MCWS - Frascati 28/2/2006 Iacopo Vivarelli-INFN/Università Pisa 1 Jet/Energy flow Iacopo Vivarelli...

28/2/2006 Iacopo Vivarelli-INFN/Università Pisa 1MCWS - Frascati

Jet/Energy flow

Iacopo VivarelliINFN e Università, Pisa


Introduction

•I calorimetri di ATLAS e CMS

•Algoritmi di clusterizzazione nei calorimetri

•Algoritmi di ricostruzione dei jet

•Calibrazione al particle jet (e confronto dati/MC)

•Energy flow

•Soglie di trigger sui jet

•Calibrazione coi primi dati

•Conclusions


Calorimetria di ATLAS….Tile Calorimeter

Forward Calorimeter

EM barrel and EndCap

Hadronic EndCap

EM LAr || < 3 :

Pb/LAr 24-26 X0

3 longitudinal sections1.2

= 0.025 0.025

Central Hadronic || < 1.7 :

Fe(82%)/scintillator(18%)

3 longitudinal sections 7.2

= 0.1 0.1

End Cap Hadronic 1.7 < < 3.2 :

Cu/LAr – 4 longitudinal sections

< 0.2 0.2

Forward calorimeter 3 < < 4.9 :

EM Cu/LAr – HAD W/Lar

3 longitudinal sections

EE

8.1%8.1

%9.41

E

Risoluzione per il calorimetro Risoluzione per il calorimetro combinato (EM+HAD) ad combinato (EM+HAD) ad ηη = 0.35 = 0.35

Linearità entro Linearità entro ±2% (10-300 GeV)±2% (10-300 GeV)


…. e quella di CMS

Hcal barrel and EndCap

Very Forward Calorimeter

EM barrel and EndCapPreshower EM || < 3 :

PbWO4 cristals 24.7-25.8 X0, 1.1

1 sezione longitudinale+preshower (3 X0)

= 0.0175 0.0175

Barrel HCal || < 1.74, Brass/Scintillator

2 sezioni longitudinali (5.9 ) +

Outer Hcal (2.5 per || < 1.4)

End Cap HCAL 1.3<||<3.0, Brass/Scintillator:

2 sezioni longitudinali

≥ 0.0875 0.0875

Forward calorimeter 3 < || < 5 :

Fe/Quartz Fibre, Cerenkov light

2 sezioni longitudinali (em per 16 ,had per 9 )

%4%101

E

E

%5.6%127

E

E

Risoluzione su single Risoluzione su single ππ Ecal + Hcal Ecal + Hcal (ottenuta al Test beam combinato del 1996)(ottenuta al Test beam combinato del 1996)

Pions mip in EcalPions mip in Ecal

Full pion sampleFull pion sample


Clustering

Cluster for 120 GeV pion in EMEC and HEC (2002 Test Beam

data)

Al momento, la clusterizzazione delle celle calorimetriche è fatta in due modi (per quanto riguarda la ricostruzione dei jet)

-Torri calorimetriche (ATLAS: η x φ = 0.1x0.1, CMS: η x φ = 0.087x0.087 se |η|<1.74, poi graduale aumento fino a 0.175x0.175 se |η|>3)

-ATLAS: clustering 3D considerando I depositi di energia in celle vicine (Topological Clusters)

TopoClusters – some details:

• Cells with |E/σnoise|>Tseed are used to generate a TopoCluster. The adiacent cells are checked to

be associated to the cluster. Default: Tseed = 4σnoise

• Cells with |E/σnoise| > Tneigh are used to expand the cluster. The adiacent cells are checked to be associated to the cluster. Default: Tneigh

= 2σnoise

• Cells with |E/σnoise| > Tused can be used to expand the cluster. Default Tused=0


Algoritmi di ricostruzione Sia KT che Cone (seeded con midpoints, seedless) utilizzati in entrambi gli

esperimenti.

Di seguito, con cluster si intende qualunque oggetto utilizzato in input per la ricostruzione (incluse eventualmente particelle MC)

SEEDED CONE ALGORITHM

- Seed: ET > 2 GeV in ATLAS, ET>0.8 (di solito) per CMS.

- Dimensione del cono ATLAS: 0.7 bassa, 0.4 alta luminosità. CMS: 0.5 .

-Iterazione fino a cono stabile

- Split & Merge: 50% del jet più energetico per entrambi gli esperimenti

Il jet ha ua precisa forma geometrica

KT ALGORITHM

Per ogni coppia di cluster ij:

- Calcolare d=

- Se dmin= dii ho un jet

- Se dmin= dij allora i e j sono sommati in un unico “cluster”

2

2ij2

jT,2

iT,ij

2iT,ii

D

ΔR)k,min(kd

kd

-La forma del jet non è definita

- I jet sono separati: no split and merge

D = 1

R = √2+f2


Efficienze di ricostruzioneUn particle jet è ricostruito se ha un jet calorimetrico angolarmente

vicino.

