slide

Jet/Energy flow
Iacopo Vivarelli
INFN e Università, Pisa
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
1
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
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
2
Calorimetria di ATLAS….
Tile Calorimeter
EM barrel and 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 
Hadronic
EndCap
Forward
Calorimeter
Risoluzione per il calorimetro
combinato (EM+HAD) ad η = 0.35

 41.9%
 1.8

 1.8%  
E  E
 E
Linearità entro ±2% (10-300 GeV)
28/2/2006
 = 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
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
3
…. e quella di CMS
Preshower
EM barrel and EndCap
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)
Hcal barrel and
EndCap
Very Forward
Calorimeter
Risoluzione su single π Ecal + Hcal
(ottenuta al Test beam combinato del 1996)

101%

 4% Pions mip in Ecal
E
E
 127%

 6.5% Full pion sample
E
E
28/2/2006
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 )
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
4
Clustering
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
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
Cluster for 120 GeV pion in
EMEC and HEC (2002 Test Beam data)
MCWS - Frascati
5
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)
D=1
SEEDED CONE ALGORITHM
KT ALGORITHM
- Seed: ET > 2 GeV in ATLAS, ET>0.8 (di
solito) per CMS.
Per ogni coppia di cluster ij:
- Calcolare d=
- 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
dii  k 2T,i
dij 
min(k 2T, i , k 2T, j )
ΔRij2
D2
- Se dmin= dii ho un jet
- Se dmin= dij allora i e j sono sommati in
un unico “cluster”
energetico per entrambi gli esperimenti
-La forma del jet non è definita
Il jet ha ua precisa forma geometrica
- I jet sono separati: no split and merge
R = √2+f2
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
6
Efficienze di ricostruzione
Un 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.
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.
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
CMS. Analogo per ATLAS
MCWS - Frascati
7
Noise suppression - ATLAS
Il 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
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
8
Noise suppression CMS
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
9
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, Wjet jet dal decadimento del top
Per la fase 1 la capacità del MonteCarlo di
riprodurre i dati sperimentali è fondamentale
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
10
Confronto MC/Dati: ATLAS
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
20 GeV pions
Small shift of MC to lower scale.
Agreement in the noise/MIP region
E(MeV)
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
11
Confronto MC/Dati: ATLAS
E(GeV)
Accordo entro il
2% nel range 20350 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
η
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
Ebeam(GeV)
Ebeam(GeV)
MCWS - Frascati
12
Confronto MC/Dati: CMS
Paragone dati/MC (G4) per il test beam combinato ECAL+HCAL
(2002)
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
13
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.
rec
MC 2
(
E

E
2
e
e )
 
MC a
(
E
e
e )
E rec   wi Ei
i
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)
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
14
Risultati (rispetto al particle jet)
Risultati ottenuti con un algoritmo a cono (DR=0.7), noise
elettronico incluso nella simulazione, pile-up non incluso

115%
 2.9%
E
E

74%
3.3GeV


 0.8%
E
E
E
 ( ET )
ET
28/2/2006


0.61 4.8

 0.021
E
ET
T
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
15
Risultati per alcuni algoritmi di ricostruzione
Gli 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
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
16
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
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
17
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:
 ( ET ) 1.25 5.6
ET
28/2/2006

ET

ET
Iacopo Vivarelli-INFN/Università Pisa
 0.033
MCWS - Frascati
18
Risoluzione angolare
Iterative cone, DR = 0.5
Risoluzione inferiore alla granularità delle torri su tutto il range in
eta
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
19
Energy flow
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
20
Proprieta’ Cal e Tk nei due esperimenti
ATLAS
Risoluzione Ecal+Hcal
su pioni
Risoluzione Jet
Risoluzione tracciatore
interno

