Pavel Demine Arnaud Lucotte ISN Grenoble

Présentation au sujet: "Pavel Demine Arnaud Lucotte ISN Grenoble"— Transcription de la présentation:

1 Pavel Demine Arnaud Lucotte ISN Grenoble
Etiquetage du b dans D0 Pavel Demine Arnaud Lucotte ISN Grenoble

2 Motivations Physiques
Physique de haut pT (pT > 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

3 Etiquetage du b: principes
Approche multi-étiquetage - quark b de masse effective mb  GeV/c2 - hadron B de masse < 5 GeV/c2 avec   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%

4 Etiquetage du b: principes
Tag du b Masse du jet: Paramètre d ’impact: -Traces de haut parametre d’impact / jet

5 Etiquetage du b: principes
Distance de vol: Mesure de distance Vertex primaire – Vertex secondaire Hadron B parcourt c  3mm  Mesure de L/

6 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

7 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.

8 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

9 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

10 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

11 Vertex Secondaire Corrélation Efficacité

12 Etiquetage avec Lepton
Méthode: - Sélectionner lepton de PTrel maximal / jet Niveau Génération

13 Etiquetage avec Lepton

14 Algorithme: Paramètre d’Impact
Direction jet Direction Trace Longueur desintegration d0 L = d0/sin(track - jet)

15 Paramètre d’Impact (suite)

16 Algorithme: Likelihood

17 Algorithme: Likelihood

18 Likelihood: structure

19 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):