La soglia per una efficienza di ricostruzione al 90% è tipicamente intorno a 30 GeV.

CMS. Analogo per ATLAS

I jet sono ricostruiti in tutta la zona di accettanza dei

calorimetri (η < 5).

L’efficienza di ricostruzione mostra una dipendenza da η a

basso PT (PT < 50 GeV) a causa di crack nei calorimetri e non completo contenimento ad

alto η.


Noise suppression - ATLASIl trattamento del noise viene delegato all’algoritmo di

clusterizzazione (TopoClusters)

Verifica della soppressione del noise da parte dei

TopoClusters:

-Tower noise: nessun taglio sul noise

-2σnoise cut: celle con un deposito di energia |E| < 2σnoise

non sono conteggiate Tower noise

2σnoise cut

TopoClusters


Noise suppression CMS


Calibrazione

In entrambi gli esperimenti la calibrazione è fatta in due fasi:

-Fase 1: Dal jet calorimetrico al particle jet: calibrazione basata sul MonteCarlo accordato sui dati del test beam. Corregge per e/h, cracks, dead

materials

-Fase 2: Dal particle jet al parton jet: le correzioni dipendono dall’analisi. Ci sono studi su alcuni

canali di fisica che possono essere usati: γ+jet, Z+jet, Wjet jet dal decadimento del top

Per la fase 1 la capacità del MonteCarlo di riprodurre i dati sperimentali è fondamentale


Confronto MC/Dati: ATLAS

20 GeV pions

Small shift of MC to lower scale.

Agreement in the noise/MIP region

L’analisi del test beam combinato (un’intera slice di ATLAS su fascio – fatto nell’estate 2004) va avanti.

Dati considerati finora: elettroni/pioni/muoni con energie tra 20 e 350 GeV.

I dati di bassa energia sono fondamentali. Analisi in corso

E(MeV)


Confronto MC/Dati: ATLAS

Accordo entro il 2% nel range 20-350 GeV. Buono, ma l’informazione più importante sta a basse energie. Fondamentale l’accordo nella

regione 1-9 GeV (al momento sotto

analisi)

η = 0.35 Ebeam(GeV)

Ebeam(GeV)

E(G

eV

)

η


Confronto MC/Dati: CMS

Paragone dati/MC (G4) per il test beam combinato ECAL+HCAL (2002)


Calibrazione al particle jet level (ATLAS)ATLAS utilizza un sistema di cell weighting.

Dal confronto del jet calorimetrico con il particle jet (ottenuto con lo stesso algoritmo di ricostruzione sullo stato finale del

generatore) si ottengono (tramite minimizzazione) una serie di pesi da applicare alle celle.

eaMC

e

MCe

rece

E

EE

)(

)( 22

ii

irec EwE Ei is the energy in the i-th cell

(longitudinal sample).Il peso wi è parametrizzato in termini della densità di energia della cella

In futuro, calibrazione particle based (riconoscimento clusters adronici ed elettromagnetici + uso del montecarlo per correggere a livello clusters per e/h +

dead material + cracks)


Risultati (rispetto al particle jet)

%8.03.3%74

%9.2%115

E

GeV

EE

EE

Risultati ottenuti con un algoritmo a cono (DR=0.7), noise elettronico incluso nella simulazione, pile-up non incluso

021.08.461.0)(

TTT

T

EEE

E


Risultati per alcuni algoritmi di ricostruzioneGli studi sono ripetuti con I vari algoritmi di ricostruzione.

In termini di risoluzione, il KT dà i risultati peggiori. Un tuning del parametro D (default D=1, tuned D=0.6) migliora il risultato.

“Single jet gun” + noise

Il cono (R = 0.7, Etseed = 2 GeV) dà I risultati migliori. In ogni caso, ad alta luminosità la dimensione del cono dovrà

essere ridotta a 0.4


Calibrazione al particle jet level (CMS)• La calibrazione a CMS può essere fatta a diversi livelli:

– calibrazione jet based:• E = a x (EC+HC) a dipende da jet(ET,η).

Correzioni calcolate con MC.• E = a x EC + b x HC a,b dipendono da jet (ET,η).• Correzioni calcolate con MC. Si assume MC in

accordo coi dati sperimentali

– calibrazione particle based (richiede separazione di cluster adronici ed elettromagnetici)

• em: E = a x EC• had: E = b x EC + c x HC• b e c dipendono rispettivamente da EC e HC


Correzioni particle jet (MC)• R = Etrec/ETMC Correzione 1/R per I jet ricostruiti.

