1 / 63

Minimum Bias, Underlying Event e Tuning dei Modelli Monte Carlo al Large Hadron Collider

Minimum Bias, Underlying Event e Tuning dei Modelli Monte Carlo al Large Hadron Collider. Paolo Bartalini (University of Florida).

adina
Download Presentation

Minimum Bias, Underlying Event e Tuning dei Modelli Monte Carlo al Large Hadron Collider

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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Minimum Bias, Underlying Event e Tuning dei Modelli Monte Carlo al Large Hadron Collider Paolo Bartalini (University of Florida) Thanks to F.Ambroglini, N.Brook, C.Buttar, J.Butterworth, G.Davatz, I.Dawson, L.Fanò, R.Field, S.Hoeche, M.L.Mangano, C.Mesropian, A.Moraes, O.Schneider, T.Sjöstrand, V.Tano, etc.

  2. Event rate Level-1 On tape Discovery “Golden Channel” Final States at the Large Hadron Collider (Selected in MB) Pedestal Effect Paolo Bartalini (University of Florida)

  3. Motivazioni allo studio del Minimum Bias e dell’Underlying Event • Studio della “soft” QCD • I Modelli forniscono una connessione profonda ad aspetti fondamentali delle collisioni adrone-adrone • Struttura degli adroni, Fattorizzazione delle interazioni Tuning dei Modelli Monte Carlo • Comprensione del rivelatore • Occupanze, Backgrounds etc. • Calibrazione di tools di primaria importanza • Jet Energy, Missing Energy, Jet Vetoes, Vertex Reconstruction, Photon/Lepton Isolation Paolo Bartalini (University of Florida)

  4. Definizioni e Terminologia • Minimum Bias (MB) • Generica interazione particella-particella. • Elastici + Inelastici (inclusi Diffractivi). ~ 100 mb @ LHC.  Soft. Low PT, low Multiplicity. • Che cosa si osserverebbe con un detector/trigger completamente inclusivo. • All’LHC, molte interazioni MB possono aver luogo in un singolo beam crossing. <Nint> = Linst * s.  MB può essere registrato se sono prodotte altre interazioni in grado di attivare il trigger.  Pile-up effect. I rivelatori di tracciatura possono essere utilizzati per distinguere tracce associate a diversi vertici primari. Situazione più complessa a livello dei calorimetri: è necessario impiegare metodologie di energy flow. • Underlying Event (UE) • Tutta l’attività di una singola interazione particella-particella oltre al processo “interessante”. • Initial State Radiation (ISR). • Final State Radiation (FSR). • Spectators. • … non è sufficiente! Che cos’altro ???(Lo vedremo fra poco…). • UE è correlato al relativo processo “interessante”. • Condivide il vertice di interazione. • L’attività dell’underlying activity cresce con il PT dei jet e con le masse delle particelle prodottePedestal effect. • Non è sempre qualcosa di “fastidioso” ! Ex. Ricostruzione del vertice in Hgg. • UE ≠ MB ma alcuni aspetti e concetti sono simili • Studio di Multiplicità & PT delle tracce cariche. Paolo Bartalini (University of Florida)

  5. d Impact Parameter Multiple Parton Interactions (MPI) ISR, FSR, SPECTATORS… • Non sufficienti per dare conto delle alte molteplicità osservate ai collider adronici The Pythia solution: [T. Sjöstrand et al. PRD 36 (1987) 2019] Multiple Parton Interactions Multiple high PT interactions osservate da AFS, UA2, CDF!!! Modello con parametro d’impatto variabile tra gli adroni; la materia adronica può essere descritta da Gaussiane Interazioni partoniche multiple in una singola collisione adronica Parametro principale: PT cut-off • Regolarizzazione delle sezioni d’urto per PT 0 • Può essere interpretato come l’inverso di una lunghezza di screening • Controlla il numero di interazioni partoniche e conseguentemente le molteplicità Introduce correlazioni IP nelle Multiple Parton Interactions! < Nint > = sparton-parton /sproton-proton Pedestal Effect Paolo Bartalini (University of Florida)

