Algorytmy rekonstrukcji dżetów w CMS

Podobne dokumenty
Badanie właściwości przypadków produkcji dżet-przerwa w rapidity-dżet na Wielkim Zderzaczu Hadronów

r. akad. 2008/2009 V. Precyzyjne testy Modelu Standardowego w LEP, TeVatronie i LHC

Wyznaczanie efektywności mionowego układu wyzwalania w CMS metodą Tag & Probe

WYKŁAD 8. Wszechświat cząstek elementarnych dla przyrodników

Fizyka do przodu Część 2: przegląd wyników z CMS

LEPTON TAU : jako taki, oraz zastosowania. w niskich i wysokich energiach. Zbigniew Wąs

Jak działają detektory. Julia Hoffman

1. Liczby wymierne. x dla x 0 (wartością bezwzględną liczby nieujemnej jest ta sama liczba)

Hierarchiczna analiza skupień

Theory Polish (Poland)

1. Wcześniejsze eksperymenty 2. Podstawowe pojęcia 3. Przypomnienie budowy detektora ATLAS 4. Rozpady bozonów W i Z 5. Tło 6. Detekcja sygnału 7.

Metoda Karnaugh. B A BC A

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

Korekcja energii dżetów w eksperymencie CMS

Jak to działa: poszukiwanie bozonu Higgsa w eksperymencie CMS. Tomasz Früboes

System wyzwalania i filtracji w eksperymencie ATLAS na LHC

Algorytm SAT. Marek Zając Zabrania się rozpowszechniania całości lub fragmentów niniejszego tekstu bez podania nazwiska jego autora.

Fizyka cząstek elementarnych warsztaty popularnonaukowe

Sieci Kohonena Grupowanie

WYKŁAD 8. Wszechświat cząstek elementarnych dla przyrodników. Maria Krawczyk, Wydział Fizyki UW

Data Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu

Programowanie w VB Proste algorytmy sortowania

Jeszcze o algorytmach

Struktura porotonu cd.

Wstęp do programowania

Wykrywanie anomalii w zbiorze danych o dużym wymiarze

Grupowanie Witold Andrzejewski, Politechnika Poznańska, Wydział Informatyki 201/633

Marcin Kucharczyk Zakład XVII

Struktura protonu. Elementy fizyki czastek elementarnych. Wykład IV

ĆWICZENIE NR 1. Część I (wydanie poprawione_2017) Charakterystyka licznika Geigera Műllera

Sortowanie. Bartman Jacek Algorytmy i struktury

LHC i po co nam On. Piotr Traczyk CERN


Zestaw C-11: Organizacja plików: Oddajemy tylko źródła programów (pliki o rozszerzeniach.cpp i.h)!!! Zad. 1: Zad. 2:

PL B1. POLITECHNIKA LUBELSKA, Lublin, PL BUP 26/14. TOMASZ KLEPKA, Lublin, PL WUP 12/16. rzecz. pat.

Zestaw A-1: Organizacja plików: Oddajemy tylko źródła programów (pliki o rozszerzeniach.adb i.ads)!!! Zad. 1: 4,3,3 2,2,1 Zad. 2: 3,3,3 Zad.

Jeśli czas działania algorytmu zależy nie tylko od rozmiaru danych wejściowych i przyjmuje różne wartości dla różnych danych o tym samym rozmiarze,

Wstęp do oddziaływań hadronów

Geometria. Hiperbola

Algorytmy sortujące i wyszukujące

Badanie rozkładu pola magnetycznego przewodników z prądem

OPTYKA GEOMETRYCZNA I INSTRUMENTALNA

Kompresja danych Streszczenie Studia Dzienne Wykład 10,

PL B1. POLITECHNIKA LUBELSKA, Lublin, PL BUP 03/14. ZBIGNIEW PATER, Turka, PL JANUSZ TOMCZAK, Lublin, PL

Uogólniony model układu planetarnego

STATYCZNA PRÓBA SKRĘCANIA

Rozpraszanie elektron-proton

Luty 2001 Algorytmy (4) 2000/2001

Ćwiczenie: "Zagadnienia optyki"

LABORATORIUM FIZYKI PAŃSTWOWEJ WYŻSZEJ SZKOŁY ZAWODOWEJ W NYSIE. Ćwiczenie nr 8 Temat: Obserwacja i analiza linii sił pola magnetycznego.

