Jet/Energy flow

1
Jet/Energy flow

• Iacopo Vivarelli
• INFN e Università, Pisa

2
Introduction

• I calorimetri di ATLAS e CMS
• Algoritmi di clusterizzazione nei calorimetri
• Algoritmi di ricostruzione dei jet
• Calibrazione al particle jet (e confronto
  dati/MC)
• Energy flow
• Soglie di trigger sui jet
• Calibrazione coi primi dati
• Conclusions

3
Calorimetria di ATLAS.
EM LAr ? lt 3 Pb/LAr 24-26 X0 3 longitudinal
sections1.2 ? ????? 0.025 ? 0.025 Central
Hadronic ? lt 1.7 Fe(82)/scintillator(18) 3
longitudinal sections 7.2 ? ????? 0.1 ? 0.1
End Cap Hadronic 1.7 lt ? lt 3.2 Cu/LAr 4
longitudinal sections ????? lt 0.2 ? 0.2 Forward
calorimeter 3 lt ? lt 4.9 EM Cu/LAr HAD W/Lar
3 longitudinal sections
Risoluzione per il calorimetro combinato (EMHAD)
ad ? 0.35
Linearità entro 2 (10-300 GeV)
4
. e quella di CMS
EM barrel and EndCap
Preshower
EM ? lt 3 PbWO4 cristals 24.7-25.8 X0, 1.1 ? 1
sezione longitudinalepreshower (3 X0) ?????
0.0175 ? 0.0175 Barrel HCal ? lt 1.74,
Brass/Scintillator 2 sezioni longitudinali (5.9
?) Outer Hcal (2.5 ? per ? lt 1.4) End Cap
HCAL 1.3lt?lt3.0, Brass/Scintillator 2 sezioni
longitudinali ????? 0.0875 ? 0.0875 Forward
calorimeter 3 lt ? lt 5 Fe/Quartz Fibre,
Cerenkov light 2 sezioni longitudinali (em per 16
?,had per 9 ?)
Hcal barrel and EndCap
Very Forward Calorimeter
Risoluzione su single p Ecal Hcal (ottenuta
al Test beam combinato del 1996)
Pions mip in Ecal
Full pion sample
5
Clustering

• Al momento, la clusterizzazione delle celle
  calorimetriche è fatta in due modi (per quanto
  riguarda la ricostruzione dei jet)
• Torri calorimetriche (ATLAS ? ? x? f 0.1x0.1,
  CMS ? ? x? f 0.087x0.087 se ?lt1.74, poi
  graduale aumento fino a 0.175x0.175 se ?gt3)
• ATLAS clustering 3D considerando I depositi di
  energia in celle vicine (Topological Clusters)

• TopoClusters some details
• Cells with E/snoisegtTseed are used to generate
  a TopoCluster. The adiacent cells are checked to
  be associated to the cluster. Default
  Tseed 4snoise
• Cells with E/snoise gt Tneigh are used to
  expand the cluster. The adiacent cells are
  checked to be associated to the cluster. Default
  Tneigh 2snoise
• Cells with E/snoise gt Tused can be used to
  expand the cluster. Default Tused0

Cluster for 120 GeV pion in EMEC and HEC (2002
Test Beam data)
6
Algoritmi di ricostruzione
Sia KT che Cone (seeded con midpoints, seedless)
utilizzati in entrambi gli esperimenti. Di
seguito, con cluster si intende qualunque oggetto
utilizzato in input per la ricostruzione (incluse
eventualmente particelle MC)
?R v??2?f2
7
Efficienze di ricostruzione
Un particle jet è ricostruito se ha un jet
calorimetrico angolarmente vicino. La soglia per
una efficienza di ricostruzione al 90 è
tipicamente intorno a 30 GeV.
I jet sono ricostruiti in tutta la zona di
accettanza dei calorimetri (? lt 5). Lefficienza
di ricostruzione mostra una dipendenza da ? a
basso PT (PT lt 50 GeV) a causa di crack nei
calorimetri e non completo contenimento ad alto
?.
CMS. Analogo per ATLAS
8
Noise suppression - ATLAS
Il trattamento del noise viene delegato
allalgoritmo di clusterizzazione (TopoClusters)

