Etalonnage In-Situ Détermination de l’Echelle d’énergie des jets Reconstruction/calibration In-situ calibrations Masse du Top et JES D. PALLIN Blaise Pascal Univ./ LPC Clermont-FD PAF 2007 Seignosse D. Pallin PAF2007 ; Seignosse

Jet reconstruction in the ATLAS calorimeter documentation sur la reconstruction/calibration des jets dans https://twiki.cern.ch/twiki/bin/view/Atlas/IntroductionToHadronicCalibration Reconstruction PHASE 1 Towers (/ Clusters) reconstruction Jet reconstruction Choix input (towers/(or topoclusters)/particles jet) Choix algo (‘standard’: sur Tower, seeded iterative cone jets avec split/merge,E-scheme) Choix taille jet suppression bruit electronique, ... Calorimeter jet =>Jet Non calibré D. Pallin PAF2007 ; Seignosse

Jet reconstruction in the ATLAS calorimeter documentation sur la reconstruction/calibration des jets dans https://twiki.cern.ch/twiki/bin/view/Atlas/IntroductionToHadronicCalibration Reconstruction PHASE 2 Jet calibration to particle jet (corr effets detector) e/h compensation, corrections (dead material) Global Jet calibration ( absolute scale calib.) Tune Di-jet MC to Data Match thruth particle jets and reco jets and fit calibration function in E,  ( standard: H1 style) Or (Local Hadron calib) To particle jet => Jet calibré D. Pallin PAF2007 ; Seignosse

Jet reconstruction in the ATLAS calorimeter documentation sur la reconstruction/calibration des jets dans https://twiki.cern.ch/twiki/bin/view/Atlas/IntroductionToHadronicCalibration Reconstruction PHASE 3 Final parton level corrections avec calibrations in-situ Mesure UE, out of jet corr (+jet) Validation de toutes les corrections précédentes + mesure de parton JES on data (/Z+jet, Wmass in Top evts)+ energy resolution en énergie (Di-jets) and MC Correction des différences light jets,b jets, gluon b jets corr : From Top mass, Z+b-jet, MC (mesure Top mass) To parton =>Physics jet D. Pallin PAF2007 ; Seignosse