• Le correzioni dipendono dall’algoritmo di ricostruzione, dalla dimensione del cono, dal livello di noise elettronico e pile up.

Risoluzione nel barrel dopo le correzioni:

033.06.525.1)(

TTT

T

EEE

E


Risoluzione angolare Iterative cone, DR = 0.5

Risoluzione inferiore alla granularità delle torri su tutto il range in eta


Energy flow


Proprieta’ Cal e Tk nei due esperimenti

ATLAS CMS

Risoluzione Ecal+Hcal su pioni

Risoluzione Jet E)/E = 54% /sqrt(E) + 1.3% Et)/Et = 118% /sqrt(Et) + 7%

Risoluzione tracciatore interno

(pt)/pt = 1.8% + 60% pt

(pt in Tev)

(pt)/pt = 0.5% + 15% pt

(pt in Tev)

EE

8.1%8.1

%9.41

E

%5.6

%127

E

E

• Data l’ottima risoluzione del calorimetro adronico, in Atlas i jet sono ricostruiti con buona risoluzione ancor prima di applicare l’EF.

• Date le risoluzioni di calorimetri e tracciatori nei due rivelatori, ci si aspetta che l’EF apporti miglioramenti piu’ evidenti per CMS che per Atlas.


EF prima, EF dopo la ricostruzione del Jet

In ATLAS ci sono 2 diversi approcci per l’utilizzo dell’energy flow (entrambi sotto sviluppo):

1. - Si ricostruiscono EFlowObjects a partire dalle tracce cariche e dai cluster calorimetrici. Per le particelle cariche, nei cluster adronici si sostituisce l’energia attesa nei calorimetri (estratta da una parametrizzazione) con quella del tracciatore

- Gli EFlowObjects sono utilizzati come input dell’algoritmo di ricostruzione dei jet (sia esso Cono o KT)

2. - All’interno di un jet si riconoscono cluster adronici “carichi”, cluster elettromagnetici e cluster “misti”.

- Per i cluster adronici carichi si sostituisce la misura del calorimetro con quella del tracciatore.

Premesse:1. I due algoritmi ancora non

sfruttano i TopoClusters: la clusterizzazione è bidimensionale (torri)

2. L’aggiunta delle tracce out-of-cone e’ gia’ implementata nell’algoritmo standard di ricostruzione dei jet.

Le Implementazioni di EF in Atlas


Le Implementazioni di EF in AtlasApproccio 1 (EF prima ricostruzione del Jet) - prestazioni

20 GeV single -

• Test su eventi singola particella per testare consistenza dell’implementazione dell’EF. Larghezze distribuzioni in accordo con risoluzioni dei calorimetri e del tracciatore.

Algoritmo standard

EnergyFlow

50 GeV jets

σσ(E)/E = 7% (E)/E = 7%

on the coreon the core

• C’e’ un miglioramento della risoluzione su E del Jet rispetto a valore TDR (da 8-9% a 7% @ 50 GeV), ma questo vale solo per una frazione degli eventi (le code della distribuzione non sono trascurabili)


Le Implementazioni di EF in AtlasApproccio 2 (EF dopo ricostruzione del Jet) - prestazioni

L’algoritmo è stato testato su tripletti di particelle (π+ π0 n) arbitrariamente vicine in . I risultati dipendono fortemente dalla distanza angolare tra le particelle.

Effetto della sovrapposizione dei cluster:

Risultati stabili se R > 0.1, ma se le particelle sono più vicine angolarmente la risoluzione degrada rapidamente. Si formano grosse code asimmetriche.

L’utilizzo della completa segmentazione (longitudinale e laterale) dei calorimetri migliorerà i risultati

+ n (5 GeV) con R > 0.1 + π0 n (5 GeV) with R = 0.1


Le Implementazioni di EF in AtlasApproccio 2 (EF dopo ricostruzione del Jet) - prestazioni

E’ stato applicato questo algoritmo in full simulation. La distribuzione finale ha andamento sufficientemente gaussiano.

Tuttavia, allo stato attuale, la risoluzione e’ ancora da ottimizzare (12-13% rispetto 8-9% del TDR).


Implementazione di EF in CMSCorrezione della jet energy con JetPlusTrack

L’algoritmo (JetPlusTrack) attualmente implementato in CMS applica le tecniche di EF per correggere i jet ricostruiti a partire dai soli depositi calorimetrici.

I jet di partenza sono ricostruiti tramite algoritmi a cono. L’apertura ΔR del cono e’ un parametro fondamentale sia dell’algoritmo di jet finding, che dell’algoritmo di correzione.

