Pavel Demine Arnaud Lucotte ISN Grenoble Etiquetage du b dans D0 Pavel Demine Arnaud Lucotte ISN Grenoble
Motivations Physiques Physique de haut pT (pT > 10-20 GeV/c) Z bb (calibration) t b+W (production de paires/simples) H b bbar (m H < 140 GeV/c2) SUSY: t H++b stop b + +1 stop b+l+s Note: QCD 70 mb tt 8 pb
Etiquetage du b: principes Approche multi-étiquetage - quark b de masse effective mb 4.25 GeV/c2 - hadron B de masse < 5 GeV/c2 avec 1.56 ps B ’s parcourt c 3mm avant désintégration Particules issues du B ont un grand pT Traces des désintégrations du B déplacées p/r au V.P. - Désintégrations semi-leptoniques du B BR (B) 10%
Etiquetage du b: principes Tag du b Masse du jet: Paramètre d ’impact: -Traces de haut parametre d’impact / jet
Etiquetage du b: principes Distance de vol: Mesure de distance Vertex primaire – Vertex secondaire Hadron B parcourt c 3mm Mesure de L/
Identification des b dans DÆ Responsabilités b id: bcJetReco/bcjet/bcJetChunk R.Van Kooten bcJetAnalyze R.Van Kooten/P.Demine eTagAlgs: G. Steinbrueck F. Baudette TagAlgs: O.Peters, V.Jain JetProbAlgs: F.Tilthaut/B.Wijngoarden SecVtxAlgs: A.Schwarzman/M.Narain LikelihoodAlgs: P.Demine/A.Lucotte MC Production P.Demine/A.Lucotte
Package bcjetreco bcJetReco bcJetChunk objTagAlg package principal qui dirige la création des objets b/c. donne une interface avec DØReco. ajustable par fichier RCP: choix des algorithmes (muon, électron, VS et probabilité de jet) Sortie / Format dans bcJetChunk. bcJetChunk contient liste jet b/c reconstruits / evt résultats des packages objTagAlgs: Id des jets /algorithme Likelihood pour algorithme likelihood objTagAlg interface (abstract) pour algorithmes muon, électron, VS, probabilité de jet méthode objTag est une fonction virtuelle obligatoire pour tous les algorithmes.
Reconstruction du Vertex Primaire Algorithme de reconstruction: Track Reconstruction Track selection -> Ntrk Ntrk>2 Stop No Yes Fit set of Ntrk tracks Find 2max= Max{2(Ntrk)- 2(Ntrk-1)} Ntrk=Ntrk-1 Nrej=Nrej+1 Yes Ntrk = Nrej 2max > max No Save Vertex Efficacite
Vertex Secondaire Algorithme de reconstruction: - Sélection des traces: - nombre de hits SMT, pT > 500 MeV/c Track Reconstruction Note: Utilisation de filtres Kalman ameliore la Qualite des traces & Vertex secondaires Track selection -> Ntrk Form 2-track seed No Good seed Yes Fit set of Ntrk tracks Find 2min= Max{2(Ntrk+1)- 2(Ntrk)} Ntrk = Ntrk+1 2max > max No Save Vertex
Vertex Secondaire Performances: Distance Lxy: Echantillons - Jets Z(uds) - Jets Z(cc) - Jets Z(bb) Efficacite & purete pour N(trace) a haut S=L/ - purete - Jet uds identifie b - Jet c identifie b - Jet b identifies b
Vertex Secondaire Corrélation Efficacité
Etiquetage avec Lepton Méthode: - Sélectionner lepton de PTrel maximal / jet Niveau Génération
Etiquetage avec Lepton
Algorithme: Paramètre d’Impact Direction jet Direction Trace Longueur desintegration d0 L = d0/sin(track - jet)
Paramètre d’Impact (suite)
Algorithme: Likelihood
Algorithme: Likelihood
Likelihood: structure
Etiquetage des b: conclusion Groupe b id demarre depuis 1 an: But: outils pour Physique des hauts pT Approche multi-tag (inspire de CDF,LEP) Status des methodes: Etiquetage semi-leptonique (mu,el) Etiquetage base sur Vertex secondaire Etiquetage base sur parametre d’impact Etiquetage par likelihood Associe probabilite / jet Utilise resultat de plusieurs tags Etudes *tres preliminaires* (global tracking pas utilise etc...) Futur Besoin de gens d’experiences Bienvenue a tout nouvel arrivant ! Réalisation: LikelihoodAlg appelé par bcjetreco LikelihoodAlg.rcp pour fixer les parametres de l ’algorithme tables de probabilité sont dans bparam.dat Résultat: bcJet LikeProb() - valeur de likelihood bcJet liketagged() - L < Lcut Performance: - résultats préliminaires - Likelihood definie avec deux variables - Echantillons Z(bb) Top et QCD Likelihood Efficacité traces bien reconstruis >2 traces par jet Méthode: Variables: distance de vol (VP - VS) LXY/ masse reconstruite de jet Probabilité Pjet ou Pi base sur rel ou pT p/r axe du jet - Calcule la compatibilité Pi de provenir du VP (autour de 0 pour traces du PV) - Combine les Pi des traces / jet (combinatoire pris en compte): - Définit un discriminant D = -ln(P) Status: - algorithme 2D avec (r, ) information considére les quantités 3D - Erreur L sur L partielle d0, direction du jet - Sélection non-optimisée: d0 < 1cm, qualité du fit, pas de rejection V0 - Sélection basée sur traces “smeared” (non reco) - Détermine l ’erreur L - Étude au niveau reconstruit en cours - Efficacité vs réjection: Principe: - Etiquetage sans reconstruire explicitement le Vertex Secondaire. Gain en efficacité - Test la compatibilité d’un ensemble de traces / jet de provenir du PV Mèthode: - En 2D, calcule la longueur de désintégration L (+ si le croisement trace-jet devant vertex, - sinon) Présélection: Méthode (suite):