• Verifica della soppressione del noise da parte
  dei TopoClusters
• -Tower noise nessun taglio sul noise
• 2snoise cut celle con un deposito di energia E
  lt 2snoise non sono conteggiate

9
Noise suppression CMS
10
Calibrazione

• In entrambi gli esperimenti la calibrazione è
  fatta in due fasi
• Fase 1 Dal jet calorimetrico al particle jet
  calibrazione basata sul MonteCarlo accordato sui
  dati del test beam. Corregge per e/h, cracks,
  dead materials
• Fase 2 Dal particle jet al parton jet le
  correzioni dipendono dallanalisi. Ci sono studi
  su alcuni canali di fisica che possono essere
  usati ?jet, Zjet, W?jet jet dal decadimento
  del top
• Per la fase 1 la capacità del MonteCarlo di
  riprodurre i dati sperimentali è fondamentale

11
Confronto MC/Dati ATLAS
Lanalisi del test beam combinato (unintera
slice di ATLAS su fascio fatto nellestate
2004) va avanti. Dati considerati finora
elettroni/pioni/muoni con energie tra 20 e 350
GeV. I dati di bassa energia sono fondamentali.
Analisi in corso
20 GeV pions Small shift of MC to lower
scale. Agreement in the noise/MIP region
E(MeV)
12
Confronto MC/Dati ATLAS
Accordo entro il 2 nel range 20-350 GeV. Buono,
ma linformazione più importante sta a basse
energie. Fondamentale laccordo nella regione 1-9
GeV (al momento sotto analisi)
E(GeV)
Ebeam(GeV)
?
Ebeam(GeV)
13
Confronto MC/Dati CMS
Paragone dati/MC (G4) per il test beam combinato
ECALHCAL (2002)
14
Calibrazione al particle jet level (ATLAS)
ATLAS utilizza un sistema di cell weighting. Dal
confronto del jet calorimetrico con il particle
jet (ottenuto con lo stesso algoritmo di
ricostruzione sullo stato finale del generatore)
si ottengono (tramite minimizzazione) una serie
di pesi da applicare alle celle.
Ei is the energy in the i-th cell (longitudinal
sample).
Il peso wi è parametrizzato in termini della
densità di energia della cella In futuro,
calibrazione particle based (riconoscimento
clusters adronici ed elettromagnetici uso del
montecarlo per correggere a livello clusters per
e/h dead material cracks)
15
Risultati (rispetto al particle jet)
Risultati ottenuti con un algoritmo a cono
(DR0.7), noise elettronico incluso nella
simulazione, pile-up non incluso
16
Risultati per alcuni algoritmi di ricostruzione
Gli studi sono ripetuti con I vari algoritmi di
ricostruzione. In termini di risoluzione, il KT
dà i risultati peggiori. Un tuning del
parametro D (default D1, tuned D0.6) migliora
il risultato.
Single jet gun noise Il cono (?R 0.7,
Etseed 2 GeV) dà I risultati migliori. In ogni
caso, ad alta luminosità la dimensione del cono
dovrà essere ridotta a 0.4
17
Calibrazione al particle jet level (CMS)

• La calibrazione a CMS può essere fatta a diversi
  livelli
• calibrazione jet based
• E a x (ECHC) ? a dipende da jet(ET,?).
  Correzioni calcolate con MC.
• E a x EC b x HC ?a,b dipendono da jet (ET,?).
• Correzioni calcolate con MC. Si assume MC in
  accordo coi dati sperimentali
• calibrazione particle based (richiede separazione
  di cluster adronici ed elettromagnetici)
• em E a x EC
• had E b x EC c x HC
• b e c dipendono rispettivamente da EC e HC

18
Correzioni particle jet (MC)

• R Etrec/ETMC ?Correzione 1/R per I jet
  ricostruiti.
• Le correzioni dipendono dallalgoritmo di
  ricostruzione, dalla dimensione del cono, dal
  livello di noise elettronico e pile up.