  6. Minimum Bias (MB)Charged Multiplicity Tuning di Pythia [P. Bartalini et al., CERN 2000-004, pgg 293-300]. Paolo Bartalini (University of Florida)

  7. Accordo con il fit fenomenologico Extrapolazione all’energia di LHC 2e æ ö s ç ÷ = LHC P P ç ÷ min min T T 14 TeV è ø Soluzione del Puzzle MB: Charged Multiplicity Tuning di Pythia • UA5 at s = 53, 200, 546, 900 GeV [Z. Phys. C 33 (1986) 1] • CDF at s = 630, 1800 GeV [PRD 41 (1989) 2330] • Le nuove PDFs comportano un maggiore color screening a low x ? x G(x,Q2)  x- for x  0 • PT cut-off regolato in modo da riprodurre la molteplicità misurata per ogni PDF • PT cut-off fittato con funzione esponenziale Puzzle [CERN 2000-004, pgg 293-300] Untuned CTEQ4L Tuned Paolo Bartalini (University of Florida)

  8. MB: Risultati del Pythia Multiplicity Tuning * PARP(81) for MPI Model = 1 Pythia defaults for MPI Models > 1: Paolo Bartalini (University of Florida)

  9. MB: Distribuzione della Charged Multiplicity • Scelta del multiple interaction model: • Tutti gli adroni equivalenti (MSTP(82)=1) Nessuna interazione possibile al di sotto del PT cut-off Tutte le interazioni partoniche sono equivalenti • Varying impact parameter between the colliding hadrons. Spegnimento continuo della sezione d’urto al di sotto del PT cut-off Interazioni partoniche correlate Materia adronica descritta da una (MSTP(82)=3) o due (MSTP(82)=4) Gaussian(s) • I modelli con parametro d’impatto variabile sono stati inventati per descrivere la forma della charged multiplicity di UA5 [PLB 138 (1984) 304]. • Questo Tuning: Pythia 6.134 con double diffraction e PT cut-off regolato in modo da riprodurre molteplicità di carica media ad h=0 NSD Paolo Bartalini (University of Florida)

  10. MB Multiplicity Tuning Bottom Line • Il confronto tra Pythia e i dati sperimentali di UA5 e CDF dimostra che i Multiple Parton Interaction models riproducono con successo le osservabili di molteplicità di carica in eventi di minimum bias. • Con l’introduzione delle PDFs “post-HERA” appare necessario prevedere un running esponenziale del parametro PT cut-off delle MPI. Le predizioni fatte con PT cut-off fissato portano probabilmente ad una sovra-stima delle osservabili di molteplicità. • La forma della distribuzione di molteplicità di carica è ben descritta soltanto dai modelli MPI con parametro d’impatto variabile, i.e. “varying impact parameter” MPI models. Paolo Bartalini (University of Florida)

  11. Studio dell’Underlying Event a CDF [R.Field et al., PRD 65 (2003) 092002] Paolo Bartalini (University of Florida)

  12. Basic Underlying Event Observables (from the CDF experience) Jet #1 Direction - “Charged jet” definition with R=0.7 - Assign all charged particles (PT> 0.5 GeV/c) and |h|<1 to a jet Away Df Transverse “Toward” • In the three different zones define: • Charged Multiplicity • S PT (charged tracks) • Transverse regions are expected to be sensitive to the Underlying Event Jet #1 “Transverse” “Transverse” Toward “Away” Transverse Away Rapid growth and then constant plateau for PT1>5GeV/c Smooth connection between Minimum bias and jet events Paolo Bartalini (University of Florida) R.Field et al

  13. Improving the Pythia Tuning in the Transverse Region Mean number of charged tracks in the “Transverse” region vs PT of the leading jet compared to MC results Good agreement with tuned Pythia 6.206 Paolo Bartalini (University of Florida) R.Field et al

