论文部分内容阅读
预计于2008年开始启用的大型强子对撞机LHC(Large Hadron Colliger)是正在研制的世界上规模最大的粒子加速器,也是全世界最强的粒子物理研究工具。LHC位于瑞士法国边境上的日内瓦的CERN(European Organization for Nuclear Research,欧洲核子物理研究中心)实验室,它的加速环周长达27km,中心碰撞能量达14TeV。LHC的对撞束流团间隔为25ns,束流团亮度高达到1034cm-2s-1。LHC超高的能量和亮度将为粒子物理的研究开辟一个更广阔的领域,带来更多的挑战,LHC可以对粒子物理的标准模型理论进行精确验证,并探索能够驱动弱电标准模型中自发对称性破缺的黑格斯机制,寻找Higgs粒子。
在LHC环形隧道上,将主要进行4个粒子对撞探测实验:ATLAS(A Toroidal LHC ApparatuS)、ALICE(A LargeIonColliderExperiment)、CMS(CompactMuon Solenoid)和LHCb。ATLAS是LHC计划中最大的一个综合实验之一,它是一个大型多用途粒子探测器。ATLAS最主要的目的是寻找Higgs粒子,同时它也将用来寻找较重的类W、Z玻色子、超对称粒子,研究基本费米子的结构,精确测量W和t夸克质量以及研究B衰变中的CP破坏。ATLAS探测器主要由内部径迹探测器(Inner Detector)、电磁量能器(Electromagnetic calorimetry)、强子量能器(Hadronic calorimetry)、μ子谱仪(Muon spectrometer)、磁铁系统几部分组成。
标准模型是一个近似“完美”的理论,除了SM黑格斯粒子,标准模型预言的其他粒子都已经在实验上找到,而且理论预言的数值和实验测量值在很高的精度上保持了一致性。虽然如此,标准模型并不是一个最后的理论,标准模型以外还存在着新的物理,“大统一”的理论应该能够包罗万象。标准模型的大部分物理过程或者超标准模型的物理过程都包含b-quark衰变,标准模型中的Higgs粒子有很高的几率衰变到b-uark或者是包含b-quark的末态。因此精确分辨b-quark产生的b-Jet对于验证标准模型,发现Higgs粒子具有重要意义。b-tagging就是从众多的light quark Jets和gluon Jets背景事例中分辨出b-Jet。1995美国费米实验室的科学家发现top quark也得益于b-tagging算法的改进。为寻找Higgs粒子,ATLAS实验中提高b-tagging的效率具有很重要的意义。
当前ATLAS使用b-tagging的算法主要分3种:
1)基于粒子径迹碰撞参数(初级作用顶点)的算法;
2)基于b-Jet中次级顶点的算法:
3)基于b-Jet中lepton的算法;
本论文的主要目的是研究ATLAS实验中b-Jet的判选算法,探讨如何通过联合当前算法提高ATLAS实验中b-Jet的判选效率。首先,本文选用Monte Carlo模拟程序产生的tt轻子化衰变道事例,对ATLAS实验的粒子径迹进行了重建,并分析了径迹重建的精度,ATLAS实验在低的η、高的Pt的情况下,径迹重建程序对径迹的重建效率比较好,径迹重建程序对粒子径迹的d0、z0的重建精度很高,真实粒子径迹和重建出来的粒子径迹的d0之差的RMS为0.1mm,z0之差的RMS值为0.3mm;接着,本文详细介绍了IP2D/3D,SV1,JetFitter这三种b-Jet判选算法,分析了这三种算法各自的原理以及各相关参量的分布,给出了3种算法的鉴别参数Discriminator分布情况图和各种算法中的b-Jet的效率图;然后本论文首次利用贝叶斯方法联合IP3D和JetFitter两种b-Jet判选算法,提高了b-Jet的判选的效率;最后,本文选用了10个b-Jet判选特征量作为输入,利用TMVA(Toolkit for Multivariate Analysis)软件包所提供的人工神经网络方法进行了多参量的分析,研究了各特征量的分布情况和线性关系,利用具有两个隐含层的前馈式人工神经网络对b-Jet和u-Jet的进行分辨,进一步提高了b-Jet的判选的效率,得到了较满意的效果。