Risoluzione nel barrel dopo le correzioni
19
Risoluzione angolare
Iterative cone, DR 0.5
Risoluzione inferiore alla granularità delle
torri su tutto il range in eta
20
Energy flow
21
Proprieta Cal e Tk nei due esperimenti
ATLAS CMS
Risoluzione EcalHcal su pioni
Risoluzione Jet s(E)/E 54 /sqrt(E) 1.3 s(Et)/Et 118 /sqrt(Et) 7
Risoluzione tracciatore interno s(pt)/pt 1.8 60 pt (pt in Tev) s(pt)/pt 0.5 15 pt (pt in Tev)

• Data lottima risoluzione del calorimetro
  adronico, in Atlas i jet sono ricostruiti con
  buona risoluzione ancor prima di applicare lEF.
• Date le risoluzioni di calorimetri e tracciatori
  nei due rivelatori, ci si aspetta che lEF
  apporti miglioramenti piu evidenti per CMS che
  per Atlas.

22
Le Implementazioni di EF in Atlas
EF prima, EF dopo la ricostruzione del Jet

• In ATLAS ci sono 2 diversi approcci per
  lutilizzo dellenergy flow (entrambi sotto
  sviluppo)
• - Si ricostruiscono EFlowObjects a partire dalle
  tracce cariche e dai cluster calorimetrici. Per
  le particelle cariche, nei cluster adronici si
  sostituisce lenergia attesa nei calorimetri
  (estratta da una parametrizzazione) con quella
  del tracciatore
• - Gli EFlowObjects sono utilizzati come input
  dellalgoritmo di ricostruzione dei jet (sia esso
  Cono o KT)
• - Allinterno di un jet si riconoscono cluster
  adronici carichi, cluster elettromagnetici e
  cluster misti.
• - Per i cluster adronici carichi si sostituisce
  la misura del calorimetro con quella del
  tracciatore.

• Premesse
• I due algoritmi ancora non sfruttano i
  TopoClusters la clusterizzazione è
  bidimensionale (torri)
• Laggiunta delle tracce out-of-cone e gia
  implementata nellalgoritmo standard di
  ricostruzione dei jet.

23
Le Implementazioni di EF in Atlas
Approccio 1 (EF prima ricostruzione del Jet) -
prestazioni
Algoritmo standard

• Ce un miglioramento della risoluzione su E del
  Jet rispetto a valore TDR (da 8-9 a 7 _at_ 50
  GeV), ma questo vale solo per una frazione degli
  eventi (le code della distribuzione non sono
  trascurabili)

20 GeV single p-
EnergyFlow

• Test su eventi singola particella per testare
  consistenza dellimplementazione dellEF.
  Larghezze distribuzioni in accordo con
  risoluzioni dei calorimetri e del tracciatore.

24
Le Implementazioni di EF in Atlas
Approccio 2 (EF dopo ricostruzione del Jet) -
prestazioni
Lalgoritmo è stato testato su tripletti di
particelle (p p0 n) arbitrariamente vicine in
?-f. I risultati dipendono fortemente dalla
distanza angolare tra le particelle.
Effetto della sovrapposizione dei
cluster Risultati stabili se ?R gt 0.1, ma se le
particelle sono più vicine angolarmente la
risoluzione degrada rapidamente. Si formano
grosse code asimmetriche. Lutilizzo della
completa segmentazione (longitudinale e laterale)
dei calorimetri migliorerà i risultati
p p0 n (5 GeV) con ?R gt 0.1
p p0 n (5 GeV) with ?R 0.1
25
Le Implementazioni di EF in Atlas
Approccio 2 (EF dopo ricostruzione del Jet) -
prestazioni
E stato applicato questo algoritmo in full
simulation. La distribuzione finale ha andamento
sufficientemente gaussiano. Tuttavia, allo stato
attuale, la risoluzione e ancora da ottimizzare
(12-13 rispetto 8-9 del TDR).
26
Implementazione di EF in CMS
Correzione della jet energy con JetPlusTrack
Lalgoritmo (JetPlusTrack) attualmente
implementato in CMS applica le tecniche di EF per
correggere i jet ricostruiti a partire dai soli
depositi calorimetrici. I jet di partenza sono
ricostruiti tramite algoritmi a cono. Lapertura
?R del cono e un parametro fondamentale sia
dellalgoritmo di jet finding, che
dellalgoritmo di correzione. Una versione
(JetPlusTrack 2) piu raffinata dello stesso
algoritmo fa uso di due coni distinti per
separare il contributo dei frammenti neutri da
quello dei carichi
27
Implementazione di EF in CMS
JetPlusTrack lalgoritmo

• 1. Ricostruzione dei jet nei calorimetri
  utilizzando algoritmi a cono (semplici o
  iterativi).
• Utilizzo dei pixel per la ricostruzione del PV e
  dei seed delle tracce.
• Vengono selezionati solo i seed allintrerno del
  cono di definizione del jet. A partire da questi,
  le tracce sono ricostruite nelle loro completezza
  in tutto il tracciatore.
• La misura calorimetrica viene raffinata con le
  informazioni del tracciatore sia per tracce nel
  cono che fuori. Si sottrae la risposta del
  calorimetro attesa (per ora senza particle ID,
  tutte le particelle cariche sono considerate
  pioni).

