1 / 22

宇宙史一貫拠点実習１ 最終報告会

　　　新しい Flavor Tgger を使っての H → WW → lνjj モード探索. 宇宙史一貫拠点実習１ 最終報告会. 2008 年 7 月 28 日 木村　瑞希. H  WW l n jj チャンネル. なぜ WW  l n jj チャンネルなのか？ WW 崩壊 は、ヒッグス粒子の質量が高い場合に分岐比が大きい。 WW  l n l n チャンネルだけでなく、 WW  l n jj チャンネルも解析し、 2 チャンネルを足し合わせてヒッグス粒子の発見の可能性を増やすべき。

zahina
Download Presentation

宇宙史一貫拠点実習１ 最終報告会

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. 　　　新しいFlavor Tgger を使っての H→WW→lνjjモード探索 宇宙史一貫拠点実習１最終報告会 2008年7月28日 木村　瑞希

  2. HWWlnjjチャンネル なぜWW lnjjチャンネルなのか？ • WW崩壊 は、ヒッグス粒子の質量が高い場合に分岐比が大きい。 • WW lnlnチャンネルだけでなく、WW lnjjチャンネルも解析し、2チャンネルを足し合わせてヒッグス粒子の発見の可能性を増やすべき。 • WW lnjjチャンネルの生成率はWW lnlnチャンネルの3倍もある。 • WW lnlnチャンネルと違って、簡単にヒッグス粒子の不変質量が組める。

  3. 課題；チャーム・ジェットの同定 • シグナル過程 : -HWW(ln) (ud orcs) • うまくチャーム・ジェットを同定できれば、csチャンネルのバックグラウンドは大幅に減らすことができる。 • 新しいHeavy Flavor (HF) タガー　RomaNNを用いて チャーム・ジェットのタグをする。 • 現行のJetProbabilityタガーでの解析結果とくらべてみる。

  4. Roma TaggerDetail • 従来のタグアルゴリズムの出力をcombine • SecVtx • Jet Probability • Soft Lepton Tag • より詳しいＶｅｒｔｉｘｉｎｇ • 3つめのVertexを再構成する。

  5. ・ＲｏｍａＮＮの振る舞い • 最初にttチャンネルのジェットにたいして、RomaNNのアウトプットを実際に見てみる。 • とくにFravor(c-jet,b-jet,LF)ごとの分布をみる。 • チャーム・タグができるようなカットを決める。

  6. 分布図 bc 横軸：NNoutput cq bq

  7. C-tag カット cut cut ここ bc Ｃｓチャンネルのチャーム ジェットを同定する。 cq

  8. アンチ・タグ　カット cut cut cut ｃｓチャンネルのｓジェットが ＬＦであることを要求。 cq ここ bc

  9. いよいよ ｔｔチャンネルでRomaNNの使い方と、カットの目星をつけることができた。 いよいよHWWlnjjチャンネルでチャーム・タグを試みる。

  10. CSチャンネル Likelihood discriminantの構築 signal：H->WW Backgrpund = Wc+1p dijet mass(GeV) Higgs mass(GeV) ΔR(l,d) Ver LH

  11. Cross sectionのUpper limit RomaNN 1 ｃｓチャンネル udチャンネル LH discriminant LH discriminant Limit (pb) (1.2,403) (1.9,301) Cut on LH discriminant Cut on LH discriminant

  12. Cross sectionのUpper limit RomaNN 2 全イベント csとudを独立に解析した結果をcombineすると Limit = 241 pb(2.8 fb-1) c.f. SM prediction : ~380 fb LH discriminant Limit (pb) (1.4,394) Cut on LH discriminant

  13. JP cut = 0.05 Cross sectionのUpper limit Jet Probability 1 udチャンネル ｃｓチャンネル LH discriminant LH discriminant Limit (pb) (1.1,413) (1.6,312) Cut on LH discriminant Cut on LH discriminant

  14. Cross sectionのUpper limit Jet Probability 2 全イベント csとudを独立に解析した結果をcombineすると Limit = 249 pb(2.8 fb-1) LH discriminant Limit (pb) (1.2,394) Cut on LH discriminant Cut on LH discriminant

  15. まとめ • 新しいFlavor ＴａｇgeｒであるRomaNNを使ってH->WW->lνjjモード探索のポテンシャルを評価した。 • Ttbar MCイベント中の各FlavorのJetを見て、Cタグのカットを決めた。 • Cross sectionのupper limitを評価した。 • 2.8 fb-1 データでcross sectionの95%CL upper limit ＝241pb • C.f. 249pb with Jet probability

  16. backup

  17. UDチャンネル Backgrpund = WC +1p higgsmass wmass deltaR_ls Ver LH

  18. All Backgrpund = WC +1p higgsmass wmass deltaR_ls Ver LH

  19. RomaNN • チャーム・クォークは寿命の長いDメソンを生成し、このDメソンは少し飛んでから崩壊する。 • 異なった flavorのクォークによって作られたverticesを区別するNeural Networkを使う。 　　　　　　　　今回はRomaNNを用いる。

  20. 解析のStrategy • Ttbarサンプルで決めたＣタグカットで Cs,udチャンネルに分けて解析する。 • HiggsシグナルとWc+1pのＭＣサンプルのΔR(l,d),dijet mass,Higgs mass分布からLikelihood discriminantを構築する。 • 各チャンネル、両チャンネルcombineでの探索ポテンシャルを評価する。

  21. Roma TaggerDetail • Vertices NN bottomのdecayからのVarticesか、charmのdecayからのVarticesかを区別する • Tracks NN prompt からのtracksか、 hadoron decayからのtracksかを区別する • Flavor separation JetProb,SecVtx,SLTμ、VertexNN,TracsNNをcombineしてFlavorごとに区別する

More Related