B ± D 0 K ± : État des lieux Analyse du mode D 0 Ks π + π - ()() ()() X. Giroux, F. Le Diberder, M.-H. Schune Réunion BaBar France 2003 – 20 novembre LAL

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL2 Introduction Dans cette présentation : mode D 0 Ks π + π - Quelles données utiliser ? Extraction du signal D 0 K Suppression du bruit de fond Calcul d'erreur mené en parallèle Analyse du mode B ± D 0 K ± : extraction de l'angle γ du triangle d'unitarité

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL3 Quelles données pour l'analyse ? Rouge = skim DK Noir = skim standard B D 0 π Le skim DK ne peut pas être utilisé à cause de pré-coupures cinématiques sur la désintégration du D 0 Utilisation du skim "standard" B D 0 π Pas de PID sur la trace célibataire Coupure sur ΔE suffisamment large Sélection des modes B D 0 π et B D 0 K

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL4 Où en est la production ? La production des ntuples est faite par Rome prend en compte les nouvelles variables de la BAD 728 MC signal déjà produit MC background en cours de production Données en cours de production Le contenus des ntuples est en cours de vérification

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL5 Optimisation des coupures (1) Ntuples utilisés : - Signal : MC B ± D 0 K ± avec D 0 Ks ρ 0 - Bruit de fond "peaking": B ± D 0 π ± dans un cocktail MC - Bruit de fond combinatoire : Données on-peak avec m ES < 5,27 GeV fittées par une fonction argus et extrapoléees entre 5,27 et 5,29 GeV Coupure de présélection sur la masse du Ks : m PDG – 9MeV m(Ks) m PDG + 9MeV L'optimisation est effectuée surr les variables suivantes : - probabilité de χ² du B reconstruit - probabilité de χ² du D 0 reconstruit - masse du D 0 - ΔE - Kaon Id - discriminant de Fisher (construit avec les polynômes de Legendre L0 et L2 et avec l'angle entre la direction du B et l'axe de poussée du reste de l'évènement)

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL6 Coupures asymétriques sur ΔE On veut sélectionner les évènements D 0 K ± et éliminer le bruit de fond D 0 π ±. On va donc plus contraindre la coupure à droite

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL7 Optimisation des coupures (2) R P(χ² du B) Programme écrit en Fortran qui calcule le rapport R P(χ² du D 0 ) R m(D 0 ) en GeV

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL8 Optimisation des coupures (3) R R Kaon Id R LooseTightVTight ΔE à gauche R R ΔE à droite Fisher

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL9 Optimisation des coupures (4) Résultats pour un maximum de R = 10,5 (σ ~ 0,55) P(χ² du B) > 0 P(χ² du D 0 ) > 0 | m(D 0 ) – mPDG | 20 MeV – 36 MeV ΔE 30 MeV Kaon Id = 1 (Loose) Fisher – 0,4 Nombre d'évènements mesuré : - Signal :161 - Bruit de fond "peaking" :21 - Bruit de fond combinatoire : 54 Luminosité renormalisée à 81,5 fb -1

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL10 Visualisation des coupures sur ΔE et m ES

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL11 Suppression du bruit de fond (1) Anciennes variables : - Polynômes de Legendre L0 et L2 combinés dans un discriminant de Fisher (Fisher = 0, ,562 x L0 – 1,365 x L2) - | cos(θ th ) | où θ th est l'angle entre la direction du B et l'axe de poussée du reste de l'évènement Nouvelles variables : - cos(θ * B ) où θ * B est l'angle polaire du B dans le centre de masse de l'Y(4s) - Q hémi : différence de charge entre les hémisphères de l'évènement où un hémisphère est defini par la direction du D 0 dans le centre de masse de l'Y(4s) - C kl : vaut 0 si pas de lepton VeryTight vaut 1 si m(K) < 1,87 GeV vaut 2 si m(K) > 1,87 GeV - ΣQ(K) : somme de la charge des Kaons VeryTight dans le reste de l'évènement - ΣQ(K) + Q() : somme de la charge des Kaons VeryTight dans le reste de l'évènement + charge du lepton VeryTight le plus rapide (p* > 800 MeV)

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL12 Q hémi

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL13 Suppression du bruit de fond (2) Coupures de présélection : masse du Ks : | m(Ks) – m PDG | 15 MeV masse du D 0 : | m(D 0 ) – m PDG | 35 MeV ΔE : | ΔE | 150 MeV m ES : m ES > 5,2 GeV Variable discriminante : (séparation) Utilisation du programme Fortran trainvar.f (écrit par le groupe charmless) pour calculer et combiner les variables en utilisant un discriminant de Fisher ou un réseau de neurones

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL14 Séparation pour une variable

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL15 Combinaison des variables classiques ε(B) ε(S) Combinaison de 2 variables : Fisher(L0,L2) et | cos(θ th ) |

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL16 Combinaison de 3 variables ε(S) ε(B) Combinaison de 3 variables : Fisher(L0,L2), | cos(θ th ) | et cos(θ * B ) En raison des corrélations entre les variables, le NN est plus discriminant

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL17 Combinaison de 4 variables (1) Combinaison de 4 variables : Fisher(L0,L2), | cos(θ th ) |, cos(θ * B ) et ΣQ(K) + Q() ε(S) ε(B) Fisher et NN retrouvent le même pouvoir discriminant

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL18 Combinaison de 4 variables (2) Combinaison de 4 variables : Fisher(L0,L2), | cos(θ th ) |, cos(θ * B ) et Q hémi (S) (B)

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL19 Combinaison de 4 variables (3) ε(S) ε(B) Combinaison de 4 variables : Fisher(L0,L2), | cos(θ th ) |, cos(θ * B ) et C K

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL20 Combinaison de 5 variables ε(S) ε(B) Combinaison de 5 variables : Fisher(L0,L2), | cos(θ th ) |, cos(θ * B ), ΣQ(K) + Q() et Q hémi

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL21 Combinaison de toutes les variables ε(S) ε(B)

Récapitulatif Variables Fisher(L0,L2) et | cos(θ th ) | Variables + cos(θ * B ) Variables + ΣQ(K) + Q() + Q hémi + C K Variables Fisher(L0,L2), | cos(θ th ) |, cos(θ * B ), ΣQ(K) + Q() et Q hémi Variables Toutes les variables Ajout d'une variable

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL23 Calcul de l'erreur En utilisant le discriminant de Fisher : gain de ~7% En utilisant le réseau de neurones : gain de ~13% Mais il faut tenir compte des fluctuations statistiques… σ Nk pour chaque variable et leurs combinaisons

20 novembre 2003Xavier GIROUX, BaBar France 2003, LAL24 Conclusion Il semble donc que les nouvelles variables permettent d'améliorer la discrimination signal / bruit. Cependant, il faut prendre en compte les fluctuations statistiques dues à la taille finie de l'échantillon pour conclure de façon définitive. C'est ce qui est fait avec le logarithme du likelihood. Ce qu'il reste à faire : Coder le likelihood Extraire les variables pertinentes Fitter le Dalitz Plot avec un modèle de désintégration du D 0 pour extraire γ Extraire γ par une méthode modèle-indépendante (hep-ph/ ) …