Reconstruction et Calibration : schema Reconstruction and Calibration Scheme Reconstruction et Calibration : schema Calorimeter Cells clustering Clusters Local Approach (New Scheme) EM scale Global Approach (Default Scheme) Local Hadron Calibration Jet Reco Alg HAD scale Uncalibrated Jets Local Calibrated Clusters Jet Energy Calib to Particle Level Jet Reco Alg Jet Energy Scale corrections Calibrated Jets Particle level In situ calibration Parton level Physics Jets D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES ‘MC’ avec les CSC12 (30microns) TOWER JETS Calibration du détecteur (particle jets/recons jets) JES at parton level (parton jets/recons jets) EPartjet / Erecons EParton / Erecons D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES ‘MC’ avec les CSC12 (30microns) TOWER JETS JES at parton level (parton jets/recons jets) Calibration différente en fonction de la coupure en PT sur les jets La coupure en Pt sélectionne les jets dont la mesure de l’énergie est surestimée => influence sur la mesure de Mtop et MW EPartjet / Erecons PT jet>0 GeV PT jet>40 GeV EPartjet / Erecons 30<Erecons<35 Gev 50<Erecons<55 Gev D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse W and Top in ttbar events Effet de la coupure en PT sur MW et MTOP Sélectionne plutôt les jets dont l’énergie est surestimée => la masse du W (et du Top) sont modifiées La différence de calibration entre lots de différents PT est purement statistique, calculable (ou déterminée via du MC) si la résolution et le spectre en PT sont connus => Pour mesure de MTop : Nécessité dans tout les cas de recalibrer même si JES est parfaite avant In-situ calibrations MW MTop D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES avec evts /Z +jet /Z+jet  et Z sont bien calibrés et balancent en PT le système hadronique 20 < PT <60 Gev Z+jet 2 Hz @ 1033  +jet 0.1 Hz @ 1033 PT >60 Gev Z+jet 0.1 Hz @ 1033  +jet 2 Hz @ 1033 +jet : stat plus élevée mais QCD BKG Pt balance ou méthode Etmiss projection PT range 40 400., large Eta range Biais Possibles: trigger et procedure selection Sensible a ISR modelling à bas PT Mesure UE, out of jet corr (+jet) PT 20 60 4% PT 60 120 1.5% dan Towey T15? PT>120 0.4% Pt balance: Calculated from the leading recoiling jet and photon. Sensitive to out of cone showering, gluon radiation, UE and detector effects. Relative jet clustering studies Missing Et projection: Vector sum of everything in the calorimeter. Sensitive to particle response only. Recoil of complete hadronic system against the photon D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES avec evts +jet Gamma selection isolation & ET>30 GeV Select Highest pT jet apply phi back-to-back cut  > 1750 pT balance = (pT jet – pT photon)/ pT photon Fit peak region iterating a gaussian fit between ±σ around the most probable value When selecting a band in the pT of the photon, the events on the left side of diagonal are more numerous because they are produced at lower CM pT, hence with higher cross section. http://agenda.cern.ch/fullAgenda.php?ida=a057453 This induces a negative bias to the pT balance: 4 % at 35 GeV (1 % at 100 GeV) We checked that selecting events using the pT of the reconstructed pT gamma and of the reconstructed jet (calibrated) instead of the thruth level gamma and the parton did not significantly change the measured pT balance pT balance = (pT parton – pT photon)/ pT photon D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES avec evts +jet Too close to the generation cut Parton level Particle level Cone 0.7 Reconstruction level Cone 0.7 Parton level Particle level Kt Reconstruction level Kt pT balance pT balance (pTγ+pTparton)/2 (GeV) (pTγ+pTparton)/2 (GeV) Biases on pT balance MOP for the different jet algorithms: Algorithms Cone 0.7 Cone 0.4 Kt Parton level -1 - 0% Particle level 1 - 0% -7 - -3% 7 - 1% Recon level -2 - 0% -15 - -7% 10 - 2% Selection gives <1% bias Black points: balance at parton level Blue points: balance for Et of jets reconstructed at particle level Red points: balance for Et of jets reconstructed from detector signals -------------------------------------- Cone 0.7 : parton level, particle level jets & detector jets balance are similar Out of cone loss compensated by Underlying Event? Cone 0.4 : particle level out of cone losses 7% (35 GeV) to 4% (100 GeV) Reconstructed level 10-5% lower (calibration not optimum) kT: particle level & reconstructed level 5% positive bias above parton Travaux en cours sur CSC pas encore de résultats D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES from Wjj in ttbar events Validation de toutes les corrections appliquées sur les ‘particles jets’ Mesure de parton JES pour les ‘ligth jets’ on data JES to parton level Rescale jet to parton energy JES = 1/ (Ejet / Eparton) Global JES factor JES in function of Jet Energy,, .. Limité aux ‘light’ jets avec pT>40 GeV ||<2.5 pour des jets entre 40 et ~300-400 GEV calibration dédiée pour le TOP? D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES from Wjj in ttbar events principe La masse du W est une référence très précise MW30 MeV La masse du W dépend essentiellement de JES Angle (J1,J2) bien mesuré (au % pour tout cosjj) Impact sur syste JES: 2 pour mille MWparton / Mjj(cosjj,Eparton) cosjj D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES from Wjj in ttbar events principe La masse du W est une référence très précise MW30 MeV La masse du W dépend essentiellement de JES MAIS en général JES (E=40 GeV) # JES (E=100 GeV) JESJ1 # JESJ2 (EJ1 # EJ2) => Simple rescaling à la masse PDG du W insuffisant => Spectres de MW par fenêtres en d’énergie de jets permettent de séparer les contributions JESJ1 et JESJ2 D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES from Wjj in ttbar events méthodes 3 méthodes etudiées pour extraire JES Méthode 2 ( voir note scientifique SN-ATLAS-2004-040 ) Contrainte sur MW, minimisation evt par evt, Extraction de (j1) et (j2) par evt L’énergie de chaque jet est libre de varier à l’intérieur de sa résolution => les jets de plus basse énergies sont plus modifiés. détermination de JES = pic de la distribution des (E) Ne permet que de déterminer JES en fonction de E. ! En principe pas de raison que la miss-calibration dépende de la fonction de résolution Autres méthodes préférées (utilisée en partie dans sélection W voir AI Etienvre talk) D. Pallin PAF2007 ; Seignosse

