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