lhc atlas
Download
Skip this Video
Download Presentation
LHC-ATLAS 実験における チャンネルを用いた ヒッグス粒子の探索

Loading in 2 Seconds...

play fullscreen
1 / 31

LHC-ATLAS 実験における チャンネルを用いた ヒッグス粒子の探索 - PowerPoint PPT Presentation


  • 133 Views
  • Uploaded on

LHC-ATLAS 実験における チャンネルを用いた ヒッグス粒子の探索. 東京大学大学院 理学系研究科物理学専攻 川本研究室 黒崎龍平. 平成 25 年 1 月 30 日. Outline. 序論 本研究の目的 LHC 加速器と ATLAS 検出器 探索について 解析 事象選択 背景事象の見積もり 結果と 考察 まとめ. 本研究の目的. 2012 年、 LHC 実験において、 ZZ/W + W - / γγ へ崩壊する、 質量約 125GeV の 新粒子 が発見された W/Z ボソンと結合、 top quark とも結合?

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' LHC-ATLAS 実験における チャンネルを用いた ヒッグス粒子の探索' - dewei


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
lhc atlas

LHC-ATLAS実験におけるチャンネルを用いたヒッグス粒子の探索LHC-ATLAS実験におけるチャンネルを用いたヒッグス粒子の探索

東京大学大学院

理学系研究科物理学専攻

川本研究室

黒崎龍平

平成25年1月30日

outline
Outline
  • 序論
    • 本研究の目的
    • LHC加速器とATLAS検出器
    • 探索について
  • 解析
    • 事象選択
    • 背景事象の見積もり
  • 結果と考察
  • まとめ
slide3
本研究の目的
  • 2012年、LHC実験において、ZZ/W+W-/γγへ崩壊する、質量約125GeVの新粒子が発見された
    • W/Zボソンと結合、top quarkとも結合?
    • いまのところ、”Higgs-like particle”
  • フェルミオンとの結合(湯川結合)の直接測定が重要
    • H -> bb, , , など
  • ボトムクォーク対へ崩壊するヒッグス粒子の探索を行った

H->gg探索

H->ZZ探索

lhc atlas1
LHC加速器とATLAS検出器
  • ATLAS検出器
    • 内部飛跡検出器
    • カロリメータ
    • ミューオン検出器
  • LHC加速器
    • 全長約27km
    • 最大で√s=14TeVの陽子陽子衝突が可能
    • 使用した実験データは
      • √s=7TeV,積算ルミノシティ4.7fb-1
      • √s=8TeV,積算ルミノシティ13.0fb-1
slide5
LHC実験での探索
  • =8TeVの衝突における、125GeVのヒッグス粒子の生成断面積は
    • ggF : 20pb
    • VBF : 1.6pb
    • WH : 0.7pb / ZH : 0.4pb
  • への崩壊比 : 58%
  • ggF/VBF, は終状態がジェットのみ。背景事象が多く、探索に不向き
  • VH随伴生成であれば、レプトンが出るため、背景事象の大幅な抑制ができる
    • :本研究で使用した解析チャンネル

ヒッグス粒子の生成断面積

過程

ヒッグス粒子の崩壊比

slide6
信号事象と背景事象
  • 主要な背景事象
    • W+jets
    • ttbar
    • Diboson(WZ)
    • Singletop
    • Multijet
  • 信号事象の特徴
    • エレクトロン/ミューオン1個
    • ニュートリノ1個 -> Missing ET
    • Transverse mass peak
    • ボトムジェット2個
    • Dijet mass peak:これを見る
    • WとHがBack to backに出やすい

WZ

W+bb

ttbar

single top

slide7
事象選択( 側)
  • エレクトロン/ミューオンの選択
    • pT>25GeV
    • Isolation
    • Exact 1 electron or 1 muon
  • Missing ET cut
  • Transverse Mass cut
    • Lower cut : Multijet背景事象の抑制
    • Upper cut : ttbar背景事象の抑制

Missing ET分布

Transverse mass分布

slide8
事象選択( 側)
  • ジェットの選択
    • pT>45GeV + pT>20GeV
    • Exact 2 jets
  • DR(bb) cut
    • DR : 2本のジェットの距離
    • 信号事象は、Wボソンが高いpTを持つとき、Higgsも高いpTを持つため、DR(bb)が小さくなる
    • <200GeVではLower Cut, >150GeVではUpper Cut

DR(bb)分布(Low pT(W))

DR(bb)分布(High pT(W))

slide9
事象選択(Bタグ)
  • ボトムクォークは寿命が長い→特徴的な飛跡を残す
  • 飛跡の情報からb-jetらしさを数値化して識別
  • b-jetに対する効率70%に対して
    • c-jet効率:20%程度
    • light-jet効率:1%程度
  • 2本のジェット両方に適用
slide10
事象選択(カテゴリ分け)