Extract PEAK values for various energies FSR contrib   (E=Ei) Deduced function JES(E) =f(E) E (GeV)

D. Pallin PAF2007 ; Seignosse JES from Wjj in ttbar events méthodes 3 méthodes étudiées pour extraire JES Méthode ‘Template’ (Nathalie Besson, J schwindling et al.) Simple dans le principe Histogrammes MW ‘templates’ fabriqués à partir du MC en variant la JES et la résolution (*expected résolution) Comparaison des spectres de MW ‘templates’ et Data pour extraire JES et résolution en énergie Toutes les corrélations Energie –résolution sont prises en compte via le MC Extraction d’une JES globale Ou fonction de l’énergie : Suppose alors une fonction a priori pour JES (E) (contrainte par les spectres MW en fenêtre de masse) D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES from Wjj in ttbar events méthodes 3 méthodes etudiées pour extraire JES Méthode ‘Itérative’ (E. Cognéras, D.P) plus complexe dans le principe Dédiée a la détermination de JES en fonction de var=E, Eta,… Ne suppose aucune forme pour JES(var) a priori Pas de détermination de la résolution (en principe possible) Limite la dépendance au MC Input: pic des spectres de MW en fonction variable etudiée (var=E,Eta,..) non pas spectres entiers comme avec template Compare MWpic(var) à MWPDG ou MC Si MC: Nécessite la connaissance de la résolution data a injecter dans MC => corrélations énergie-résolution issue du MC SI MW PDG : Nécessite la connaissance de la résolution et spectre E,PT data pour calculer les corrélations énergie-résolution Seule MW ‘pic’ est évaluée, sans mesure de résolution, donc demande mois de données que méthode ‘Template’ D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES from Wjj in ttbar events méthodes 3 méthodes etudiées pour extraire JES Méthode ‘Itérative’ A partir des spectres de MW par fenêtres en d’énergie de jets extraction des valeurs MW peak applique R(E) a chaque jet  3 itérations MW Ejet (GeV) D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES from Wjj in ttbar events corrélations Energie –résolution La résolution finie du calorimètre induit des biais dans les distributions en tranches d’énergie biais purement statistique, calculable (ou déduit du MC) si la résolution est connue Méthode Template tiens compte ‘automatiquement’ des biais via la simulation E_jet E_part i i+1 i-1 j Ej=ai Epi overestimated (E/Ep)j = Ej / (ai Epi) underestimated ++ JES%Eparton ++ JES%Erecons D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES from Wjj in ttbar events Selection d’un lot de W tres pur A partir d’evts ttbar Jets avec Pt>40GeV 1eres données: selection ‘topologique’ Choix des deux jets du W R(J1,J2) min Choix du b jet R(W,b) min Coupure sur la masse du Top reconstruite j1 j2 l(e,m) n t1 t2 W1 W2 b1 b2 MW MTop 4000 jets pour 750pb-1 pureté 80% D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES from Wjj in ttbar events résultats Résultats avec CSC12 samples Les deux méthodes donnent des résultats équivalents. Le résultat (PT>40 GeV) n’est pas sensible au BDF combinatoire Le résultat (PT>40 GeV) n’est pas sensible au coupures de sélections Pour Template, Le résultat (PT>40 GeV) n’est pas sensible a des inputs différents sur JES et résolution Sur les CSC12 pour les jets avec PT>40 GeV, JES est ~constant avec l’énergie => direct rescaling s’applique ! D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES from Wjj in ttbar events Template Statistical error ~ 0.4% for 1 fb-1 Systematics ~ 0.5% PTcut = 40 GeV Njets ≥ 2 All pairs mjjb [GeV] ± 0.6 GeV ~ ± 0.6% After calibration « shake » the input jets from the start (scale by 0.98 or 1.02, add an offset of ± 2 GeV) Determine the JES Calibrate all jets (light and b jets) by 1/JES Look at mtop vs mW Before calibration <mjj> ~ 82.4 GeV (no additional factor for b jets  mjjb < 175 GeV) mjj [GeV] D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES from Wjj in ttbar events Iterative Meth + JES THEO + JES found JES THEO/JES found D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse Conclusion on JES Iterative Méthode Stat error 750 pb-1 0.5 % 200 pb-1 1.5 % 100 pb-1 2.0 % the stat error is lower at lo lumi if we consider only a global JES (not in function of Ejet) syst error for JES in function of E jet resolution 1 % (for 10 % error on resolution function) jet spectra 1 % (10 % error on MC spectra) croud estimate BKG <0.5 % bjet JES/light jet JES 10 % (MC modelling syst) croud estimate D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse Conclusion on JES JES Systématiques sur la masse du TOP light JES 0.9 per %JES error bjet JES 0.6 per %JES error MTOP error with 100 pb-1 (light jets+b jets) Avec estimations JES actuelles : syst error 3 GeV (including stat+syst JES light jets+b jets) En préparation Etudes effet pile-up, ISR, FSR Calibration en eta, phi Calibration à plus bas Pt JES TOP s’applique t’elle sur autres jets … D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse BACKUP D. Pallin PAF2007 ; Seignosse