  14. Pythia - CDF Tuning PYTHIA 6.206 Tune Set A (CTEQ5L) Parameter Default Tune Description PARP(67) 1.0 4.0 Scale factor that governs the amount of initial-state radiation. MSTP(81) 1 1 Turns on MPI MSTP(82) 1 4 Double Gaussian matter distribution. PARP(82) 1.9 2.0 Cut-off for MPI, PT0. PARP(83) 0.5 0.5 Warm Core: 50% of matter PARP(84) 0.2 0.4 Warm Core: relative radius of 0.4. PARP(85) 0.33 0.9 Probability that the MPI produces two gluons with colour connections to the "nearest neighbours". PARP(86) 0.66 0.95 Probability that the MPI produces two gluons either as described by PARP(85) or as a closed gluon loop. The remaining fraction consists of quark-antiquark pairs. PARP(89) 1,000.0 1,800.0 Determines the reference energy E0. PARP(90) 0.16 0.25 Determines the energy dependence of the cut-off PT0 as followsPT0(Ecm) = PT0(Ecm/E0)PARP(90). Paolo Bartalini (University of Florida) R.Field et al

  15. CDF UE Studies: Bottom Line • CDF Examines the jet event structure up to 50 GeV looking at Toward, Away and Transverse regions in azimuth for central rapidities • The Transverse region is expected to be sensitive to the underlying event • CDF underlying event data in the Transverse region can be described with appropriate tunings for PYTHIA (“Tune A”), other models (HERWIG, ISAJET) fail to reproduce the charged multiplicity and PT spectra Paolo Bartalini (University of Florida) R.Field et al

  16. CDFUE: highlights recenti • Vedere anche i contributi di R.Field al workshop TeV4LHC e agli altri w/s. • La sensibilità alle componenti “beam remnant” e “multiple interactions” dell’underlying event può essere aumentata selezionando topologie con jet back-to-back. • Estenzione dell’analisi a topologie Drell-Yan. • Estenzione del tuning alle PDFs più recenti. Paolo Bartalini (University of Florida)

  17. “TransMIN” PTsum Densityversus ET(jet#1) “Leading Jet” “Back-to-Back” “transMIN” is very sensitive to the “beam-beam remnant” component of the “underlying event”! • Use the leading jet to define the MAX and MIN “transverse” regions on an event-by-event basis with MAX (MIN) having the largest (smallest) charged particle density. • Shows the “transMIN”charge particle density, dNchg/dhdf, for pT > 0.5 GeV/c, |h| < 1 versus ET(jet#1) for “Leading Jet” and “Back-to-Back” events. Paolo Bartalini (University of Florida) R.Field et al.

  18. CDF Run 1 PT(Z) PYTHIA 6.2 CTEQ5L • Shows the Run 1 Z-boson pT distribution (<pT(Z)> ≈ 11.5 GeV/c) compared with PYTHIA Tune AW (<pT(Z)> = 11.7 GeV/c). UE Parameters ISR Parameters Tune AW fits the PT(Z) distribution and the “underlying event” at CDF! Intrensic KT Paolo Bartalini (University of Florida)

  19. Lepton “ Central Region ” Anti - Lepton The “Underlying Event” inDrell-Yan Production Charged particle density versus M(lepton pair) The “Underlying Event” • Charged particle density versus the lepton-pair invariant mass at 1.96 TeV for PYTHIA Tune AW and HERWIG (without MPI). HERWIG (without MPI) is much less active than PY Tune AW (with MPI)! Z Paolo Bartalini (University of Florida) R.Field et al.

