Labolatorium fizyki II: aparatura doświadczalna
Wydział Fizyki, Astronomii i Informatyki
Stosowanej,
Uniwersytet Jagielloński w Krakowie
Rok
akademicki
2012/2013
Konsultacje: piątek, godz. 14:00 - 15:00; pokój 446.
I termin: 29.01.2013, godz 12.30, pokój
446
II termin:
20.02.2013, godz 14.00, pokój 446
W ramach przedmiotu realizowana będzie
analiza danych eksperymentalnych
i symulowanych przy wykorzystaniu pakietu
ROOT.
Przeprowadzona zostanie analiza pomiaru
efektywności identyfikacji elektronów
w detektorze ATLAS z wykorzystaniem
informacji o kształcie depozytów energii
w kalorymetrze oraz charakterystyki
zrekonstruowanych śladów.
W oparciu o wykonany pomiar oraz dane
symulowane opracowane zostaną
tzw. czynniki skalujące "Data/MC" w postaci
2-wymiarowych tablic zależności
od energii poprzecznej oraz kąta
rekonstruowanego elektronu w stosunku do
kierunku wiązki.
Metoda pomiarowa: "in-situ" pomiar z
wykorzystaniem schematu tag-and-probe.
Zaliczenie przedmiotu:
-->
opracowanie pisemnego raportu ze zrealizowanego pomiaru (pref.
jez. angielski)
--> kod
programow w jez. C, C++ lub python oraz dokumentacja kodu
Dane eksperymentalne:
link
Dane Monte Carlo: link
Pakiet root: link
Wykłady na temat fizyki realizowanej
przez eksperymenty LHC
rok
2010/2011
rok
2011/2012
rok
2012/2013 zapraszam
na wyklad, sroda godz 17.30, sala 355
Tematy
ćwiczeń:
5.10.2012: Root lectures : link, (macro); link, (macro) ; link
Root tutorials:
link,
link
Root user guide: link
Zapoznanie sie z pakietem root (tutorial), tworzenie prostych
histogramów,
przygotowanie kodu dla wczytania danych oraz monte carlo
Przykladowe macro (dla początkujących) HowToReadTree.C
Ustawienie zmiennej środowiskowej:
export LD_LIBRARY_PATH = /usr/local/lib/root
setenv
LD_LIBRARY_PATH /usr/local/lib/root
12.10.2012:
Slides, publikacja,
Rozpoczynamy
analizę:
--> jakie zmienne dostępne w formacie danych i mc
(różnice)
--> prosta pętla zliczająca dostępną liczbę przypadków w danych i
mc
-->
sprawdzenie
czy
w
danych
nie
ma
duplikacji
przypadków
Int_t
RunNumber;
Int_t
EventNumber;
--> statystyka wg. tzw. RunNumber (tabelka), ile przypadków
dla każdego
z plikow .root
--> statystyka wg informacji o odpowiedzi triggera (tabelka)
Bool_t
EF_g20_etcut_xe30_noMu;
Bool_t
EF_xs60_noMu_L1EM10XS45;
Bool_t
EF_xs75_noMu_L1EM10XS50;
Bool_t
EF_e13_etcut_xs60_noMu;
Bool_t
EF_e13_etcut_xs60_noMu_dphi2j10xe07;
Bool_t
EF_g20_etcut;
Bool_t
EF_g11_etcut;
Bool_t
EF_e15_tight;
Bool_t
EF_e20_medium;
--> krotność zrekonstruowanych wierzchołków z 3 śladami
(histogram)
Int_t
count3vx;
19.10.2012:
Narysować rozkłady kinematyczne elektronów w
danych i w Monte Carlo:
-->zmienne kinematyczne elektronu
Float_t
el_cl_Et - energia poprzeczna
wyliczona na podstawie informacji
z kalorymetru
Float_t
el_cl_eta - pseudorapidity
Float_t
el_cl_phi
-
kat
azymutalny
w
płaszczyźnie prostopadłej do osi beamu
-->
charakterystyka
przypadku
(po
wstępnej selekcji)
Float_t Etmiss;
- brakująca energia w płaszczyźnie poprzecznej
Float_t
massTransv - masa transversalna
elektronu i brakujace energii
Float_t
detphiMinIsol
-
kat
azymutalny
pomiędzy brakującą energia
a najbliższym jetem
--> jaki jest ładunek elektronu, czy
spodziewamy sie asymetrii ładunkowej?