Jet reconstruction in the ATLAS calorimeter documentation sur la reconstruction/calibration des jets dans https://twiki.cern.ch/twiki/bin/view/Atlas/IntroductionToHadronicCalibration physics reaction of interest (interaction) level) lost soft tracks due to magnetic field added tracks from underlying event jet reconstruction algorithm efficiency detector response characteristics (e/h ≠ 1) electronic noise dead material losses (front, cracks, transitions…) pile-up noise from (off-time) bunch crossings detector signal inefficiencies (dead channels, HV…) longitudinal energy leakage calo signal definition (clustering, noise suppression ,…) added tracks from in-time (same trigger) pile-up event Reconstruction D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse Calibration en énergie des Jets in the ATLAS calorimeter Towers (/ Clusters) reconstruction Jet reconstruction Choix input (towers/(or topoclusters)/particles jet) Choix algo (‘standard’: sur Tower, seeded iterative cone jets avec split/merge,E-scheme) Choix taille jet suppression bruit electronique, ... Jet calibration to particle jet (corr effets detector) e/h compensation, corrections (dead material) Global Jet calibration ( absolute scale calib.) Tune Di-jet MC to Data Match thruth particle jets and reco jets and fit calibration function in E,  ( standard: H1 style) Or (Local Hadron calib) Final parton level corrections avec calibrations in-situ Mesure UE, out of jet corr (+jet) Validation de toutes les corrections précédentes + mesure de parton JES on data (/Z+jet, Wmass in Top evts)+ energy resolution en énergie (Di-jets) and MC Correction des différences light jets,b jets, gluon b jets corr : From Top mass, Z+b-jet, MC (mesure Top mass) Calorimeter jet =>Jet Non calibré To particle jet => Jet calibré To parton =>Physics jet D. Pallin PAF2007 ; Seignosse