  20. CTEQ6.1 Tune (using LHAPDF) PYTHIA 6.2 CTEQ6.1 UE Parameters ISR Parameters Intrensic KT Paolo Bartalini (University of Florida)

  21. Descrizione del Minimum Bias e dell’Underlying Event all’LHC PYTHIA6.214 – Tuned & Comparison between Pythia and Phojet [A.M.Moraes, C.Buttar and I.Dawson, hep-ph/0403100, pgg 8-16] Paolo Bartalini (University of Florida)

  22. Paolo Bartalini (University of Florida) A.M.Moraes et al.

  23. MB: KNO Distributions at UA5 and E735 F(z) = <nchg > P(nchg) F(z) = <nchg > P(nchg) z = nchg /<nchg > z = nchg /<nchg > High-multiplicity events are described differently by each tuning KNO Scaling[Koba, Nielsen, Olesen, Nucl. Rev. B40 (1972) 371] Paolo Bartalini (University of Florida) A.M.Moraes et al.

  24. MB: Evolution of the Charged Multiplicity in the Central Region dNchg/dη at η=0 LHC √s (GeV) Paolo Bartalini (University of Florida) A.M.Moraes et al.

  25. UE and MB: PYTHIA vs PHOJET LHC PYTHIA6.214 - tuned PHOJET1.12 Transverse < Nchg > x 3 dNchg/dη at η=0 x1.5 PT (leading jet in GeV) LHC PYTHIA6.214 - tuned PHOJET1.12 LHC < Nchg > in 3.6° bins Pt ljet > 30 GeV/c √s (GeV) • PYTHIAmodels favourln2(s) • PHOJETsuggests aln(s)dependence. | f - fljet | Tevatron Paolo Bartalini (University of Florida) A.M.Moraes et al.

  26. LHC predictions: pp collisions at √s = 14 TeV Paolo Bartalini (University of Florida) A.M.Moraes et al.

  27. ATLAS MB & UE Study: Bottom Line • Current minimum bias and underlying event data can be described with appropriate tunings for PYTHIA and PHOJET. • PYTHIA6.214 – tuned and PHOJET1.12 with its default settings give the best “global” agreement to the data • CDF tuning (“tune A”) is the best model describing UE at the Tevatron, however, it fails to reproduce several minimum bias distributions at lower energies. • PYTHIA6.214 – tuned and PHOJET1.12 generate LHC predictions with ~ 30% difference for minimum bias event, and a factor of ~ 2 for underlying event distributions. • Updated results:www.cern.ch/amoraes Paolo Bartalini (University of Florida) A.M.Moraes et al.

  28. ATLAS UE: highlights recenti • Vedere anche i contributi di A.Moraes and C.Buttar al workshop HLHC e agli altri w/s. • UE tuning di Jimmy. • Attualmente c’è molto interesse nella comprensione del tuning dei parametri dipendenti dall’energia in Jimmy Referenza per Jimmy: [J.M. Butterworth et al., hep-ph/9601371] http://jetweb.hep.ucl.ac.uk/JIMMY/index.html Paolo Bartalini (University of Florida)

  29. HERWIG6.5 + JIMMY4.1 tunings (http://jetweb.hep.ucl.ac.uk/) JIMMY4.1 – Tuning A JIMMY4.1 – Tuning B Transverse < Nchg > pT min reduced from its default value Proton radius shrunk by1.73 Transverse < Nchg > Ratio (MC/Data) Ratio (MC/Data) Pt (leading jet in GeV) Pt (leading jet in GeV) Paolo Bartalini (University of Florida)

  30. Studi UE&MB in CMS UE&MB@CMS Florida:Rick Field, Darin Acosta, Paolo Bartalini, Khristian Kotov INFN/Perugia:Filippo Ambroglini, Livio Fanò, Attilio Santocchia CERN:Albert De Roeck Capitolo dedicato nel CMS PTDR Attività connesse di MC Tuning CMS NOTE 2005/013Guidelines for the evaluation of theoretical uncertainties Attività connesse, relative alla stima di effetti sistematici in altre analisi CMS NOTE 2006/033& Proceedings of Les Houches ’05Sensitivity of the muon isolation cut efficiency to the underlying event uncertainties • Il progetto contempla due fasi. Phase 1. Misura del min-bias e dell’“underlying event” il più presto possibile, durante il pilot-run.  Prima pubblicazione di fisica all’LHC.  Primo tuning dei modelli all’LHC. Phase 2. Confronto con CDF e con la fenomenologia a più basse energie. Test della predittività dei modelli.  Tuning più raffinato, inclusi parametri energy-dependent.  Spettro più ampio di pubblicazioni. Paolo Bartalini (University of Florida)

