CDF/Tevatron実験でのτを使ったヒッグス粒子探索

Report
Tevatron/CDF実験での
τを用いたヒッグス粒子探索
桜井雄基,船越雄二郎,蝦名幸二,寄田浩平
早稲田大学
高エネルギー物理 春の学校
@彦根ビューホテル
2011/05/14(土)
SM Higgs Search @ the Tevatron
Exclude by LEP
WH→lν+bbar
ZH→ll+bbbar
ZH→νν+bbar
WH/ZH/VBF/ggH →jj+bbar
WH/ZH/VBF/ggH →jj+ττ
H→γγ
Exclude by Tevatron
σ/[email protected]=115GeV/c2
channel
[email protected]
[email protected]
[email protected]
[email protected]
[email protected]
[email protected]
( l : 電子またはμ粒子 )
更なる探索感度改善には他channelか
らの寄与が重要!!
分岐比が2番目に高いτ粒子対に崩壊する
channelを使用する。
Low Mass Higgs
Tevatron/CDF実験での低質量領域における
Higgsボソン探索の主なchannel
WH→lνbb / ZH→llbb / ZH→ννbb
(τ粒子:~6.7% , bクォーク:~66.5% MH=120GeV/c2)
11/05/14
高エネルギー物理 春の学校
2
Tevatron / CDF ( Collider Detector at Fermilab)
Tevatron
 アメリカ イリノイ州フェルミ国立加速器研究
所に設置
 陽子•反陽子衝突型加速器
 重心系エネルギー : 1.96TeV
 現在も順調に稼働中
(2011年9月終了予定 )
CDF検出器

複合型粒子検出器
シリコン検出器
中央飛跡検出器
ソレノイド
Delivered: 11fb-1
Acquired: 9fb-1
Analysis: 7~8fb-1
電磁カロリーメータ
ハドロンカロリーメータ
シールド (鉄)
μ 粒子検出器
11/05/14
高エネルギー物理 春の学校
3
H →ττ Process
 終状態がττ+ jetsとなるモードを信号事象とする。
Vector Boson Fusion Production
W Boson Associated Production
11/05/14
Gluon Fusion Production
Z Boson Associated Production
高エネルギー物理 春の学校
4
τ lepton
 τ レプトンの崩壊モード
l:e/μ
Hadronic decay
B.R(τ→qq’ντ) :
~50% (1prong)
~15% (3prong)
nπ±+mπ0
n:奇数 m:整数
特徴的な細いジェット
として観測
Leptonic decay
B.R(τ→lνlντ) : ~35%
 ττの崩壊モード
τe+τe &τμ+τμ
Drell-Yan が支配的
τhad+τhad
QCDが支配的
τhad+τe & τhad+τμ Golden channel
τe+τμ
~52%
New channel
(MSSM Higgs探索ではすでに導入されている)
11/05/14
高エネルギー物理 春の学校
Dataset & Event Selection
• Luminosity : 6.0 fb-1 (~7.5fb-1を使用予定)
• Trigger : “Lepton + Track”
isolated lepton Pt (Et)>8[GeV/c] & isolated track Pt>5[GeV/c]
• Event Selection :





Hadronic channel (e + τhad / μ +τhad)
Number of electron/muon == 1 ( Pt > 10 GeV/c |η|<1.1 )
Number of hadronic τ==1 ( visible Pt > 15 (1prong) / 20 (3prong) GeV/c )
>= 1 jet: Et > 15GeV |η| < 2.5
Z→ee/μμ Veto : 1 prong τhad
Ehad/P < 0.4 ( or Δφ(μ,τ) <0.5 )
80 < M(lepton,τhad) < 110
Opposite charge (Qe/μ×Qτ< 0)
Leptonic channel (e + μ)