28
Implementazione di EF in CMS
JetPlusTrack le prestazioni
Effetto dellEF sulla risoluzione di jet Et
Barrel
Endcap
Eventi di-jet in Full-Simulation con PU LowL
Atlas TDR

• Miglioramenti paragonabili sia nel barrel che
  negli endcap la risoluzione
  migliora del 25-14 in funzione di Et del Jet
• Gli effetti maggiori si hanno per i jet meno
  energetici,cioe quelli meno collimati e quindi
  piu sensibili ai problemi intrinsechi del
  jetFinding.

29
Implementazione di EF in CMS
JetPlusTrack le prestazioni
Effetto dellEF su Etreco/Etgene (linearita)
Barrel
Endcap

• La linearita e quasi completamente ristabilita
  nel barrel
• Negli endcap un miglioramento e presente, ma
  inferiore a quello nel barrel
• minore efficienza di ricostruzione delle tracce

30
Implementazione di EF in CMS
JetPlusTrack applicazione a ricostruzione massa
X?jj (120 GeV/c2)
Full Simulation con PU per oggetto X di massa 120
GeV/c2 che decade in 2 quark leggeri.

• Lapplicazione dellalgoritmo di JetPlusTrack
  ristabilisce il rapporto tra la massa ricostruita
  e quella generata si passa da Mreco/ Mgene
  0.88 a Mreco/ Mgene 1.01
• La risoluzione migliora del 10
• s(M)/M 13.6 ? s(M)/M 11.9

31
Implementazione di EF in CMS
JetPlusTrack 2 lalgoritmo
MC level
Santocchia,Spiga

1. Un piccolo cono e sufficiente a raccogliere la
   maggior parte del contributo neutro allenergia
   del jet
2. Un cono piu grande, indipendente, puo essere
   specializzato alla sola raccolta dei frammenti
   carichi.

AlgoritmoJetPlusTrack esteso con lutilizzo di
due coni separati
JetPlusTrack 2
32
Implementazione di EF in CMS
JetPlusTrack 2 - prestazioni

• Utilizzando due coni distinti e possibile
• Ridurre Rcalo, in modo da avere una minore
  sovrapposizione con gli altri jet dellevento e
  con i depositi dovuti al PileUp.
• Utilizzare Rtk piu grande in modo da
  raccogliere ugualmente il contributo carico del
  jet.

33
Applicazione di EF in Atlas e CMS
Conclusioni

• Atlas ha un ottimo calorimetro adronico che
  permette gia una buona ricostruzione dei Jet.
  LEF puo servire soprtattutto per jet soft, ma
  non sembra in modo significativo.
• E stato dimostrato come sia importante la
  sovrapposizione dei cluster nella efficacia
  dellEF.
• E necessaria una parametrizzazione piu
  realistica del rilascio di energia nei
  calorimetri da parte degli adroni.

ATLAS CMS
HCALECAL (errore statistico) 41.9/?E 127/?E
TRACKER (m 100 GeV) 60 pt (Tev) 15 pt (Tev)
Jet Singolo (s/E , QCD 50 GeV) 8-9 ? 7 Idealmente 17?12
Massa Invariante (s/E - Z 120 GeV) // 13.6? 11.9

• CMS parte da una ricostruzione calorimetrica dei
  jet meno buona e dispone di un tracciatore piu
  performante. Gli effetti dellapplicazione
  dellEF sono risultati significativi.
• Attualmente lEF di CMS non fa uso di particle
  ID?margini di miglioramento delle prestazioni
  dellEF.