 41.9%
 1.8

 1.8%  
E  E
 E
CMS

127%

 6.5%
E
E
(E)/E = 54% /sqrt(E) + 1.3%
(Et)/Et = 118% /sqrt(Et) + 7%
(pt)/pt = 1.8% + 60% pt
(pt)/pt = 0.5% + 15% pt
(pt in Tev)
(pt in Tev)
• 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.
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
21
Le Implementazioni di EF in 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”.
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.
- Per i cluster adronici carichi si sostituisce la
misura del calorimetro con quella del
tracciatore.
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
22
Le Implementazioni di EF in Atlas
Approccio 1 (EF prima ricostruzione del Jet) - prestazioni
Algoritmo
standard
20 GeV single p-
• 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)
Energy
Flow
50 GeV jets
σ(E)/E = 7%
• Test su eventi singola particella per testare
consistenza dell’implementazione dell’EF.
Larghezze distribuzioni in accordo con
risoluzioni dei calorimetri e del tracciatore.
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
on the core
MCWS - Frascati
23
Le Implementazioni di EF in Atlas
Approccio 2 (EF dopo ricostruzione del Jet) - prestazioni
L’algoritmo è stato testato su tripletti di particelle (π+ π0 n) arbitrariamente vicine in f.
I risultati dipendono fortemente dalla distanza angolare tra le particelle.
Effetto della
sovrapposizione dei
cluster:
p+ p0 n (5 GeV) con R > 0.1
p+ π0 n (5 GeV) with R = 0.1
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
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
24
Le Implementazioni di EF in Atlas
Approccio 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).
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
25
Implementazione di EF in CMS
Correzione 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
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
26
Implementazione di EF in CMS
JetPlusTrack – 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).
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
27
Implementazione di EF in CMS
JetPlusTrack – le prestazioni
Effetto dell’EF sulla risoluzione di jet Et
Barrel
Endcap
Eventi di-jet in
Full-Simulation
con PU LowL
Atlas
TDR
• 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.
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
28
Implementazione di EF in CMS
JetPlusTrack – le prestazioni
Effetto dell’EF su Etreco/Etgene (linearita’)
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
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
29
Implementazione di EF in CMS
JetPlusTrack – applicazione a ricostruzione massa Xjj (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 %
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
30
Implementazione di EF in CMS
JetPlusTrack 2 – l’algoritmo
calo
charged
neutral
η
Jet
Rcalo
MC level
Rtk
Santocchia,Spiga
φ
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.
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
AlgoritmoJetPlusTrack esteso con
l’utilizzo di due coni separati
JetPlusTrack 2
MCWS - Frascati
31
Implementazione di EF in CMS
JetPlusTrack 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.
sigma ((Et_Geng*Et_corr2)/Et_Parton)
► Utilizzare Rtk piu’ grande in modo da raccogliere ugualmente il
contributo carico del jet.
Jet Livello 2
JetPlusTrack
JetPlusTrack
2
0.65-0.75
0.70-0.75
0.75-0.75
0.70-0.75 0.75-0.75
0.75-0.75
ET Gen (GeV)
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
32
Applicazione di EF in Atlas e CMS
Conclusioni
• 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.
ATLAS
HCAL+ECAL
(errore statistico)
TRACKER
(m 100 GeV)
Jet Singolo
(/E , QCD 50
GeV)
Massa Invariante
(/E - Z’ 120 GeV)
CMS
41.9%/E
60% pt (Tev)
127%/E
15% pt (Tev)
“8-9%  7%”
Idealmente
17%12%
//
13.6% 11.9%
• 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
IDmargini di miglioramento delle prestazioni
dell’EF.
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
33
Soglie di trigger
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
34
Multi-jet trigger rates in ATLAS
LVL1 menu
Rate (KHz)
HLT menu
1Jet200
0.2
1jet400
3Jet90
0.2
3jet165
4Jet65
0.2
4jet110
Rate (Hz)
25
• 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
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
35
Multi-jet trigger rates in CMS
LVL1 menu
Rate (KHz)
1Jet177
3Jet86
Rate (Hz)
1jet657
3
4Jet70
•
•
•
•
HLT menu
3jet247
9
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
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
36
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 Wjj (dove
il W è prodotto nel decadimento del top).
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
37
Un esempio: γ+jet (ATLAS)
•
•
•
•
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
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
38
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
Most probable value for the pT balance
Reference
Particle level Cone 0.7
Reconstruction level Cone 0.7
Particle level
Bias ~ 2-0%
Recon level
Bias ~ 2-0%
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
39
Ricostruzione con cono 0.4
• 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)
Most probable value for the pT balance
Parton level
Bias ~ 1-0%
Particle level
Bias ~ 7-3%
Reference
Particle level Cone 0.4
Reconstruction level Cone 0.4
Recon level
Bias ~ 15-7%
E(GeV)
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
40
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 Wjj, γ+jet
possono ridurre le sistematiche sulla linearità della misura di ET al
livello di 1-3% (in funzione dell’energia e di η)
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
41
BACKUP
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
42
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
43
Reconstructed W (cone 04)
•
•
(1-costh)
AOD
ATLFAST
(1-cosm)
•
Cosm
AOD=
cos jj  cos m
in
MW  2 E1 E2 (1  cos  m ) 
E  p
2
i
2
i
cos m  (2 p1 p2 cos  jj  M12  M 22 ) / 2 E1 E2
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
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
44
Method 1 to extract the E scale
R  MWPDG / MW  1 2
•
part
with
Ei
 i  jet
Ei
k   j1 j 2 
compute R for k bins in E
•
apply k factors on R and recompute R n times =>
 kTrue    kn
n
EPart / E
•
R
AOD
W Recons.
No comb BKG
E
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
E
MCWS - Frascati
45
Method1 Results after
recalibration
AOD
EPart / E
4000 W Recons.
No comb BKG
before
Mw
E
after
• Function found with any
‘a priori’ hypothesis
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
46
Method1
Results on Z+jets
•
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
+
EPart / E
Use the AOD Top sample to correct the jet energies of the AOD Z+jet sample
EPart / E
•
After calib ‘Top’
28/2/2006
E
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
E
47
W selection
•
Selection for optimal mass measurement
– Clean W sample with
•
– 2 b tag
 W sample ~85% purity
– Cuts on Mt or Mt-Mw
(see D Pallin talk Slovakia)
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)
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
48
W selection
•
Selection for optimal mass measurement
AOD
ATLFAST
Comb. BKG
Mw
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
3 days at L=1033
MCWS - Frascati
49
•
Preliminary result with 1000 W +bkg
evts
•
Calibration marginaly sensible to
BKG (purity=85%)
EPart / E
Method1 with comb. BKG
AOD
Very preliminary
To reach the 1% precision on the E
scale, 10000 W should be enough
= 1month data taking
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
3 days at L=1033
MCWS - Frascati
E
50
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
51
AG Calibration Scheme in detail
A.Gupta, M.Wood - http://atlas.web.cern.ch/Atlas/GROUPS/PHYSICS/JETS/jetcalib_gupta_may03.ps
The reconstructed energy Erec is calculated as :
ERe c   ws ( EMC ) Es
s
where Es is the energy the sample s.
The dependence of the weights ws on the jet energy is
parametrized as :
bs
ws ( EMC )  as 
 cs ln( EMC )
EMC
Since EMC is not known a priori an iterative procedure is applied.
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
52
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.
 (E)
E