  31. CMS: Studi di fattibilità FASE I (Scenario di Start-up) • Simulazione dedicata delle condizioni del fascio e del detector • Fascio: primo periodo con 43*43 pacchetti, poi 156*156 pacchetti • Soltanto i primissimi giorni sono senza pile-up!!! • Rivelatori in configurazione parziale o del tutto assenti (ex. Pixel) • Campo magnetico nominale e non nominale: 4T, 2T, 1T, 0.5T, 0.1T • Ottimizzazione per la ricostruzione di tracce “soffici” • Tentativo di ricostruire le tracce da PT ~ 500 MeV (incluso loopers!) • Studio delle efficienze di ricostruzione, fakes etc. • Minimum Bias (~ 1012 eventi, ~ 107 registrati) • Charged multiplicity nella zona centrale e nelle zone avanti • Come trattare il pile-up ? • Considerare soltanto il miglior vertice primario crea un “bias” !!! • Utilizzo di pile-up veto ? • Underlying Event • Jet fino a PT ~ 300 GeV  Primo tuning dei modelli & calibrazione of dei tools (isolation etc.) FASE II (fascio & rivelatori in condizioni nominali) • Estenzione ad altri processi, ad esempio Drell Yan (Zmm)  Tuning raffinato dei modelli & calibrazione dei tools Paolo Bartalini (University of Florida)

  32. h f Charged PTsum Density: dPT/d d h f Charged Particle Density: dN/d d 8.0 2.0 Preliminary "Leading Jet" "Leading Jet" Preliminary PY Tune AW generator level generator level 6.0 1.5 PY Tune AW Charged PTsum Density (GeV/c) Charged Particle Density HERWIG 4.0 1.0 HERWIG 14 TeV 14 TeV 2.0 0.5 Drell-Yan h h Charged Particles (| |<1.0, PT>0.5 GeV/c) Charged Particles (| |<1.0, PT>0.5 GeV/c) Drell-Yan ( excluding lepton-pair ) ( excluding lepton-pair ) 0.0 0.0 0 250 500 750 1000 1250 1500 1750 2000 2250 2500 0 250 500 750 1000 1250 1500 1750 2000 2250 2500 PT(jet#1) orLepton-Pair Mass PT(jet#1) or Lepton-Pair Mass Lepton Jet #1 Direction Df “Toward” “ Central Region ” “Transverse” “Transverse” “Away” Anti - Lepton L’Underlying Event all’LHCDrell-Yan vs Jets Coppie di leptoni ad alto e produzione di Jet Drell-Yan “Leading Jet” Paolo Bartalini (University of Florida)

  33. Reconstruction of “soft” tracks in events with jets Il Tracker di CMS: Da dieci a quattordici intersezioni con layers Silicon m-Strip Raggio ~ 110 cm, Lunghezza ~ 270 cm 320 mm thick Si per R < 60cm, Strip ~ 10cm, Pitch 81-123 mm 500 mm thick Si per R > 60cm, Strip ~ 20cm, Pitch 123-183 mm Efficiency Fakes Per quantificare al meglio gli osservabili relativi al MB ed all'UE e' necessario capire quanto in basso in PT e con quali prestazioni si riescono a ricostruire le tracce cariche. Test attuali con PT>700MeV. 1% rec ass/sim rec/sim h h eff>90% in |h|<1.6 eff~80% 700 MeV <PT< 1 GeV eff>90% 1 GeV <PT< 4 GeV fake ~9% 700 MeV < PT < 1 GeV fake <1% PT>3 GeV fake < 1.5% in tutto h Paolo Bartalini (University of Florida)