Number of electron == 1 : Pt > 10 GeV/c |η|<1.1
Numbwe of muon == 1 : Pt > 10 GeV/c |η|<1.1
Hadronic τ & 3rd Lepton Veto
>= 1 jets: Et > 15GeV |η| < 2.5
Opposite charge (Qe/μ×Qτ< 0)
Signalをより多く確保するため、最小限の事象選択を行う
11/05/14
高エネルギー物理 春の学校
6
Background
Physics Background (終状態がSignalと同様)
Z→ττ,Top pair , Diboson : MCからの見積もり
τhad Fake Background
Z→ee/μμ : MCからの見積もり
QCD , γ+jets , W+jets : データを使った見積もり
Z → ττ
Top pair
QCD
jet→τhad
jet→lepton
11/05/14
高エネルギー物理 春の学校
7
Jet →τhad estimation
Jet → τhad Fake 事象をMCから見積もるのは困難である。
Same Sign Data(同電荷事象) を使用
 QCD / γ+jets
 QCD/γ+jets事象は終状態
の電荷に相関がほぼない。
→ NOS = NSS
Jet→τhad
Jet→lepton
OS
 W+jets
SS
Additional
event
 W+jets事象はWボソンの電
荷によって、終状態の電荷
に相関がある。
→ NOS > NSS
Jet→τhad
11/05/14
OS
SS
 SFasym = NOS/NSSをControl
Regionから算出することで、
additionalな事象を見積もる。
高エネルギー物理 春の学校
8
Kinematic Shapes
 Lepton + τhad channel : Missing Et
0jet : Control Region
1jet : Signal Region
>=2jet : Signal Region
 e + μ channel : M (e,μ)
0jet : Control Region
11/05/14
1jet : Signal Region
高エネルギー物理 春の学校
>=2jet : Signal Region
9
Discriminant Analysis
 Backgoundに比べてSignalの事象数が非常に少ない。(S/√B : ~0.05)
→ 事象数のカウントだけではSignalの特定は困難である。
 多変量解析によってSignalとBackgroundを効率良く分類する必要がある。
分類器としてSupport Vector Machineを採用。
Support Vector Machine
N個の特徴変数からパターン認識を行う分類器
マージンが最大になる超平面を選択
各チャンネルにおいて事象数の多い(特徴のある)雑音事象v,s,信号事象で分類器を作成
Hadronic channel ( lepton+τhad )
1 jet channel
>= 2 jet channel
Leptonic channel ( e + μ )
1 jet channel
>= 2 jet channel
H→ττ v.s. Diboson
H→ττ v.s. Top pair
H→ττ v.s. Top pair
H→ττ v.s. Top pair
H→ττ v.s. W+jets
H→ττ v.s. W+jets
H→ττ v.s. Z→ττ
H→ττ v.s. Z→ττ
H→ττ v.s. QCD
H→ττ v.s. QCD
H→ττ v.s. Z→ττ
H→ττ v.s.Z →ττ
11/05/14
高エネルギー物理 春の学校
10
Support Vector Machine Training
 Training
各チャンネル、各事象に対して下記
の変数の個数を最適化して入力する
ことで、分類解析に用いるトレーニン
グを行う。(右図は>=2jet,MH=120GeV/c2で
Lepton + τhad channel (>=2jet)
v.s. W+jets
v.s. QCD
のトレーニング結果)
Input variables












