ATLAS実験における FTK飛跡を使ったトリガーシステムの改善

仲松弥，飯澤知弥， 木村直樹A，桜井雄基，三谷貴志，寄田浩平 早大理工，AUTHA，他ATLAS-FTKグループ

!日本物理学会 2014年秋季大会@佐賀大学 本庄キャンパス

2014年9月18日(木) 講演番号：18pSH-3

1

導入 2

• Run2からFTKにより、HLT開始時に全領域の飛跡情報が使える 　（pt >1GeVの再構成率は90%、分解能はofflineに近い） 　→FTK飛跡を使ってHLTを高輝度実験に対応できるよう改善する！

q/pt

η φ

d0 z0

FTK飛跡分解能 (ATLAS-TDR-021 p23より)

ー FTK ー offline

導入 3

一次衝突点

×

レプトン タウ bジェット

1.FTK飛跡による一次衝突点の再構成 2.τトリガーへの衝突点情報の利用

改善できる例

etc..1,3本の飛跡 二次崩壊点アイソレーション全領域の飛跡を利用

FTKによる改善の可能性は多岐に渡るが、本講演では以上の２点について発表する。

• Run2からFTKにより、HLT開始時に全領域の飛跡情報が使える 　（pt >1GeVの再構成率は90%、分解能はofflineに近い） 　→FTK飛跡を使ってHLTを高輝度実験に対応できるよう改善する！

1.FTK飛跡を用いた一次衝突点の再構成

4

一次衝突点の再構成 5

hard scatterpile uppile up

××

必要な性能時間 　HLT最初期に可能(<1ms)分解能 　隣接する衝突点との分離が可能(~100mm/~100個 : <1mm)個数 　再構成された衝突点の数からofflineの衝突点数を予測可能

FTKにより全領域の飛跡が得られる→HLT初期に一次衝突点の再構成が可能

Run2からpile up増加(~80) → hard scatterとの区別が難しい

hard scatterの飛跡をpile upから分離可 -> 各object判別に有効 反応の数が得られる -> pile up依存の緩和に有効

~100mm

再構成の方法 6

FTK飛跡にFast Vertex Fitterを適用

MCサンプル(H->ττ, di-jet, ttbar)で再構成時間<1ms 　→HLT初期に時間を圧迫せず再構成可能 　　※日本物理学会2014年春期大会で山崎が報告(29pTH-3)

1. 最もptの高い飛跡からz軸で0.35mmの範囲内の飛跡でクラスタを作る 2. クラスタ内の飛跡にカルマンフィルタを適用し、衝突点の位置をフィット 3. 残った飛跡で1~2を繰り返す

クラスターサイズ : 0.35mm (飛跡のz分解能と同程度)

z分解能

ー FTK ー offline

Cluster Size 7

1つのvertexに対しFTK vertexが再構成されない場合や、 複数個再構成される場合があった 　→cluster sizeを大きくすることによって対応関係が改善

ttbarサンプルの１イベントでの飛跡、衝突点のz分布

ー FTK tracks ● FTK vertex(cluster size 1mm) ○ FTK vertex(cluster size 0.35mm) ○ Offline Vertex ● MC Hard Scatter Vertex

Cluster Size 8

1つのvertexに対しFTK vertexが再構成されない場合や、 複数個再構成される場合があった 　→cluster sizeを大きくすることによって対応関係が改善

ttbarサンプルの１イベントでの飛跡、衝突点のz分布

ー FTK tracks ● FTK vertex(cluster size 1mm) ○ FTK vertex(cluster size 0.35mm) ○ Offline Vertex ● MC Hard Scatter Vertex

MCとFTK vertexが １対１になる割合は 1mmで最大

Hard Scatter Vertex 9

サンプル 再構成率(%) z分解能(mm)

H->ττ(<μ>=69) 97 0.168

di-jet(<μ>=60) 98 0.138

ttbar(<μ>=69) 95 0.122

Hard Scatter Vertexは 95%以上再構成でき、z分解能も要請を満たす（<0.2mm）

再構成率 ： MCから1mm以内にFTK vertexがある割合 分解能　 ： MCからz軸上で最も近いFTK vertexまでの距離

H->ττのz分解能

衝突点の個数 10

FTK vertexとFTK trackの数 ・線形性がある ・異なるサンプルでも同じような分布 　→FVFはサンプルによらず 　　FTK trackの数を直接反映する

FTK vertexとoffline vertexの数 　・一致はしないが線形性はある 　・サンプルによる関係性の違いも小さい 　　→FTK vertexの数から 　　　offline vertexの数を予測できる

2.τトリガーへの衝突点情報の利用

11

hadronic tau 12

τについて • 65%の確率でハドロン崩壊 • 狭い領域で奇数個の荷電粒子に崩壊 • ヒッグス測定やBSM探索等、幅広く必要 • 多量のjetとの分離が必要

tau jetRun2に向けたτ HLTの改善 　１．FTK情報によるPreselection 　　　→HLT初期にレートを落とせる 　２．多変量解析を用いた選別 　　・カロリメータと飛跡の情報を利用 　　・HLTでは衝突点の情報も得られる

レート

時間

1. FTK Preselection2.多変量解析

<目的>衝突点情報を用いた分離能力の向上とパイルアップ依存の緩和

多変量解析 13

信号事象背景事象training

BDT

実データ

信号事象背景事象

分離

1. 複数の変数から分岐木を作成 　 分岐後のスコア：信号が大、背景事象が小 2. 何度も分岐木を”training” 3. スコア分布からカット値を決定 4. 実データに分岐木を適用する 　→変数の相関も考慮した選別