  34. 1. Qual’è l’effetto sulla muon isolation delle incertezze dell’UE ? 2. Si può calibrare il taglio sulla muon isolation usando i dati ? e, in caso affermativo, c’è un miglioramento dei sistematici associati rispetto a quelli che derivano dalle incertezze teoriche dei parametri del Monte Carlo ? Applicazione alla muon isolation nella ricerca H4m (soppressione dei backgrounds tt e Zbb) • Il parametro di isolation è la somma dei PT delle tracce in un cono dR(η,φ) = 0.3 • (PT delle tracce considerate > 0.8 GeV) Direzioni random del cono di isolation. 5% uncertainty only in one cut 2% relative uncertainty w.r.t. Drell-Yan -3σ case (smaller PTcut-off) -0σ case (default PTcut-off) +3σ case (greater PTcut-off) Paolo Bartalini (University of Florida)

  35. Che c’è di nuovo nell’ambito delle Multiple Interactions ? • Nuovo modello MPI disponibile in Pythia 6.3 • PYEVNW • Alcuni studi preliminari già effettuati da ATLAS (si può dare un’occhiata alle agende CDS del CERN…) • Altri modelli disponibili sul mercato • Herwig/Jimmy • Studi preliminari già effettuati da CDF ed ATLAS • Riferimenti in questa presentazione e nei recenti workshop. • Sherpa • In attesa dei primi tests ! Paolo Bartalini (University of Florida)

  36. Nuovo Modello MPI PYTHIA: PYEVNW • Implementato in Pythia 6.3 • Si raccomanda di usare versioni > 6.325. • Indissolubilmente legato al nuovo modello di showering. • Colour (re)connection entro la stessa interazione partonica e tra diverse interazioni. • Correlazioni di sapore e x_Bjorken (concetto di “remnant PDFs”). • etc. • Molto lavoro necessario per il tuning del modello sui dati • Buon tema da sviluppare in questo workshop T. Sjöstrand & P. Skands - Eur.Phys.J.C39(2005)129 + JHEP03(2004)053 Paolo Bartalini (University of Florida)

  37. Pythia parameters from PYEVNT to PYEVNW Parameter PYEVNT PYEVNW Description PARP(67) Tuned - Scale factor that governs the amount of initial-state radiation. MSTP(81) 1 21 Turns on MPI MSTP(82) 1,2,3,4 +5 Matter distribution. PARP(82) Tuned Untuned Cut-off for MPI, PT0. PARP(83) Tuned Untuned Warm Core PARP(84) Tuned Untuned Warm Core MSTP 70, 72, 84, 85, 89, 95 - Untuned Only available in the new model: ISR, FSR, Color reconnection. PARP 78,80 - Untuned Only available in the new model: ISR, FSR, Color reconnection. PARP(89) Reference Reference Determines the reference energy E0. PARP(90) Tuned Untuned Determines the energy dependence of the cut-off PT0 as followsPT0(Ecm) = PT0(Ecm/E0)PARP(90). Paolo Bartalini (University of Florida)

  38. 2e æ ö s ç ÷ = LHC P P ç ÷ min min T T 14 TeV è ø MB&UEAlcuni temi proposti per questo w/s • I tunings di MB e UE sono in disaccordo ? • e ~ 0.090 ± 0.010 for MB, e ~ 0.125 ± 0.??? for UE • UE tuning sostanzialmente dovuto soltanto a CDF • 630 GeV – 1800 GeV – 1960 GeV • Range di energie troppo “stretto” per uno studio soddisfacente dei parametri energy dependent • Molti dati in attesa di essere considerati: RICH, SPS • Crosse check di D0 auspicabile. Paolo Bartalini (University of Florida)

