成功在極端相空間中模擬了 $t\overline{t}$ 背景，其不確定性經由控制樣本驗證。
• 在 $Z^\prime \to t\overline{t}$ 探測中，透過平滑擬合從資料導出的背景譜與標準模型預期在不確定性範圍內一致。
• 在使用 $b$-tagging 獨立性假設的 $t\overline{t}t\overline{t}$ 探測中，系統性變化的結果一致，驗證了該方法的可靠性。
• 結合校正因子的ABCD方法有效處理了殘留相關性，實現了在SUSY搜尋中可靠的 $t\overline{t}$ 估計，並經由控制區域研究確認。