Leading Jet Et 

Leading Jet η

Second Jet Et

Second Jet η

Lepton Pt

Lepton Eta

τ visible Pt
τ seed track Pt 

τ visible Mass

Missing Et
METSignificance 

Ht
11/05/14
Mt(lepton,met)
M(lepton,τ)
M(τ,met)
M(lepton,τ,met)
Δφ(lepton,met)
Δφ(lepton,τ)
Δφ(τ,met)
Δφ(lep,met,τ)
ΔR(lepton,met)
ΔR(lepton,τ)
ΔR(τ,met)
ΔR(lep,τ,met)
v.s. Z→ττ
v.s. Top
e + μ channel (>=2jet)
v.s. Top
高エネルギー物理 春の学校
v.s. Z→ττ
11
Final Discriminant ( lepton – τhad channel )
各トレーニング結果に対するSVMの応答から、それらの最小値を選択し、1次元
のSVM応答分布を作成する
v.s. W+jets
Take Minimum
v.s. QCD
v.s. W+jets
1 jet channel
v.s. QCD
Signal × 100
>=2 jet channel
v.s. Z→ττ
Signal × 100
11/05/14
高エネルギー物理 春の学校
Take Minimum
v.s. Diboson
v.s. Top
v.s. Z→ττ
12
Final Discriminant ( e - μ channel )
各トレーニング結果に対するSVMの応答から、それらの最小値を選択し、1次元
のSVM応答分布を作成する
v.s. Z→ττ
Take Minimum
v.s. Top
1 jet channel
Signal × 100
v.s. Top
Signal × 100
11/05/14
高エネルギー物理 春の学校
Take Minimum
>=2 jet channel
v.s. Z→ττ
13
95% C.L. Cross Section Limit (Expected)
 Lepton-τhad channel / e-μ channel をコ
ンバインして、Higgs ボソンの生成断面積
上限値をシミュレーションによって予想。
(統計誤差のみ考慮している)
 10 K 回の模擬実験を実行。
 Higgsの質量100~150GeV/c2までを
10GeV/c2毎SVMをトレーニング。
Mass
[GeV/c2]
Expected
Median
Expected
Mean (RMS)
100
8.8 +3.5-2.5
9.3 (3.1)
110
8.9 +3.4-2.5
9.45 (3.0)
115
9.4 +3.9-2.7
9.9 (3.2)
120
9.6 +3.8-2.5
10.3 (3.3)
130
12.2 +5.1-3.5
13.0 (4.4)
140
20.2 +8.9-5.6
21.6 (7.1)
150
40.0+15.6-11.4
41.9 (13.3)
11/05/14
[email protected]=115GeV/c2
MH=115GeV/c2において9.4倍の断面
積の上限値が予想できた。
系統誤差(~約15%)を考慮すると、上
限値は10~11倍になると予想できる。
(CDFの解析の最新結果: 14.7 @6.0fb-1)
高エネルギー物理 春の学校
14
H→ττの他チャンネル ( VH→ττ+ leptons )
蝦名さん(早稲田大学)の研究
終状態に3 or 4レプトンとなる
モードで探索。(τを含む)
多変量解析の分類器として
SVMを採用。
3lepton: lll,llτ,lττ,eμτ 4lepton: LLLL
( l:e/μ L: e/μ/τ)
[email protected]=115GeV/c2
11/05/14
高エネルギー物理 春の学校
15
Summary & Future Plan
Summary
 Tevatron/CDF実験において、τを用いてヒッグスボソンの
探索を行っている。
 この解析によって、ヒッグスボソンの生成断面積の上限値が
10~11倍(MH=115GeV/c2)と予想される。
Future Plan
 Systematic Error の見積もり
 データ量を増加させての解析 (~7.5 fb-1: for Summer 2011)
 τ粒子同定の改善(多変量解析)
 Discriminantの改善
 他channelと結果を統合し、Higgsボソンの発見、棄却感度を
高める。
11/05/14
高エネルギー物理 春の学校
16
BACKUP
11/05/14
高エネルギー物理 春の学校
17
Signal Expectation
11/05/14
高エネルギー物理 春の学校
18
Additional W+jets Modeling
Add-on events
 We evaluate OS/SS scale
factor(SFasym) from data in W+jets
control region. SFasym = NOS / NSS
W+jets Control Region
OS
SS
1 loose tau (standard tau ID veto)
1 central isolated electron/muon with Pt >10GeV/c
Missing Et > 25 / 30 / 35 GeV ( 0jet / 1jet / >=2jet )
Mt (lepton , τ) > 40 GeV/c2
11/05/14
高エネルギー物理 春の学校
19
Additional W+jets Modeling~ Same Sign (Total) ~
K-Factor :
1.65
Feb/28/11
Additional W+jets Modeling~Opposite Sign (Total) ~
K-Factor :
1.57
Feb/28/11
Support Vector Machine ~ Multivariate Analysis ~
Support Vector Machine…
N個の特徴変数からパターン認識
を行う学習マシン
線形写像+高次元写像
  
f (X )  a  X  b
 
(a  X  a1  X1  a2  X 2    an  X n )
Signal v.s. Background Separation
→Marginが最大になるような
Parameter a,bの選択
非線形写像による高次元(N次元)分離
に対応
Feb/28/11
Characteristic variables ~Shape Comparison >=2jet~
Feb/28/11
SVM Optimization ~ >=2jet channel ~
 Exclude variables which have
more than 60% correlation in
both signal and background.
 We decide number of input
variable by checking Separation
Power & Significance
1 { fS (x) - fB (x)}2
S= ò
2
fS (x) + fB (x)
Feb/28/11
S: Separation
power
( 0<S<1 )
X: SVM Response
F(x): PDFs of x
Training sample
Num of variables
QCD
9
W+jets
10
Top
13
Z→ττ
8

similar documents