34
Soglie di trigger
35
Multi-jet trigger rates in ATLAS
LVL1 menu Rate (KHz) HLT menu Rate (Hz)
1Jet200 0.2 1jet400 25
3Jet90 0.2 3jet165 25
4Jet65 0.2 4jet110 25

• Ad ATLAS, i trigger di multijet rappresentano
  circa il 10 del rate di trigger finale totale
• Le soglie sono alte ? utili per SUSY e nuova
  fisica
• Esistono trigger dedicati per i jet tau
• Attualmente sotto investigazione la possibilità
  di avere un trigger dedicato di b-jets
• Trigger di jet con basse soglie in PT
  (prescalati) circa 20 Hz

36
Multi-jet trigger rates in CMS
LVL1 menu Rate (KHz) HLT menu Rate (Hz)
1Jet177 3 1jet657 9
3Jet86 3 3jet247 9
4Jet70 3 4jet113 9

• I trigger di multijet rappresentano circa il 10
  del rate di trigger finale totale
• Esistono trigger dedicati per i jet tau
• Esiste un trigger inclusivo per b-jets
• Trigger di jet con basse soglie in PT
  (prescalati) circa 10 Hz

37
In situ jet calibration
Le correzioni collegate con gli effetti
dellalgoritmo di ricostruzione e con effetti di
fisica (out of cone, hadronization corrections)
possono essere ottenute dai dati. Le topologie
considerate sono Zjet, ?jet e W?jj (dove il W è
prodotto nel decadimento del top).
38
Un esempio ?jet (ATLAS)

• I tagli sono applicati esclusivamente ad oggetti
  ricostruiti
• pT (pT gam rec pT jet rec)/2
• phi balance lt 0.2
• Non cè taglio sulla pseudorapidità del fotone.
  Il rivelatore ricostruisce fotoni con eta lt
  2.47. Questi eventi corrispondono a
  misidentificazione del fotone. Possono essere
  facilmente rimossi con un taglio in eta o pT del
  fotone.

pT balance (pT parton pT photon)/ pT photon
39
Ricostruzione con cono 0.7

• La correzioni per gli effetti di rivelatore sono
  ottimizzate sul cono 0.7
• La differenza tra il riferimento (parton level) e
  il particle jet è piccola ? gli effetti di out of
  cone sono piccoli

Most probable value for the pT balance
Reference Particle level Cone 0.7 Reconstruction
level Cone 0.7
Particle level Bias 2-0
Recon level Bias 2-0
40
Ricostruzione con cono 0.4

• La calibrazione al particle jet è sbagliata (o
  meglio, ottimizzata per il cono 0.7).
• Gli effetti di out of cone sono più rilevanti
  (confronto tra il parton level e il particle
  level)

Most probable value for the pT balance
Parton level Bias 1-0
Particle level Bias 7-3
Reference Particle level Cone 0.4 Reconstruction
level Cone 0.4
Recon level Bias 15-7
E(GeV)
41
Conclusioni

• Algoritmi di ricostruzione entrambi gli
  esperimenti utilizzano tipicamente un algoritmo a
  cono. Il KT è implementato, ma poco usato.
• Le procedure di noise suppression e di
  calibrazione sono diverse, ma portano a risultati
  paragonabili (su MC) in termini di linearità.
• Lapplicazione dellenergy flow ha risultati
  molto diversi sui due esperimenti, a causa delle
  diverse prestazioni dei calorimetri e del
  tracciatore.
• Studi su canali di fisica mostrano che lutilizzo
  di W?jj, ?jet possono ridurre le sistematiche
  sulla linearità della misura di ET al livello di
  1-3 (in funzione dellenergia e di ?)

42
BACKUP
43
(No Transcript)
44
Reconstructed W (cone 04)
Cosm

• AOD
• Angle between the 2 jets recovered, shift
  only due to E miscalib.
• ATLFAST jets are massless, angle is not
  accurately defined
• gt 2 GeV shift on MW

45
Method 1 to extract the E scale
46
Method1 Results after recalibration
AOD 4000 W Recons. No comb BKG
before
EPart / E
Mw
E
after

• Function found with any
• a priori hypothesis

47
Method1 Results on Zjets

• Use the AOD Top sample to correct the jet
  energies of the AOD Zjet sample
• TOP 12000 jets, Zjet 8000 jets
• Apply same cuts on jets energies
• gt Top light jet scale works for all light jets