Float_t
el_charge;
-->
Porownaj rozklady w danych in Monte Carlo po zastosowaniu
dodatkowego warunku: detphiMinIsol
> 2.5
Czy
rozkłady elektronu sie zmienia jeżeli zażądamy aby elektron
spełniał kryteria jakościowe dla identyfikacji elektronu
Użyj zmiennej:
Int_t
el_tight
i zażądaj aby spełniała warunek el_tight = 1
26.10.2012:
narysować rozkłady zmiennych identyfikacyjnych elektronów w danych i
Monte Carlo
zmienne
charakteryzujące zrekonstruowany ślad
Int_t
el_nBLHits;
Int_t
el_nPixHits;
Int_t
el_nSCTHits;
Int_t
el_nTRTHits;
Int_t
el_nSiHits;
Float_t el_TRTHighTHitsRatio;
zmienne
charakteryzujące klaster kalorymetryczny
Float_t el_f1;
Float_t el_f3;
Float_t el_etas1;
Float_t el_etas2;
Float_t el_weta2;
Float_t el_Emax2;
Float_t el_emaxs1;
Float_t el_wstot;
Float_t el_Ethad;
Float_t el_Ethad1;
Float_t el_reta;
Float_t el_rphi;
Czy rozkłady elektronu się
zmienia jeżeli będziesz żądał aby elektron
spełniał kryteria jakościowe dla
identyfikacji elektronu
Użyj zmiennej:
Int_t
el_tight
i zażądaj aby spełniała warunek el_tight = 1
9.11.2012:
------->
Dla elektronów w Monte Carlo wprowadź dodatkowy warunek
bool isLooseMatch = false;
bool isDirectMatch = false;
if( !isDATA && (el_origin == 12 ) )
isDirectMatch = true;
if( !isDATA && (el_origin == 12 ) )
isLooseMatch = true;
if( !isDATA &&
(el_type == 4 && el_originbkg == 40 ) ) isLooseMatch =
true;
if( !isDATA &&
(el_type == 4 && el_originbkg == 12 ) ) isLooseMatch =
true;
if( !isDATA &&
!isLooseMatch ) continue;
// checking on charge
asymmetry
// if( !isDATA && !isDirectMatch ) continue;
// only direct match + correct
charge
// if( !isDATA &&
el_charge != chargeWBoson ) continue;
Dla elektronów w danych i Monte Carlo wprowadź dodatkowy warunek
// remove events with non-good quality tracks
if( el_nPixHits < 1 || el_nSiHits < 7 ) continue;
Narysuj rozkłady 2D (massTransv/1000., Etmiss/1000.) przed i po
dodatkowej selekcji
------->
Zbuduj rozkład dyskryminujący
signal i tło.
Użyj
energie
kalorymetryczna w stożku dR<0.4 jako takiej zmiennej
Float_t el_Etcone40
Zrob histogram el_Etcone40/et w zakresie (-0.2,1.5). Porównaj jak
wygląda
ten rozkład dla elektronów w danych oraz Monte Carlo.
Porównaj
też
rozkłady
dla
elektronów
spełniających warunek el_tight ==1
------->
Podłącz plik
#include "egammaPIDdefs.h"
Zbuduj
template
kształtu
zmiennej
dyskryminującej w przypadkach tła używając warunku:
int passTRTratio=0; int passHadLeak=0; int passWSTOT =0;
if( (el_isEM & egammaPID::BIT25) == 0) )
passTRTratio =1;
if( (el_isEM & egammaPID::BIT2) == 0)
) passHadLeak =1;
if( (el_isEM & egammaPID::BIT11) == 0) )
passWSTOT =1;
template tła dla mianownika (probes)
if( !passTRTratio && ! passWSTOT )
template tła dla
licznika (selected)
if( !passTRTratio && ! passWSTOT
&& passHadLeak)
Oszacuj ile tła należy odjać w danych, normalizując template tła dla
cięcia
el_Etcone40/elEt > 0.40
Dokonaj
odjęcia
tła
przed
i
po
zażądaniu warunku identyfikacji elektronu.
Policz efektywność
identyfikacji elektronu dla spełnienia warunku
a) el_loose == 1;
b) el_medium == 1;
c) el_tight == 1;
WAŻNE: podaj wynik z błędem statystycznym
(zastosuj propagację błędu)
Porównaj efektywność zmierzoną w danych oraz w Monte Carlo.
Dla Monte Carlo załóż że wszystkie elektrony pochodzą od sygnału,
czyli
nie dokonujesz odjęcia tła
16.11.2012: Kontynuuj przygotowywanie kodu dla pomiaru
efektywności.
Przykładowy kod dla estymacji sygnału i tła w obszarze synalu: subtraction.C
Błąd efektywności policz metoda zwykłej propagacji błędów zakładając
że błędy nie są skorelowane
23.11.2012: Kontynuuj przygotowywanie kodu dla pomiaru
efektywności.
Przeprowadź pomiar dla dwóch zakresów energii poprzecznej elektronu
el_cl_Et
=
35-40
GeV
oraz
el_cl_Et
=
15-50
GeV
w binach pseudorapidity:
el_cl_eta = (-2.47, -1.52), (-1.37,
-0.80),(-0.80,0.80),(0.80,1.37),(1.52,2.47)
Otrzymane wyniki liczbowe przedstaw w tabeli.
Narysuj
na
wykresie
(histogram)
mierzoną
efektywność
i
jej
bląd w funkcji eta.
Na
tym
samym
wykresie
narysuj
również
wyniki
otrzymane
z Monte
Carlo.
30.11.2012: Materiały do sprawozdania: link
7.12.2012:
14.12.2012: Przykłady rozkładów kinematycznych, tabelek ze
statystyka. link
21.12.2012: Przykłady do liczenia błędu pomiarowego: link
4.01.2013:
11.01.2013:
18.01.2013:
25.01.2013:
Materialy
uzupełniające
3.
ATLAS Collaboration,
Expected
Performance of the ATLAS Experiment -
Detector, Trigger and Physics.
arXiv:0901.0512
4. I.Vingerter, Calorimetry
Lectures
given at 2011 CERN-Fermilab
Summer School
lecture
1,
lecture2
5. O. Arnaez, Data and MC
comparisons for electrons and photons
in ATLAS Detector,
talk given at
the Simulation
Workshop, CERN, October 2011
slides
6. P. Govoni, Data
Analysis
Lectures given at
2011CERN-Fermilab
Summer School
lecture1,
lecture2,
lecture3
7. K. Stenson, Tracking and Particle
Identification
Lectures given at
2011 CERN-Fermilab
Summer School
lecture1,
lecture2
Ostatnia
modyfikacja:
3 październik 2012
Elzbieta
Richter-Was
Wstecz
M