Krotki opis realizowanego
pomiaru
Przeprowadzona zostanie analiza pomiaru efektywności identyfikacji
elektronów
w detektorze ATLAS z wykorzystaniem
informacji z kształtu 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 w 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++, python oraz dokumentacja kodu
Dane eksperymentalne:
link
Dane Monte Carlo: link
Pakiet root: link
Opis opublikowanej analizy eksperymentu ATLAS
ktorej fragmenty
bedziemy chcieli zrealizowac, arXiv: 1110.3174
Uwaznie przeczytaj ta
publikacje, szereg pojec ktore beda Ci potrzebne
jest tam wyjasnionych.
Niektore definicje sa szczegolowo
opisane tez w pracy: link
Etapy analizy:
23.05.2022
------->
Zapoznanie sie z pakietem root
(tutorial), tworzenie prostych histogramów,
przygotowanie kodu dla wczytania danych oraz monte carlo
--> jakie zmienne dostępne w formacie danych i mc
(roznice)
--> prosta pętla zliczająca dostępną liczbę przypadków w danych i
mc
--> sprawdzenie czy w danych nie ma duplikacji eventów
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;
Root tutorials: link, link
Root user guide: link
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
Narysowac rozklady kinematyczne elektronow 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
plaszczyznie prostopadlej do osi beamu
--> charakterystyka przypadku (po wstepnej selekcji)
Float_t Etmiss;
- brakujaca energia w plaszczyznie poprzecznej
Float_t
massTransv - masa transversalna
elektronu i brakujace energii
Float_t
detphiMinIsol - kat azymutalny pomiedzy brakujaca
energia
a najblizszym jetem
--> jaki jest ladunek elektronu, czy spodziemy
sie asymetrii ladunkowej?
Float_t
el_charge;
-->
Czy rozklady elektronu sie
zmienia jezeli bedziesz zadal aby eletron
spelnial kryteria jakosciowe dla identyfikacji
elektronu
Użyj zmiennej:
Int_t
el_tight
i zażądaj aby spełniała warunek el_tight = 1
-->
Narysować rozkłady zmiennych identyfikacyjnych elektronów w danych i
Monte Carlo
zmienne charakteryzujace 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 charakteryzujace 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 sie
zmienia jeżeli będziesz żądał aby eletron
spełniał kryteria jakościowe dla
identyfikacji elektronu
Użyj zmiennej:
Int_t
el_tight
i zażądaj aby spełniała warunek el_tight = 1
30.05.2022
------->
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 calorymetryczna w stozku 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 spelniających warunek el_tight
==1
------->
Podłącz plik
#include "egammaPIDdefs.h"
Zbuduj template kształtu zmiennej dyskryminujacej 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 zażadaniu 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
14.06.2021 ------->
Kontynuuj
przygotowywanie kodu dla pomiaru efektywności.
Przykladowy
kod
dla
estymacji
sygnału i tła w obszarze synału:
subtraction.C
Błąd
efektywności
policz
metoda
zwykłej propagacji błędów zakładając
że
błędy
nie
są
skorelowane
Kontynuuj przygotowywanie kodu dla pomiaru
efektywności.
Przeprowadz
pomiar
dla
dwoch 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.
Ostatnia
modyfikacja:
4 kwiecien 2022
Elzbieta
Richter-Was
Wstecz
M