• Top
• Zjets

EPart / E
EPart / E

After calib Top
E
E
48
W selection

• Selection for optimal mass measurement
• Clean W sample with
• 2 b tag
• Cuts on Mt or Mt-Mw
• Selection for commissioning
• No b tag, cut on Mjlv ( ivo van Vulpen talk
  Rome)
• Reduced b tag (with lower efficiency or 1btag
  only), cut on angles
• gt W sample 85 purity (see D Pallin
  talk Slovakia)

• W sample 85 purity
• (see D Pallin talk Slovakia)

49
W selection

• Selection for optimal mass measurement

AOD
ATLFAST
3 days at L1033
Mw
50
Method1 with comb. BKG

• Preliminary result with 1000 W bkg evts
• Calibration marginaly sensible to BKG
  (purity85)

EPart / E
AOD
Very preliminary To reach the 1 precision on the
E scale, 10000 W should be enough 1month data
taking
E
3 days at L1033
51
(No Transcript)
52
AG Calibration Scheme in detail
A.Gupta, M.Wood - http//atlas.web.cern.ch/Atlas/G
ROUPS/PHYSICS/JETS/jetcalib_gupta_may03.ps
The reconstructed energy Erec is calculated as

where Es is the energy the sample s. The
dependence of the weights ws on the jet energy
is parametrized as
Since EMC is not known a priori an iterative
procedure is applied.
53
AG Calibration Scheme in detail
AG has carried out a study to evaluate the
improvement of the resolution and linearity as
the number of calibration weights increase. DC1
di-jet, No Noise, No pileup, Seeded cone jet
algorithm.
Central region ?lt0.7
? / E
EM scale 2 Wei. 7 Wei.
a 102 85 80
b 2 2.5 1.3
E / E true
The 7 Weight results should be taken with care
since the statistics used was quite poor.
54
IV Calibration Scheme in detail
The reconstructed energy Erec is calculated as

where Ei is the energy of the cell in the sample
i. The dependence of the weights wi on the cell
energy are parametrized as
This parametrization was chosen since if it
describe fairly well the behaviour of the weights
when fitted singolarly for discrete energy
value. As for AG use of EMC requires iterative
procedure.
55
IV Calibration Scheme in detail
Parametrization of the dependence on the true
jet energy
Example EMB 3
a
EjetMC lt 500 GeV a const b b0b1/EJetMC
b
EjetMC lt 500 GeV a a0a1/EJetMC b
b0b1/EJetMC
E jet (GeV)
500 GeV
56
IV Calibration Scheme Electronic Noise
Seeded cone jet algorithm, DC1 di-jet samples
?lt0.7, Noise 3 sigma asymmetric cut, No
Pileup iterative procedure (EMC not used).
Calibration procedure takes the linearity within
/- 2 and gives very good improvement on
resolution.
Reconstructed ET/ true ET
57
FP Calibration Scheme
The reconstructed energy Erec is calculated as