Algorytmy i struktury danych

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

Eksperyment ALICE i plazma kwarkowo-gluonowa

Jak działają detektory. Julia Hoffman

W poszukiwaniu sensu w świecie widzialnym

PORÓWNANIE NARZĘDZI DOSTĘPNYCH W OBSZARZE ROBOCZYM SZKICOWNIKA NX Z POLECENIAMI ZAWARTYMI W ANALOGICZNEJ PRZESTRZENI GEOMETRYCZNEJ CATIA V5

Technologie cyfrowe. Artur Kalinowski. Zakład Cząstek i Oddziaływań Fundamentalnych Pasteura 5, pokój 4.15

WYKŁAD 3 WYPEŁNIANIE OBSZARÓW. Plan wykładu: 1. Wypełnianie wieloboku

Eksperyment CMS w oczekiwaniu na wiązki: plany poszukiwania Nowej Fizyki. Część 1

LHC: program fizyczny

TEORETYCZNE PODSTAWY INFORMATYKI

Twój wynik: 4 punktów na 6 możliwych do uzyskania (66,67 %).

Materiały dla finalistów

Plan wykładu. Wykład 3. Rzutowanie prostokątne, widoki, przekroje, kłady. Rzutowanie prostokątne - geneza. Rzutowanie prostokątne - geneza

Matematyka A kolokwium 26 kwietnia 2017 r., godz. 18:05 20:00. i = = i. +i sin ) = 1024(cos 5π+i sin 5π) =

0. OpenGL ma układ współrzędnych taki, że oś y jest skierowana (względem monitora) a) w dół b) w górę c) w lewo d) w prawo e) w kierunku do








Przykładowe zadania/problemy egzaminacyjne. Wszystkie bezwymiarowe wartości liczbowe występujące w treści zadań podane są w jednostkach SI.

MECHANIKA 2 KINEMATYKA. Wykład Nr 5 RUCH KULISTY I RUCH OGÓLNY BRYŁY. Prowadzący: dr Krzysztof Polko

Agnieszka Nowak Brzezińska

Algorytmy Równoległe i Rozproszone Część V - Model PRAM II

ROZWINIĘCIA POWIERZCHNI STOPNIA DRUGIEGO W OPARCIU O MIEJSCA GEOMETRYCZNE Z ZA- STOSOWANIEM PROGRAMU CABRI II PLUS.

Eksploracja danych. Grupowanie. Wprowadzanie Definicja problemu Klasyfikacja metod grupowania Grupowanie hierarchiczne. Grupowanie wykład 1

Wyznaczanie stosunku e/m elektronu

SYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska

th- Zakład Zastosowań Metod Obliczeniowych (ZZMO)

Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta

4. Funkcje. Przykłady

Grafika 2D. Animacja Zmiany Kształtu. opracowanie: Jacek Kęsik

Strategia "dziel i zwyciężaj"

Artur Kalinowski WYBRANE ASPEKTY POSZUKIWA BOZONU HIGGSA Z MODELU STANDARDOWEGO W ZDERZENIACH PROTON PROTON W EKSPERYMENCIE CMS PRZY LHC

Stosowana Analiza Regresji

Krzyżówka oraz hasła do krzyżówki. Kalina R., Przewodnik po matematyce dla klas VII-VIII, część IV, SENS, Poznań 1997, s

Metody numeryczne I Równania nieliniowe

Analiza skupień. Analiza Skupień W sztucznej inteligencji istotną rolę ogrywają algorytmy grupowania

java.util.* :Kolekcje Tomasz Borzyszkowski

operacje porównania, a jeśli jest to konieczne ze względu na złe uporządkowanie porównywanych liczb zmieniamy ich kolejność, czyli przestawiamy je.