General Considerations for Calorimeter Jets general considerations for tower jets: tower jets have no constituents in AOD → little flexibility, stuck with default jet collections (cone 0.4/0.7, Kt 0.4/0.6), in particular no weights for constituents and no possibility to change the cell signal weights, limited incorporation of calibration feedback; seed efficiency poor at low Pt → lower threshold increases fake jets, careful investigation needed here! includes many cells without signal → limited performance due to potentially large noise contribution, especially with pile-up; refined jet calibration with jet shapes is limited to very few variables, even in the ESD (mostly energy sharing, some profile/jet energy density measures…); general considerations for cluster jets: cluster jets have constituents in AOD → much more flexibility, can even investigate new jet finders and/or different configurations of existing ones; refined jet calibration can include constituent weights, but no feedback to cell weights – which is anyway not desired! uses only cells with some signal significance (established in cluster context), small noise contribution; clustering generates seeds rather than splits them (like towering does); refined jet calibration can use jet composition and even cluster moments in the AOD → lots of room for investigation of jet shape based calibration techniques, meaningful jet mass, etc. D. Pallin PAF2007 ; Seignosse

Early Jet Analysis Strategies (2) validation of hadronic cluster signal important for cluster jets: stability, especially with respect to noise/pile-up, needs to be understood quickly → essential input to jet energy scale; can use isolated tracks and track/cluster matching in minimum bias or tau decays (background?) to measure E/p (AOD); also look at cluster based event shapes to measure signal stability; cluster reconstruction validation requires access to ESD; need to establish list of variables useful to validate the hadronic energy scale in collision physics with and without jet context; uncalibrated cluster N. Davidson, JET8 phone conference, June 7. 2007 trigger calibration and efficiencies: need to verify pre-scales and trigger jet calibration wrt offline jets; D. Pallin PAF2007 ; Seignosse

IN-SITU/ABSOLUTE CALIBRATION Tower Jet Validation & Calibration Tasks noise, electronic calibration, dead/hot cells, mapping, detector sensitivity -changes in light/current yields, loss of part of the active medium (HV pbs), change of location (sagging etc.)… signal stability wrt (coherent) noise, luminosity (pile-up), seed formation,… jet performance validation! mapping, relative calorimeter alignment,… efficiency, fakes, jet shapes, effects of pile-up, alignment, seed efficiencies, … detector level validation! jet energy scale, trigger & reconstruction efficiencies, fakes due to calibration, signal stability, crack & dead material corrections, … IN-SITU/ABSOLUTE CALIBRATION validation and final calibration in analysis context,… physics reference system (vertex association), tracks in jets, refined calibration in event context, pile-up after calibration, … D. Pallin PAF2007 ; Seignosse low level of factorization!

D. Pallin PAF2007 ; Seignosse noise, pile-up (validate constant signal significant thresholds), cell signal losses, stability wrt (coherent) noise, luminosity (pile-up), cluster seeding (sensitivity at low energies),… Cluster Jet Validation & Calibration Tasks cluster shapes, relative calorimeter em scale calibration, trigger signal bias, stability of classification detector level validation! jet performance validation! cluster shapes, relative calorimeter em scale calibration, signal stability,… efficiency, fakes, jet shapes & composition, effects of pile-up, alignment, seed efficiencies, … physics reference system (vertex association), tracks in jets, refined calibration in event context, pile-up after calibration, … D. Pallin PAF2007 ; Seignosse higher level of factorization!

D. Pallin PAF2007 ; Seignosse JES ‘MC’ avec les CSC12 (30microns) TOWER JETS JES at parton level (parton jets/recons jets) PT jet>40 GeV Calibration différente ! EPartjet / Erecons EParton / Erecons D. Pallin PAF2007 ; Seignosse

D. Pallin PAF2007 ; Seignosse JES avec les CSC12 (30microns) TOWER JETS Calibration du détecteur (particle jets/recons jets) JES at parton level (parton jets/recons jets) D. Pallin PAF2007 ; Seignosse