  39. MB&UE Alcuni temi proposti per questo w/s • I tunings di MB si riferiscono principalmente alla zona di pseudo-rapidità centrali. • La maggior parte dei tunings si riferiscono al range [0.25,0.25] • Che succede per |h| > 0 ? • Che succede per |h| >> 0 ? • Altri dati in attesa di essere considerati: P238 • Ogni esperimento di LHC dovrebbe considerare il proprio range preferito… • C’è qualche idea sperimentale per utilizzare l’informazione complementare dei neutri ? • Estenzione alle misure calorimetriche ? • Come combinare le informazioni con i carichi ? Paolo Bartalini (University of Florida)

  40. MB&UEQualche consiglio per gli studi da sviluppare nel corso di questo w/s • Normalizzazione degli osservabili Nch e PTSUM. • Unità di pseudo-rapidità e unità di angolo azimuthale. • Controllare le condizioni di trigger nel confronto tra i modelli e i dati sperimentali. • Particolarmente rilevante per studi di MB. • Specificare esplicitamenteTUTTIi parametri dei modelli • “default” significa qualcosa soltanto se si specifica la versione del Monte Carlo. • La crescente popolarità degli studi di M&UE ha generato frequenti cambiamenti dei valori di default dei relativi parametri. Paolo Bartalini (University of Florida)

  41. MB&UENota sul linguaggio • Le parole sono importanti [N.Moretti, “Palombella Rossa”] • C’è sempre qualcuno che pensa che le “multiple interactions” e il “pile-up” siano sostanzialmente la stessa cosa… • Nel caso ripartire dal via (segnatamente slides 4 e 5). • Agli “esperti” il compito di fare chiarezza e auto-critica • Chi vi parla, ancora nel 2001, non aveva chiarissima la differenza tra MB ed UE. Qualche contributo alla letteratura relativa potrebbe averne risentito… Paolo Bartalini (University of Florida)

  42. Back-up (general) Paolo Bartalini (University of Florida)

  43. MB & UE StudiesSelected References • Minimum Bias: charged multiplicity tuning of Pythia [CERN 2000-004, pgg 293-300]. • Work developed in the context of the SM w/s (CERN ’99) • The Underlying Event Studies at CDF [PRD 65 (2003) 092002, PRD 70 (2004) 072002]. • See also contributions of R.Field to TeV4LHC and other w/s • Underlying event and Minimum Bias at the LHC [ATLAS Phys – PUB 2005/007]. • See also contributions of A.Moraes and C.Buttar to HLHC and other w/s Paolo Bartalini (University of Florida)

  44. LHC Schedule • In Direct-Live from Chamonix • LHC-delivery date (for hardware commissioning) will be delayed • From March-April 2007 to (End?)August 2007. Harwdware commissioning here CMS closed ~ here Pilot run here instead (if we run over Winter) Paolo Bartalini (University of Florida)

  45. Back-up: CMS Paolo Bartalini (University of Florida)

  46. Calorimeter Jet #1 Direction Df “Toward” “Transverse” “Transverse” “Away” h f "Transverse" Charged Particle Density: dN/d d h f "Transverse" Charged Particle Density: dN/d d 1.0 2.0 Preliminary LHC Preliminary generator level generator level 0.8 1.5 PY Tune AW 0.6 "Transverse" Charged Density "Transverse" Charged Density PY Tune AW HERWIG HERWIG 1.0 0.4 CDF 1.96 TeV 0.5 0.2 "Leading Jet" "Leading Jet" h Charged Particles (| |<1.0, PT>0.5 GeV/c) h Charged Particles (| |<1.0, PT>0.5 GeV/c) 0.0 0.0 0 50 100 150 200 250 300 350 400 450 500 0 250 500 750 1000 1250 1500 1750 2000 2250 2500 PT(particle jet#1) (GeV/c) PT(particle jet#1) (GeV/c) The “Underlying Event” inHigh PT Jet Production • Charged particle density in the “Transverse” region versus PT(jet#1) at 1.96 TeV for PY Tune AW and HERWIG (without MPI). The “Transverse” Region Charged particle density versus PT(jet#1) “Underlying event” much more active at the LHC! • Charged particle density in the “Transverse” region versus PT(jet#1) at 14 TeV for PY Tune AW and HERWIG (without MPI). Paolo Bartalini (University of Florida)