( F ) I. Zagadnienia. II. Zadania

Przestrzeń algorytmów klastrowania

Dydaktyka matematyki III-IV etap edukacyjny (wykłady)

Klasyfikatory: k-nn oraz naiwny Bayesa. Agnieszka Nowak Brzezińska Wykład IV

PRZEKROJE RYSUNKOWE CZ.1 PRZEKROJE PROSTE. Opracował : Robert Urbanik Zespół Szkół Mechanicznych w Opolu

Programowanie dynamiczne

4/4/2012. CATT-Acoustic v8.0

Transkrypt:

Algorytmy rekonstrukcji dżetów w CMS Michał Szleper Zebranie analizy fizycznej, 31.01.2011

Główny cel rekonstrukcji dżetów: ustanowienie ścisłego związku pomiędzy: - wielkościami mierzonymi bezpośrednio w detektorze, - kinematyką cząstek w stanie końcowym, - kinematyką zdarzenia na poziomie partonowym. Czego oczekujemy od dobrego algorytmu rekonstrukcji: - maksymalnej efektywności matchowania zrekonstruowanych dżetów do twardych partonów w każdym zdarzeniu, - maksymalnej czystości matchowania, - maksymalnej rozdzielczości w określeniu pt,, macierzystego partonu, - szybkiego działania,

Czego oczekujemy od dobrego algorytmu rekonstrukcji cd.: Stabilności względem: - dodatkowych miękkich cząstek należących do dżetu ( Infrared Safety ), - rozsądnych wariacji w depozytach energii w detektorze i kształcie klastrów ( Collinear Safety ), - kolejności 4-wektorów wejściowych, - dodania miękkich cząstek pochodzących z efektów typu pile-up i underlying event.

* Algorytmy stożkowe Dwa główne rodzaje algorytmów: - Przykłady: Iterative Cone (CMS), MidPoint Cone (TeVatron), SISCone (LHC), - Przypisują obiekty do kolejnych obiektów wiodących (o największej energii) na zasadzie geometrycznej, - Na ogół nie są Infrared- & Collinear Safe - oprócz SISCone, - Nielubiane przez teoretyków: brak bezpośredniego przełożenia algorytmu na fizyczny przebieg zdarzenia na poziomie partonowym, - Dotychczas powszechnie używane w eksperymentach przy zderzaczach hadronowych z powodu rozsądnej szybkości rekonstrukcji. * Algorytmy sekwencyjnego klastrowania (rekombinacji) - Przykłady: kt, Cambridge/Aachen, Anty-kT, - Grupują kolejno obiekty najbliższe sobie według geometrii i pt, - Infrared- & Collinear Safe z konstrukcji, - Popierane przez teoretyków przybliżona inwersja procesów radiacji w QCD, - Powszechnie używane przy zderzaczach e+e- i ep, - Problem z szybkością rekonstrukcji przy dużej liczbie obiektów (niedobre dla LHC) - obecnie rozwiązany.

* Algorytm Iterative Cone: * Algorytm Midpoint Cone: 1) Wybiera obiekt wiodący o nawiększym pt, 2) Zbiera obiekty wewnątrz stożka o promieniu R wokół obkietu wiodącego, 3) Przelicza oś dżetu i ponownie grupuje obiekty wewnątrz stożka R wokół nowej osi, 4) Itd. aż stożek (dżet) będzie stabilny, 5) Usuwa wszystkie użyte obiekty z listy dostępnych obiektów i powtarza całą procedurę dla pozostałych obiektów, 6) Itd. aż do wyczerpania listy obiektów. - Nie jest Infrared Safe ani Collinear Safe! - Szybki i prosty używany przez CMS w HLT. 1) Podobny do Iterative Cone, 2) Raz użyte obiekty nie są usuwane z listy - uwzględnia możliwość zachodzenia dżetów na siebie, 3) Dodatkowo grupuje obiekty wokół punktów pośrednich pomiędzy dżetami leżącymi od siebie bliżej niż 2R, 4) Jeśli energia w obszarze zachodzenia jest większa niż 50% energii mniejszego dżetu, dżety są łączone w jeden, w przeciwnym wypadku energia jest dzielona według wzajemnych odległości od osi. - Częściowo zapewnia Infrared Safety, - Nie jest Collinear Safe, - Może pozostawiać niesklastrowane obiekty.