a
b
E
E / E true
 /E
Central region ||<0.7
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
Iacopo Vivarelli-INFN/Università
Pisa
28/2/2006
used was quite
poor. MCWS - Frascati
53
IV Calibration Scheme in detail
The reconstructed energy Erec is calculated as :
ERe c   wi ( EMC , Ei ) Ei
i
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 :
bi ( EMC )
wi ( Ei , EMC )  ai ( EMC ) 
Ei
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.
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
54
IV Calibration Scheme in detail
Parametrization of the dependence on the true jet energy
Example: EMB 3
a
EjetMC < 500 GeV :
a = const
b
b = b0+b1/EJetMC
EjetMC < 500 GeV :
a = a0+a1/EJetMC
b = b0+b1/EJetMC
28/2/2006
E jet (GeV)
500 GeV
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
55
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).
Calibration procedure takes the
linearity within +/- 2% and gives very
good improvement on resolution.
Reconstructed ET/ true ET

28/2/2006
115%
 2.9%
E
E

74%
3.3GeV


 0.8%
E
E
E
Iacopo Vivarelli-INFN/Università Pisa

MCWS - Frascati
56
FP Calibration Scheme
The reconstructed energy Erec is calculated as :
ERe c   wi ( EMC , Ei ) Ei
i
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:
ci
bi 
 ( Ei / Vol )
wi ( Ei )  ai 
 ( Ei / Vol ) di
Where Ei is the cell energy in sample i and Vol is the cell volume
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
57
FP Calibration Scheme on DC2
KT jet algorithm, DC2 di-jet samples |η| < 3, No Noise, No Pileup
28/2/2006
The resolution with KT 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.

102%
 0.9%
Calib:
E
E

/E
Reconstructed energy/ true energy
Very good linearity
improvement but at very low
energy. Probably due to
clustering effect.
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
58
FP Calibration Scheme
Seeded cone jet algorithm, DC2 di-jet samples |η| < 3, No Noise, No Pileup
Apply calibration factors obtained with kT algorithm.
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.