Una versione (JetPlusTrack 2) piu’ raffinata dello stesso algoritmo fa uso di due coni distinti per separare il contributo dei frammenti neutri da quello dei carichi


Implementazione di EF in CMSJetPlusTrack – l’algoritmo

1. Ricostruzione dei jet nei calorimetri utilizzando algoritmi a cono (semplici o iterativi).

2. Utilizzo dei pixel per la ricostruzione del PV e dei seed delle tracce.

3. Vengono selezionati solo i seed all’intrerno del cono di definizione del jet. A partire da questi, le tracce sono ricostruite nelle loro completezza in tutto il tracciatore.

4. La misura calorimetrica viene raffinata con le informazioni del tracciatore sia per tracce nel cono che fuori. Si sottrae la risposta del calorimetro attesa (per ora senza particle ID, tutte le particelle cariche sono considerate pioni).


Implementazione di EF in CMSJetPlusTrack – le prestazioni

Effetto dell’EF sulla risoluzione di jet Et

Barrel Endcap

Eventi di-jet in Full-Simulation con PU LowL

• Miglioramenti paragonabili sia nel barrel che negli endcap: la risoluzione migliora del 25-14 % in funzione di Et del Jet

• Gli effetti maggiori si hanno per i jet meno energetici,cioe’ quelli meno collimati e quindi piu’ sensibili ai problemi intrinsechi del jetFinding.

Atlas TDR


Implementazione di EF in CMSJetPlusTrack – le prestazioni

Barrel Endcap

• La linearita’ e’ quasi completamente ristabilita nel barrel

• Negli endcap un miglioramento e’ presente, ma inferiore a quello nel barrel:

• minore efficienza di ricostruzione delle tracce

Effetto dell’EF su Etreco/Etgene (linearita’)


Implementazione di EF in CMSJetPlusTrack – applicazione a ricostruzione massa Xjj (120 GeV/c2)

Full Simulation con PU per oggetto X di massa 120 GeV/c2 che decade in 2 quark leggeri.

• L’applicazione dell’algoritmo di JetPlusTrack ristabilisce il rapporto tra la massa ricostruita e quella generata: si passa da Mreco/ Mgene = 0.88 a Mreco/ Mgene = 1.01

• La risoluzione migliora del 10% :

σ(M)/M = 13.6 % σ(M)/M = 11.9 %


Implementazione di EF in CMSJetPlusTrack 2 – l’algoritmo

neutralcharged

φ

η

1. Un piccolo cono e’ sufficiente a raccogliere la maggior parte del contributo neutro all’energia del jet

2. Un cono piu’ grande, indipendente, puo’ essere specializzato alla sola raccolta dei frammenti carichi.

AlgoritmoJetPlusTrack esteso con l’utilizzo di due coni separati

JetRcalo

Rtk

calo

JetPlusTrack 2

Santocchia,Spiga

MC level


Implementazione di EF in CMSJetPlusTrack 2 - prestazioni

Utilizzando due coni distinti e’ possibile

► Ridurre Rcalo, in modo da avere una minore sovrapposizione con gli altri jet dell’evento e con i depositi dovuti al PileUp.

► Utilizzare Rtk piu’ grande in modo da raccogliere ugualmente il contributo carico del jet.

JetPlusTrack

Jet Livello 2

JetPlusTrack2

ET Gen (GeV)

sig

ma (

(Et_

Gen

-g

*Et_

corr

2)/

Et_

Part

on

)

0.65-0.750.70-0.75

0.75-0.750.70-0.75 0.75-0.75 0.75-0.75


Applicazione di EF in Atlas e CMSConclusioni

• Atlas ha un ottimo calorimetro adronico che permette gia’ una buona ricostruzione dei Jet. L’EF puo’ servire soprtattutto per jet soft, ma non sembra in modo significativo.

• E’ stato dimostrato come sia importante la sovrapposizione dei cluster nella efficacia dell’EF.

•E’ necessaria una parametrizzazione piu’ realistica del rilascio di energia nei calorimetri da parte degli adroni.

• CMS parte da una ricostruzione calorimetrica dei jet meno buona e dispone di un tracciatore piu’ performante. Gli effetti dell’applicazione dell’EF sono risultati significativi.

• Attualmente l’EF di CMS non fa uso di particle IDmargini di miglioramento delle prestazioni dell’EF.