Co to jest Collinear Safety problem Przykład: działanie algorytmu stożkowego z promieniem R Zbiór obiektów wejściowych Zrekonstruowane dżety Obiekt 1: y=0., =0.0*R, pt=130 GeV, Obiekt 2: y=0., =0.7*R, pt=200 GeV, Obiekt 3: y=0., =1.5*R, pt=90 GeV Dżet 1: y=0., =0.65*R Obiekt 1: y=0., =0.0*R, pt=130 GeV, Obiekt 2a: y=0., =0.7*R, pt=120 GeV, Obiekt 2b: y=0., =0.7*R, pt=80 GeV, Obiekt 3: y=0., =1.5*R, pt=90 GeV Dżet 1: y=0., =0.42*R Dżet 2: y=0., =1.5*R

* Algorytm Seedless Infrared Safe Cone (SISCone) 1) Nie sortuje obiektów według energii, 2) Dla danego obiektu wybiera wszystkie obiekty wewnątrz stożka R, 3) Dla każdej pary obiektów definiuje dwa nowe stożki o promieniu R, 4) Stożek jest stabilny jeśli zawiera te same obiekty wewnątrz promienia R od własnej osi, 5) Definiowane są wszystkie możliwe stabilne stożki, następnie łączone i dzielone w dżety jak w algorytmie MidPoint Cone. * Algorytm kt 1) Dla każdego obiektu liczy jego odległość od osi wiązki i od innych obiektów: 2) Szukana jest najmniejsza wartość, 3) Jeśli jest to któreś z d_ij, oba obiekty i,j są łączone w jeden, 4) Jeśli jest to d_ib, obiekt jest traktowany jak dżet i usuwany z listy dostępnych obiektów, 5) Itd. aż do wyczerpania listy obiektów. O(N^3) -> O(N logn)

Porównanie szybkości algorytmów

Efektywności algorytmów i rodzielczości w pt

Rozdzielczość w i

Uogólnienie algorytmu kt: algorytmy Cambridge/Aachen i anty-kt p=1: standardowy algorytm kt p=0: algorytm Cambridge/Aachen Obiekty są klastrowane czysto geometrycznie, bez patrzenia na pt algorytm mało zbadany. p=-1: algorytm anty-kt Klastrowanie zaczyna się od twardych obiektów, które zbierają miękkie wewnątrz promienia R wokół siebie. Tylko twarde obiekty wpływają na poprzeczny kształt dżetów. Działanie podobne do algorytmów stożkowych, ale bez problemów typowych dla tych algorytmów.

Kształty dżetów w różnych algorytmach Granica w połowie odległości Twardszy dżet definiuje kształt granicy

Jet area / R^2 W algorytmie anty-kt powierzchnia izolowanego dżetu wynosi R^2 i nie zależy od pt

Algorytm anty-kt ma najlepsze matchowanie Purity = N_reco_matched / N_reco Anti-kT Cone kt SISCone Anti-kT Cone Efficiency = N_truth_matched / N_truth kt SISCone

Algorytm anty-kt jest szybki i wyjątkowo stabilny względem efektów pileup i underlying event pt_pileup - pt_no_pileup Różnica w pt zrekonstruowanych dżetów wprowadzona na skutek dodania pile-up

Konkluzja Algorytm anty-kt jest uważany w CMS za najlepszego kandydata do zastąpienia dotychczas używanych algorytmów stożkowych, w szczególności SISCone.