  47. Calorimeter Jet #1 Direction Df “Toward” “Transverse” “Transverse” “Away” h f "Transverse" PTsum Density: dPT/d d h f "Transverse" PTsum Density: dPT/d d 8.0 2.0 LHC Preliminary Preliminary PY Tune AW PY Tune AW generator level generator level 6.0 1.5 "Leading Jet" "Leading Jet" "Transverse" PTsum Density (GeV/c) "Transverse" PTsum Density (GeV/c) HERWIG 4.0 1.0 HERWIG 2.0 0.5 CDF 1.96 TeV h Charged Particles (| |<1.0, PT>0.5 GeV/c) h Charged Particles (| |<1.0, PT>0.5 GeV/c) 0.0 0.0 0 250 500 750 1000 1250 1500 1750 2000 2250 2500 0 50 100 150 200 250 300 350 400 450 500 PT(particle jet#1) (GeV/c) PT(particle jet#1) (GeV/c) The “Underlying Event” inHigh PT Jet Production The “Transverse” Region • Charged PTsum density in the “Transverse” region versus PT(jet#1) at 1.96 TeV for PY Tune AW and HERWIG (without MPI). Charged PTsum density versus PT(jet#1) “Underlying event” much more active at the LHC! • Charged PTsum density in the “Transverse” region versus PT(jet#1) at 14 TeV for PY Tune AW and HERWIG (without MPI). Paolo Bartalini (University of Florida)

  48. CMS: Isolation efficiency from data Efficiency per event • numbers for Signal, ZZ and Z-inclusive samples are in agreement with each other for all the three different tested UE scenarios • range of efficiencies for the ZZ spans from ~0.72 to ~0.84 • prediction uncertainties (from theoretical uncertainties in the UE physics) • from data: shift is ~2% and not dependant on UE scenario • smaller than other known uncertainties Paolo Bartalini (University of Florida)

  49. CMS:Summary of muon isolation studies • Isolation per muon due to uncertainties in the UE models can vary as much as 5% • the efficiency and the uncertainty strongly depend on the isolation cut itself • The 4-muon isolation cut efficiency per event for ZZ is ~78±6% • Methodology to suppress these large uncertainties • calibration of the isolation cut efficiency from data using Z-inclusive events with the random cone technique  ~ 2% Paolo Bartalini (University of Florida)

  50. CMS Track Reconstruction:Combinatorial Track Finder 1) initial track segments (seeds) are searched for by combining 2 hits in thepixel layers, compatible with a helix originating from the beam spot areawithin some tolerance;2) each track seed is grown into a track using a Kalman filter algorithm.Successive steps of extrapolation into the next detection layer, andimprovement of the track parameters by including compatible hits, areperformed. Track building proceeds until the outermost tracker layer isreached, or until no hits are found in two successive layers. The lattercondition traduces the fact that, with efficient and hermetic detection layers,particles cannot cross two successive layers without leaving a hit. Hence,efficient and hermetic detectionlayers are of great help in reducing the amount of track candidates to be grown;3) duplicated tracks are removed on the basis of the number of hits shared;4) a final track smoothing is performed, providing optimal precision of thetrack parameters all along the particle trajectory, in particular at theinteraction region and at the entry point into the electromagneticcalorimeter.This procedure is called the combinatorial Kalman filter. Pixel Seed: GlobalPixelSeedGenerator:ptMin = 0.3 Paolo Bartalini (University of Florida)

More Related