ATLAS CMS

HCAL+ECAL(errore statistico)

41.9%/E 127%/E

TRACKER( 100 GeV)

60% pt (Tev) 15% pt (Tev)

Jet Singolo (/E , QCD 50 GeV)

“8-9% 7%”Idealmente

17%12%

Massa Invariante (/E - Z’ 120 GeV)

// 13.6% 11.9%


Soglie di trigger


Multi-jet trigger rates in ATLAS LVL1 menu Rate (KHz) HLT menu Rate (Hz)

1Jet200 0.2 1jet400

25 3Jet90 0.2 3jet165

4Jet65 0.2 4jet110

• Ad ATLAS, i trigger di multijet rappresentano circa il 10% del rate di trigger finale totale

• Le soglie sono alte utili per SUSY e nuova fisica • Esistono trigger dedicati per i jet tau• Attualmente sotto investigazione la possibilità di avere un trigger

dedicato di b-jets

• Trigger di jet con basse soglie in PT (prescalati): circa 20 Hz


Multi-jet trigger rates in CMS

LVL1 menu Rate (KHz) HLT menu Rate (Hz)

1Jet177

3

1jet657

93Jet86 3jet247

4Jet70 4jet113

• I trigger di multijet rappresentano circa il 10% del rate di trigger finale totale• Esistono trigger dedicati per i jet tau• Esiste un trigger inclusivo per b-jets

• Trigger di jet con basse soglie in PT (prescalati): circa 10 Hz


In situ jet calibration

Le correzioni collegate con gli effetti dell’algoritmo di ricostruzione e con effetti di fisica (out of cone,

hadronization corrections) possono essere ottenute dai dati.

Le topologie considerate sono Z+jet, γ+jet e Wjj (dove il W è prodotto nel decadimento del top).


• I tagli sono applicati esclusivamente ad oggetti ricostruiti

• pT = (pT gam rec + pT jet rec)/2• |phi balance| < 0.2 • Non c’è taglio sulla

pseudorapidità del fotone. Il rivelatore ricostruisce fotoni con |eta| < 2.47. Questi eventi corrispondono a misidentificazione del fotone. Possono essere facilmente rimossi con un taglio in eta o pT del fotone.

pT balance = (pT parton – pT photon)/ pT photon

Un esempio: γ+jet (ATLAS)


ReferenceParticle level Cone 0.7Reconstruction level Cone 0.7

Most probable value for the pT balance

Recon levelBias ~ 2-0%

Particle levelBias ~ 2-0%

Ricostruzione con cono 0.7•La correzioni per gli effetti di rivelatore sono ottimizzate sul cono 0.7

•La differenza tra il riferimento (parton level) e il particle jet è piccola gli effetti di out of cone sono piccoli


Parton levelBias ~ 1-0%

Recon levelBias ~ 15-7%

ReferenceParticle level Cone 0.4Reconstruction level Cone 0.4

Most probable value for the pT balance

Particle levelBias ~ 7-3%

E(GeV)

• La calibrazione al particle jet è sbagliata (o meglio, ottimizzata per il cono 0.7).

• Gli effetti di out of cone sono più rilevanti (confronto tra il parton level e il particle level)

Ricostruzione con cono 0.4


Conclusioni• Algoritmi di ricostruzione: entrambi gli esperimenti utilizzano

tipicamente un algoritmo a cono. Il KT è implementato, ma poco usato.

•Le procedure di noise suppression e di calibrazione sono diverse, ma portano a risultati paragonabili (su MC) in termini di linearità.

• L’applicazione dell’energy flow ha risultati molto diversi sui due esperimenti, a causa delle diverse prestazioni dei calorimetri e del

tracciatore.

•Studi su canali di fisica mostrano che l’utilizzo di Wjj, γ+jet possono ridurre le sistematiche sulla linearità della misura di ET al

livello di 1-3% (in funzione dell’energia e di η)


BACKUP


(1-costh)

(1-cosm)

Reconstructed W (cone 04)

• AOD=

Angle between the 2 jets recovered, shift only due to E miscalib.

• ATLFAST: jets are massless, angle is not accurately defined

=> ~2 GeV shift on MW

• AOD• ATLFAST

Cosm2 2

1 2

2 21 2 1 2 1 2

2 (1 cos )

(2 cos ) / 2

jj m m i i

m jj

E E E p

p p M M E E

KKKKKKKKKKKKKK

Wcos cos in M

cos


Method 1 to extract the E scale

•

• compute R for k bins in E

• apply k factors on R and recompute R n times =>

jeti

parti

iWPDGW

E

EwithMMR 21/

1 2k j j True nk k

n

R

E

E

Pa

rt /

E

E

AODW Recons.

No comb BKG


Method1 Results after recalibration

• Function found with any

‘a priori’ hypothesis

E

Pa

rt /

E

E

before

after

AOD4000 W Recons.