E

63.8%
 1.86%
E
The calibration has been tested on a DC2 SUSY sample. The results obtained with QCD
sample is confirmed (even better results)
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
59
Jet Physics at Hadron Colliders
The 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 most common jet reconstruction algorithms
associates calorimetric tower/clusters by
“nearness”: nearness in momentum (KT algorithm)
or in angle (Cone algorithm)
The calorimeters will be calibrated at the EM scale.
Jets need to be recalibrated (mainly because of e/p
ratio, detector effects, out of cone energy).
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
60
Jet Calibration: Top mass
jet
n
jet
W
bjet
l
W
t
t
b-jet
(Mtop)
Jet scale 1% (b-jets,light-quark jets)
~ 0.9 GeV
Total
~ 2.3 GeV
(background,ISR,FSR, fragmentation.
jet scale,statistics...)
b-jet scale uncertainty
1%
5%
10%
28/2/2006
B dominated
by signal
combinatorial
 m (top)
0.9 GeV
4.5 GeV
9 GeV
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
61
ATLAS
ATLASjet
jetcalibration
calibration––the
thepresent
future
MC + TB data
Calo Towers/Topo
MissingEM/HAD
components
CaloClusters
Topo
are under study. The
Calo Cells
Clusters
recognition
main ingredient is a
reliable EM/HAD
Local
Jet reco
separation with
pure
calibration
algorithm
Uncalibrated
calorimetric MC
criteria,
+
Jets
(CTB 2004 data (full
Calibration
ATLAS slice on
beam)
hits
+
Jet based HAD
and G4 simulation),
calibration
TB data
then understanding
of
Jet recothe HAD calibration
algorithm
Calo
Local
using MonteCarlo.
calibrated
Calibrated(1%)
Good agreement
Jets
betweenClusters
TB data and
MonteCarlo is
mandatory
Jet reco
algorithm
Physics
measurements
In situ
calibration
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
62
CTB 2004
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.
20 GeV pions
Small shift of MC to lower scale.
Agreement in the noise/MIP region
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
E(MeV)
63
CTB2004 (2)
However, preliminary results
show that the shower shape has
to be improved
E(GeV)
Overall agreement within 2% (η = 0.35). The point at 320 GeV
needs better understanding.
PRELIMINARY
PRELIMINARY
η=
0.35
Ebeam(GeV)
PRELIMINARY
η
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
Ebeam(GeV)
64
Le Implementazioni di EF in Atlas
Approccio 1 (EF prima ricostruzione Jet) - algoritmo
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.
28/2/2006
eflowCaloObject
neutral
eflowCaloObject
neutral
neutral
charged
neutral
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
65
Le Implementazioni di EF in Atlas
Approccio 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.
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
66
Le Implementazioni di EF in Atlas
Approccio 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.
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
67
Le Implementazioni di EF in Atlas
Approccio 1 e 2 – confronto e previsioni
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.
Nuovi risultati con clustering 3D attesi a breve!
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
68
EM/HAD recognition/Calibration hits
Before 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)
Open questions:
Studies done so far only for single
particles: how the “mixed” EM and HAD
clusters have to be treated in a jet?
Invisible Had energy
ANY calibration has to rely heavily on the
MonteCarlo (G4). How well it predicts the
data?
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
69
EM/HAD recognition/Calibration hits
Before 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)
Open questions:
Studies done so far only for single
particles: how the “mixed” EM and HAD
clusters have to be treated in a jet?
Invisible Had energy
ANY calibration has to rely heavily on the
MonteCarlo (G4). How well it predicts the
data?
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
70
What we have
The 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.
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
71
Results
Results 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.
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
72
Results with different reco algorithms
Results 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)
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
73
Esempio in ATLAS: uso di Wjj dal
decadimento del top
Le costanti di calibrazioni per ottenere l’energia a livello
partonico nel canale Wjj (dove il W viene dal decadimento
del top) possono essere calcolate:
part
R  MWPDG / MW  1 2
with
• Si calcola R per k bins in E  k
i 
  j1 j 2 
• Si applicano i fattori k a R e si itera =>
28/2/2006
 kTrue    kn
n
EPart / E
R
Ei
jet
Ei
E
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
E
74
Top
Z+jets
EPart / E
EPart / E
Risultati dopo la calibrazione
After calib ‘Top’
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
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
75
Esempio in CMS: γ/Z+jet
• Si calcolano correzioni da
applicare al particle jet per
avere l’energia del partone
rec
T
rec
jet
E

K
part
T
E
K
rec
T
rec
T
 /Z
T
E

E
rec
T
part
T
E

E
Ktruejet
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
76
Sistematiche della calibrazione
• Bias sistematico relativo:
true
K rec

K
jet
jet
K true
jet
• 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
28/2/2006
Iacopo Vivarelli-INFN/Università Pisa
MCWS - Frascati
77