τ HLTでの条件 　信号　　： MC Z->ττ(<μ>=60) 　背景事象： MC di-jet(<μ>=60) 　事象選択： L1のτトリガーを通過 　変数　　： HLTの変数（次ページ）

BDT(Boosted Decision Tree)を使用

BDT input variables 14

変数名 vertex 依存性

カロリメⅠタ

centFrac ○PSSFraction ○nStrip ○EMRadius ○HadEnergy △stripWifth ◎

numEffTopoClusters ◎ effTopoInvMass ◎effTopoMeanDeltaR ◎EMFractionAtEMScale △

lead2ClusterEOverAllCluster ◎lead3ClusterEOverAllClusterE ◎

トラッキング

EtOverLeadTrackPt △trkAvgDist ○ipSigLeadTrk ○nWideTrk △

ChPiEMEOverCaloEME ○EMPOverTrkSysP ○

dRMax △trFlightPathSig ○massTrkSys △

サンプルをoffline vertexの数で分け、変数の分布を見た

・分布が大きく変わる変数がある →BDTの入力変数に衝突点依存がある

ー 衝突点が少ない 　ー 衝突点が多い

衝突点情報の利用信号のサンプルをoffline vertexの数から、小・中・大の３つに分割 　1)衝突点情報がない場合(全サンプルでtrainingしたBDTを適用) 　2)衝突点情報がある場合(小・中・大でtrainingしたBDTを適用) 　signal efficiencyが90%になる点でのbackground efficiencyを比較した

15

・1)から、background efficiencyに衝突点の数依存がある ・2)から、衝突点の数で適用するBDTを変えるとrateが下がった 　3prongではvertex依存が小さくなっている

~31 32~36 37~

BDT sample小 中 大

小 中 大

全サンプル1)

2)

小 中 大 小 中 大

●1)● 2)

まとめと展望一次衝突点：Fast Vertex Fitterで再構成 • HLT初期に可能(<1ms/event) • Hard Scatterは隣接する衝突点と区別可能(z分解能<0.2mm) • offline vertexの個数との間に線形性がある

tau HLT：BDTに衝突点情報を利用 • 変数やBDTによる分離能力は衝突点の数に依存する • 衝突点の数で適用するBDTを変えるとrateが下がる !

今後の課題 • 衝突点の個数の関係におけるサンプル依存の調査 • BDTの衝突点の数依存の解消

16

Back Up

17

プロセス時間• 研究室PC Intel (R) Xeon(R) E3-1270 V2 @ 3.50GHz memory : 7.6GB • HLT PC 2.5GHz memory:2.0GB

http://cds.cern.ch/record/1176574/files/ATL-DAQ-PROC-2009-011.pdf, ”The ATLAS online High Level Trigger frame work

• 合計時間 = trackをsort(event) + (clustering + fit)(vertex)

18

MC pile up

IBL eventsVBF H->ττ(lep-had) MC12 69 × 18849

ttbar MC12 69 × 500di-jet MC12 60 ○ 20000

再構成率と分解能 19

サンプル 再構成率(%) z分解能(offline) (μm)

x分解能(offline) (μm)

H->ττ(<μ>=69) 97 168(117) 39(11)

di-jet(<μ>=60) 98 138(77) 34(9)

ttbar(<μ>=69) 95 122(49) 32(9)

Fast Vertex Fitter• trackのerrorはL2のtrackのerrorを現在使用 • highest ptのtrackを探す • trackからzの範囲内のtrackをclusterとする • z0平均がseedのz(z0のerror^4で重み付け) • trackが4本未満のとき、seedは破棄 • cluster内でKalman Filterで位置を決定 • vertexのtrack2本以上、位置error<1mmを要求

20

Kalman Filter• cluster内のtrackを用いてvertexの位置、その誤差(共分散行列)をiterateする

• 初期値として、位置はseedの位置、誤差はx,y=100 z=9

• trackごとに以下の操作を行う • trackのパラメータをvertexの位置、誤差から予想し、実際の値と比べる

• そのときのchi2が最小(15以下)になるような位置、誤差を適用し、次の値にする

21

Athena• Fast Vertex Fitterは、ATLASのソフトウェアチェーンAthenaのL2_StarFというアルゴリズムに沿って行っている。

• Athenaとの一致がttbar eventを用いてevent by eventにとれている

22

衝突点間の距離 23

0.35mm 1mm

衝突点、飛跡の数 24

offline track pt 25

tau HLT 26

2014/3/27 JPS 27pSD-12 三谷貴志氏のスライドより ・FTK preselectionで、~msでレート1/5 ・BDT selectionで、~sでレート1/5

selection 27

L1_TAU8を通ったeventのoffline tauにeta cutをかけ、 truth , Level1 , EFのobjectにmatchingするものを選んだ

衝突点の数分布 28

小 ~31 中 32~36 大 37~

ーsignal ーbackground

1prong 3prong

変数の意味 29

衝突点情報の効果の違い• 「全」と「中」の違い • 1prongではほぼ同じ、3prongではやや異なる

• 「全」と「大」の違い • 1prongよりも3prongのほうが違いが大きい

30

1prong 3prong

サンプル ー全 ー中 ー大

変数の分布(1-prong)赤：衝突点が少ない 青：衝突点が多い

31

33

変数の分布(3-prong)赤：衝突点が少ない 青：衝突点が多い

38