No comb BKG

Mw


Method1 Results on Z+jets

• Use the AOD Top sample to correct the jet energies of the AOD Z+jet sample

• TOP 12000 jets, Z+jet 8000 jets

• Apply same cuts on jets energies

• => Top light jet scale works for all light jets

Top

Z+jets+

+

After calib ‘Top’

E

Pa

rt /

E

E E

E

Pa

rt /

E


W selection

• Selection for optimal mass measurement

– Clean W sample with – 2 b tag

– Cuts on Mt or Mt-Mw

• Selection for commissioning

– No b tag, cut on Mjlv ( ivo van Vulpen talk Rome)

– Reduced b tag (with lower efficiency or 1btag only), cut on angles

=> W sample ~85% purity (see D Pallin talk Slovakia)

W sample ~85% purity

(see D Pallin talk Slovakia)


W selection

• Selection for optimal mass measurement

Comb. BKG

AOD

ATLFAST

3 days at L=1033Mw


Method1 with comb. BKG

• Preliminary result with 1000 W +bkg evts

• Calibration marginaly sensible to BKG (purity=85%)

E

Pa

rt /

E E

AOD

3 days at L=1033

Very preliminary

To reach the 1% precision on the E scale, 10000 W should be enough = 1month data taking


AG Calibration Scheme in detail

The reconstructed energy Erec is calculated as :

sMCs

sc EEwE )(Re where Es is the energy the sample s.

The dependence of the weights ws on the jet energy is parametrized as :

)ln()( MCsMC

ssMCs EcE

baEw

Since EMC is not known a priori an iterative procedure is applied.

A.Gupta, M.Wood - http://atlas.web.cern.ch/Atlas/GROUPS/PHYSICS/JETS/jetcalib_gupta_may03.ps


AG Calibration Scheme in detail

AG has carried out a study to evaluate the improvement of the resolution and linearity as the number of calibration weights increase. DC1 di-jet, No

Noise, No pileup, Seeded cone jet algorithm.

Central region ||<0.7

E /

E tr

ue

/ E

EM scale 2 Wei. 7 Wei.

a 102% 85% 80%

b 2% 2.5% 1.3%

The 7 Weight results should be taken with care since the statistics used was quite poor.

bE

a

E

E

)(


IV Calibration Scheme in detail


iiMCi

ic EEEwE ),(Re where Ei is the energy of the cell in the sample i.

The dependence of the weights wi on the cell energy are parametrized as :

i

MCiMCiMCii E

EbEaEEw

)()(),(

This parametrization was chosen since if it describe fairly well the behaviour of the weights when fitted singolarly for discrete energy value.

As for AG use of EMC requires iterative procedure.


IV Calibration Scheme in detail

a

b

Parametrization of the dependence on the true jet energyExample: EMB 3

EjetMC < 500 GeV :

a = a0+a1/EJetMC

b = b0+b1/EJetMC

EjetMC < 500 GeV :

a = const

b = b0+b1/EJetMC

E jet (GeV)

500 GeV


IV Calibration Scheme: Electronic Noise

Seeded cone jet algorithm, DC1 di-jet samples ||<0.7, Noise + 3 sigma asymmetric cut, No Pileup + iterative procedure (EMC not used).

%8.03.3%74

%9.2%115

E

GeV

EE

EE

Rec

on

stru

cted

ET/

tru

e E

T

Calibration procedure takes the linearity within +/- 2% and gives very good improvement on resolution.


FP Calibration Scheme


iiMCi

ic EEEwE ),(Re where Ei is the energy of the cell in the sample i.

The response F=<E/EMC> is calculated in each bin and a factor 1/F is applied as an additional weight

The dependence of the weights wi on the cell energy are parametrized as:

idi

i

ii

iii VolE

VolEc

b

aEw)/(

)/()(

Where Ei is the cell energy in sample i and Vol is the cell volume


FP Calibration Scheme on DC2

KKTT jet algorithm jet algorithm, DC2 di-jet samples |η| < 3, No Noise, No Pileup

Calib:

Rec

on

stru

cted

en

erg

y/ t

rue

en

erg

y

/ E

The resolution with K KTT jet algorithm jet algorithm does not show a good improvement after calibration. This is also observed when IV calibration

scheme is applied . Problem not seen with single pions. The problem is due to KT alg.

Very good linearity improvement but at very low energy. Probably due to clustering effect.

%9.0%102

EE


FP Calibration Scheme

Seeded cone jet algorithmSeeded cone jet algorithm, DC2 di-jet samples |η| < 3, No Noise, No Pileup

Apply calibration factors obtained with kT algorithm.

%86.1%8.63

EE

The resolution with cone algorithm shows a much higher improvement. This problem could be due to clustering problems. A dedicated study

to control this hypothesis is under going.

The calibration has been tested on a DC2 SUSY sample. The results obtained with QCD sample is confirmed (even better results)


Jet Physics at Hadron CollidersThe pp collisions produce a set of final state partons (hard scattering plus ISR and FSR),

resulting in a number of collimated jets of particles.

The aim of an ideal jet reconstruction algorithm is to associate unambiguosly the energy deposits in the calorimetric cells (jets) to the parent partons

(quarks and gluons)

The calorimeters will be calibrated at the EM scale. Jets need to be recalibrated (mainly because of e/ ratio, detector effects, out of cone energy).