Wボソンが高いpTを持つような領域は、事象数は少ないものの、S/N比が良い

WボソンのpTに応じて5つのカテゴリに分割して解析を行った

期待される発見感度は、カテゴリ分けしない場合と比較して、40%程度向上

信号事象と主要な背景事象の 分布

slide11
背景事象の見積もり(概要)
  • 本解析チャンネルは、背景事象の量や種類が多い。背景事象の見積もりは慎重に行う必要がある
  • 主にMCシミュレーションを利用して見積もったが、より正しく見積もるために、必要に応じてデータを利用した
    • Multijet背景事象は、統計量の問題でシミュレーションから見積もることが困難なため、データから見積もった
    • MCとデータとの間にずれがある場合は、データを利用してMCの形を補正した
    • 断面積やk-factorなど、規格化に関する不定性を抑えるため、できるだけControl Regionのデータを利用して規格化を行った
multijet
背景事象の見積もり(Multijet)
  • Multijet背景事象は、実験データから見積もった
  • 左:LeptonのIsolation条件を逆にして解析した分布
    • JetがLeptonにFakeした事象がエンハンスされる
    • これがMultijet背景事象分布を再現していると考える
  • 中央:通常のIsolation条件での分布
    • Multijet背景事象分布(桃色)は、左の分布をスケールすることで得た
  • 右:Multijet背景事象のCR(Control Region)の分布
    • MET<25GeV, MT<40GeVを要求
    • Dijet mass分布の形はよくデータを再現している
ttbar
背景事象の見積もり(ttbarの補正)
  • ttbarのMCは、データを上手く再現していない
    • 特に、METやのずれとして表れる
    • でのカテゴリ分けを行うため、が正しくModelingされていることが重要
  • ttbarのCR(4jet)を利用して、MCの形を補正した
  • 別のCR(3jet)で、補正が正しく行われていることを確認した

ttbar CR (4jet)

ttbar MCに対して適用した補正係数

w jets
背景事象の見積もり(W+jetsの補正)

W+light/W+c jetsも、CRにおけるデータとMCにずれ

DR(jj)分布を補正することで、他の分布もよく一致するようになった

DR(jj)

pT(W)

DR(jj) 1tag

m(jj)

slide15
背景事象の見積もり(フィットによる規格化)

W+jetsおよびttbar背景事象は、CRのデータにフィットすることで規格化を行った

W+bについては、やDRbbへの補正を行っていないため、

<150GeVと >150GeVとで別々に規格化している

W+light CR

W+c CR

W+b(LowpT), tt CR

W+b(HighpT), tt CR

slide16
結果
  • 見積もった背景事象は、
    • ヒッグス粒子の信号が期待されない領域で、観測データとよく一致
    • 信号が期待される領域に、明らかなデータの超過は見られなかった

: 200GeV以上

Expected BG

: 0-50GeV

: 50-100GeV

: 100-150GeV

: 150-200GeV

slide17
生成断面積に対する制限

観測された事象から、標準模型ヒッグス粒子の生成断面積に対する制限をつけた

125GeVに対して、CLsによる信頼度95%で、標準模型の生成断面積の2.8倍以下

    • 実際に観測された事象から得られた制限
    • 背景事象のみを仮定した場合に期待される制限
    • 背景事象+mH=125GeVのヒッグスを仮定した場合に期待される制限
  • ヒッグス粒子がいたとしても、期待されるExcessは1σ程度
slide18
CMSとの比較
  • CMS : ATLASと同様に、LHCに設置された検出器
    • エネルギー/ルミノシティほぼ同じ
  • VH,H->bb探索の結果を比較すると、CMSの方が発見感度が高い
    • MVA、Dijetmassの補正などが効果的
    • 背景事象の見積もりの正確さには疑問?

VH,H->bbの結果(CMS)

VH,H->bbの結果(ATLAS)

slide19
まとめ

LHC-ATLAS実験で得られた、√s=7TeV,/Ldt=4.7fb-1および√s=8TeV, /Ldt=13.0fb-1のデータを使用して、WH -> lvbbチャンネルにおけるヒッグス粒子を探索した

事象のカテゴリ分けを行うことで、発見感度を約40%上昇させた

実験データを使用してMCの補正や規格化を行うことで、より正確な背景事象の見積もりを行った

ヒッグス粒子の発見/棄却に必要な発見感度には届かなかった

125GeVのヒッグス粒子に対して、生成断面積が標準模型の2.8倍以下という制限をつけることができた

MVAなどの利用により、改善の余地がある

slide22
背景事象の見積もり(系統誤差)
  • Bタグ効率やエネルギースケールなどには不定性がある。それらを変化させた場合の、分布の形状の変化を系統誤差として導入した
    • 信号事象やDiboson事象は、理論計算の不定性(約10%)や、Bタグ効率の不定性(約10%)が主な系統誤差
    • W+jets/ttbar/Multijetは、規格化因子のフィットの不定性が主な系統誤差

Jet Energy Scaleの不定性に対する

信号事象分布の変化

slide24
Bタグ
  • SV1
    • Secondary vertex based
  • IP3D
    • Impact parameter based
  • JetFitter
    • 多段崩壊
  • MV1
    • 3つを統合した指標
multijet1
Multijet補足

Multijetの分布を決めるためのTemplate

Bタグ後のTemplateは統計量が少ない。

Bタグ前のTemplateを、Bタグ後のMultijet背景事象の見積もりに使用した。

ただし、30%の系統誤差をつけた。

mbb 7tev
結果 : mbb(7TeV)

All

pTW : 0-50GeV

pTW : 50-100GeV

pTW : 100-150GeV

pTW : 150-200GeV

pTW : 200-GeV

profile likelihood
Profile Likelihood

系統誤差をNuisance Parameterとして、測定されたデータに対してフィットする。

detector performance
Detector Performance

だいたいこれくらい

ad