The most common jet reconstruction algorithms associates calorimetric tower/clusters by

“nearness”: nearness in momentum (KT algorithm) or in angle (Cone algorithm)


b-jet scale uncertainty m (top)

1% 0.9 GeV 5% 4.5 GeV 10% 9 GeV

B dominatedby signalcombinatorial

t tb-jetb-

jet

WWljetjet

Mjj

Mjjb

Jet scale 1% (b-jets,light-quark jets) ~ 0.9 GeV Total ~ 2.3 GeV(background,ISR,FSR, fragmentation.jet scale,statistics...)

(Mtop)

Jet Calibration: Top mass


ATLAS jet calibration – the futureCalo Cells Calo Topo

ClustersEM/HAD

recognition

Local Calibrated Clusters

Uncalibrated Jets

Calo calibrated

Jets

Physics measurements

MC + TB data

Local calibration

MC +

Calibration hits +

TB data

Jet reco algorithm

Jet reco algorithm

Jet based HAD calibration

Calo Towers/Topo Clusters

Jet reco algorithm

Missing components are under study. The main ingredient is a

reliable EM/HAD separation with pure calorimetric criteria, (CTB 2004 data (full

ATLAS slice on beam) and G4 simulation),

then understanding of the HAD calibration using MonteCarlo.

Good agreement (1%) between TB data and

MonteCarlo is mandatory

ATLAS jet calibration – the present

In situ calibration


CTB 2004

20 GeV pions

Small shift of MC to lower scale.

Agreement in the noise/MIP region

Analysis of the Combined Test Beam 2004 data is ongoing. First results about the comparison G4/data

Data considered: electrons, pions. Energy considered: 20-350 GeV, at different pseudorapidities.

Comparison with low energy particles (1-9 GeV) not yet available.

PRELIMIN

ARYPRELIM

IN

ARY

E(MeV)


CTB2004 (2)Overall agreement within 2% (η = 0.35). The point at 320 GeV

needs better understanding.

However, preliminary results show that the shower shape has

to be improved

η = 0.35

PRELIMINARY

PRELIMINARY

PRELIMINARY

Ebeam(GeV)

Ebeam(GeV)

E(G

eV

)

η


Le Implementazioni di EF in AtlasApproccio 1 (EF prima ricostruzione Jet) - algoritmo

eflowCaloObject

eflowCaloObject

neutral

neutral

neutral

neutral

charged

Tracce e cluster calorimetrici vengono associati in η e φ, eventualmente considerando l’helix (per tracce cariche)

1.Ogni traccia carica (con i possibili cluster EM o HAD associati) determina un oggetto eflow. L’energia misurata dal tracciatore è “sostituita” a quella del cluster.

2.I rimanenti cluster EM (con i possibili cluster HAD associati) determinano altri oggetti eflow.

3.I rimanenti cluster HAD determinano altri oggetti eflow.

4.Gli oggetti eflow connessi tra loro formano un unico eflowCaloObject.


Le Implementazioni di EF in AtlasApproccio 1 (EF prima ricostruzione Jet) - algoritmo

“Sostituzione” dell’energia misurata da Cal con quella stimata da Tk:

- Particle ID fatta sfruttando radiazione di transizione in TRT, shower shape nel LAr, muon ID.

- Il calcolo dell’energia attesa in ECal è fatto sfruttando un algoritmo di parametrizzazione veloce dello sviluppo degli sciami elettromagnetici (Fast Shower).

- Per i pioni carichi l’energia calorimetrica è stimata con FastShower in una finestra η·φ = 0.075x0.075 (questo e’ solo un adattemento temporaneo, aspetto sicuramente migliorabile in futuro utilizzando algoritmo dedicato).

- Una volta stimato il rilascio di energia, il cluster è completamente rimosso dalla lista se il risultato è entro 1.3 σ. Altrimente e’ sottratta una quantita’ di energia pari al valore stimato.


Le Implementazioni di EF in AtlasApproccio 2 (EF dopo ricostruzione del Jet) - algoritmo

Energy flow applicato una volta che i jet sono stati ricostruiti con algoritmo a cono.

1. Si identificano i cluster EM (sopra soglia in Et e che passano taglio di qualita’ em) tali che non sono presenti tracce ricostruite entro R < 0.07. Sono aggiunte le celle vicine (R < 0.0375) nei 3 segmenti longitudinali del calorimetro EM. Questi cluster sono eticchettati come cluster elettromagnetici EMCL.

2. Si itera sulle tracce cariche. Le celle che sono entro R < 0.0375 (in tutti i sample calormetrici) sono etichettate come celle cariche CHRG. Qui viene sostituita l’energia misurata nel tracciatore. Si fa uso di particle ID per distinguere tra adroni carichi ed elettroni.

3. Le rimanenti celle del jet sono etichettate come celle neutre NEUH.


Per entrambi gli approcci:

• la risoluzione sui jet soffre ancora della mancanza di un efficace algoritmo di clusterizzazione 3D. Per entrambi gli approcci sono previsti miglioramenti una volta che verrà introdotta una strategia di clustering più raffinata che sfrutti pienamente la segmentazione longitudinale dei calorimetri di Atlas.

• Per entrambi gli approcci non c’è un sostanziale miglioramento rispetto alla gia’ buona misura calorimetrica.

Il secondo studio ha messo in evidenza l’importanza che la sovrapposizione dei cluster riveste nell’efficacia dell’EF. Ancora una volta risulta fondamentale utilizzare la clusterizzazione 3D: cluster sovrapposti in 2D potranno essere distinti con analisi 3D.

Approccio 1 e 2 – confronto e previsioni

Le Implementazioni di EF in Atlas

Nuovi risultati con clustering 3D attesi a breve!


EM/HAD recognition/Calibration hitsBefore the calibration it is important to recognize hadronic, electromagnetic,

and mixed energy deposits in the calorimeters.

First studies on topoclusters take into account moments of several variables of the clusters (depht of the shower center, longitudinal and lateral development,

etc.)

The MonteCarlo can then be used to estimate the visible EM and HAD, the invisible HAD, and the lost energy contributions (calibration hits local cluster

calibration)

Invisible Had energy

Open questions:

Studies done so far only for single particles: how the “mixed” EM and HAD

clusters have to be treated in a jet?

ANY calibration has to rely heavily on the MonteCarlo (G4). How well it predicts the

data?


What we haveThe present jet calibration in ATLAS is obtained using jets after the

reconstruction

Jet reconstruction algorithm is run on the input clusters (towers or topological clusters)

Reconstructed jet energy is then compared to the MC particle level jet. Then a set of corrections (for cell energy deposits or for the longitudinal

samples energy content) are extracted.

Different calibration schemes have been studied. They differ mostly for the dependencies of the calibration constants (cell energy density, cell

energy + jet energy, jet energy).

The final performances of the calibration are assessed looking at the linearity and resolution that can be obtained.

Usually a cone algorithm with R = 0.7, ETseed=2 GeV is used.


ResultsResults are shown for the default calibration scheme (wi(Ecell), with

additional correction for pseudorapidity dependence)

Cone algorithm, electronic noise included in the simulation, pileup not

included, results are the average over |η| < 3

The linearity (with respect to MC truth on QCD events) that can be obtained is within ±2% over a wide range of energy.

Very low constant term in the resolution.


Results with different reco algorithmsResults are checked over different reconstruction algorithms.

KT algorithm gives the worst results in terms of resolution. A tuning of the D parameter (default D=1, tuned D=0.6) improve the

resolution. Studies ongoing.

“Single jet gun” + noise

Cone algorithm gives the best resolution (R = 0.7, Etseed = 2

GeV. High luminosity will force the decrease of the

cone size)


Esempio in ATLAS: uso di Wjj dal decadimento del top

Le costanti di calibrazioni per ottenere l’energia a livello partonico nel canale Wjj (dove il W viene dal decadimento del top) possono essere calcolate:

• Si calcola R per k bins in E

• Si applicano i fattori k a R e si itera =>

jeti

parti

iWPDGW

E

EwithMMR 21/

1 2k j j True nk k

n

R

E

E

Pa

rt /

E

E


Risultati dopo la calibrazione E

Pa

rt /

E

E

• Le correzioni calcolate sul sample di top sono state utilizzate su Z+jet

• I tagli applicati sulle energie dei jet sono gli stessi• I jet del campione Z+jets sono calibrati al 3-4% • Effetti dei fondi non ancora inclusi nell’analisi

After calib ‘Top’

E E

Pa

rt /

E

Top

Z+jets


Esempio in CMS: γ/Z+jet

• Si calcolano correzioni da applicare al particle jet per avere l’energia del partone

recjet

recTpart

T K

EE

partT

recT

ZT

recTrec

T E

E

E

EK

/

Ktruejet


Sistematiche della calibrazione• Bias sistematico relativo:

• I principali contributi al bias sono:– effetti di radiazione– fondi (QCD di-jet in γ + jets)– La selezione degli eventi puo’ creare un bias sulla scala di energia

truejet

truejet

recjet

K

KK

MCWS - Frascati 28/2/2006 Iacopo Vivarelli-INFN/Università Pisa 1 Jet/Energy flow Iacopo Vivarelli...

Documents

Transcript of MCWS - Frascati 28/2/2006 Iacopo Vivarelli-INFN/Università Pisa 1 Jet/Energy flow Iacopo Vivarelli...