where Ei is the energy of the cell in the sample
i. The response FltE/EMCgt is calculated in each
? bin and a factor 1/F is applied as an
additional weight The dependence of the weights
wi on the cell energy are parametrized as
Where Ei is the cell energy in sample i and Vol
is the cell volume
58
FP Calibration Scheme on DC2
KT jet algorithm, DC2 di-jet samples ? lt 3, No
Noise, No Pileup
The resolution with KT jet algorithm does not
show a good improvement after calibration. This
is also observed when IV calibration scheme is
applied . Problem not seen with single pions.
The problem is due to KT alg.
Very good linearity improvement but at very low
energy. Probably due to clustering effect.
Calib
? / E
Reconstructed energy/ true energy
59
FP Calibration Scheme
Seeded cone jet algorithm, DC2 di-jet samples ?
lt 3, No Noise, No Pileup Apply calibration
factors obtained with kT algorithm.
The resolution with cone algorithm shows a much
higher improvement. This problem could be due to
clustering problems. A dedicated study to control
this hypothesis is under going.
The calibration has been tested on a DC2 SUSY
sample. The results obtained with QCD sample is
confirmed (even better results)
60
Jet Physics at Hadron Colliders
The pp collisions produce a set of final state
partons (hard scattering plus ISR and FSR),
resulting in a number of collimated jets of
particles.
The aim of an ideal jet reconstruction algorithm
is to associate unambiguosly the energy deposits
in the calorimetric cells (jets) to the parent
partons (quarks and gluons)
The most common jet reconstruction algorithms
associates calorimetric tower/clusters by
nearness nearness in momentum (KT algorithm)
or in angle (Cone algorithm)
The calorimeters will be calibrated at the EM
scale. Jets need to be recalibrated (mainly
because of e/? ratio, detector effects, out of
cone energy).
61
Jet Calibration Top mass
Mjj
s(Mtop)
Jet scale 1 (b-jets,light-quark jets)
0.9
GeV Total
2.3 GeV (background,ISR,FSR,
fragmentation. jet scale,statistics...)
Mjjb
B dominated by signal combinatorial
62
ATLAS jet calibration the future
ATLAS jet calibration the present
MC TB data
Calo Towers/Topo Clusters
Missing components are under study. The main
ingredient is a reliable EM/HAD separation with
pure calorimetric criteria, (CTB 2004 data (full
ATLAS slice on beam) and G4 simulation), then
understanding of the HAD calibration using
MonteCarlo. Good agreement (1) between TB data
and MonteCarlo is mandatory
Calo Topo Clusters
EM/HAD recognition
Calo Cells
Jet reco algorithm
Local calibration MC Calibration hits TB data
Jet reco algorithm
Uncalibrated Jets
Physics measurements
Jet based HAD calibration
Jet reco algorithm
Local Calibrated Clusters
Calo calibrated Jets
In situ calibration
63
CTB 2004
64
CTB2004 (2)
65
Le Implementazioni di EF in Atlas
Approccio 1 (EF prima ricostruzione Jet) -
algoritmo

• Tracce e cluster calorimetrici vengono
  associati in ? e f, eventualmente considerando
  lhelix (per tracce cariche)
• Ogni traccia carica (con i possibili cluster EM o
  HAD associati) determina un oggetto eflow.
  Lenergia misurata dal tracciatore è sostituita
  a quella del cluster.
• I rimanenti cluster EM (con i possibili cluster
  HAD associati) determinano altri oggetti eflow.
• I rimanenti cluster HAD determinano altri oggetti
  eflow.
• Gli oggetti eflow connessi tra loro formano un
  unico eflowCaloObject.

66
Le Implementazioni di EF in Atlas
Approccio 1 (EF prima ricostruzione Jet) -
algoritmo

• Sostituzione dellenergia misurata da Cal con
  quella stimata da Tk
• - Particle ID fatta sfruttando radiazione di
  transizione in TRT, shower shape nel LAr, muon
  ID.
• - Il calcolo dellenergia attesa in ECal è fatto
  sfruttando un algoritmo di parametrizzazione
  veloce dello sviluppo degli sciami
  elettromagnetici (Fast Shower).
• - Per i pioni carichi lenergia calorimetrica è
  stimata con FastShower in una finestra ???f
  0.075x0.075 (questo e solo un adattemento
  temporaneo, aspetto sicuramente migliorabile in
  futuro utilizzando algoritmo dedicato).
• - Una volta stimato il rilascio di energia, il
  cluster è completamente rimosso dalla lista se il
  risultato è entro 1.3 s. Altrimente e sottratta
  una quantita di energia pari al valore stimato.

67
Le Implementazioni di EF in Atlas
Approccio 2 (EF dopo ricostruzione del Jet) -
algoritmo

• Energy flow applicato una volta che i jet sono
  stati ricostruiti con algoritmo a cono.
• Si identificano i cluster EM (sopra soglia in Et
  e che passano taglio di qualita em) tali che
  non sono presenti tracce ricostruite entro ?R lt
  0.07. Sono aggiunte le celle vicine (?R lt 0.0375)
  nei 3 segmenti longitudinali del calorimetro EM.
  Questi cluster sono eticchettati come cluster
  elettromagnetici EMCL.
• Si itera sulle tracce cariche. Le celle che sono
  entro ?R lt 0.0375 (in tutti i sample
  calormetrici) sono etichettate come celle cariche
  CHRG. Qui viene sostituita lenergia misurata nel
  tracciatore. Si fa uso di particle ID per
  distinguere tra adroni carichi ed elettroni.
• Le rimanenti celle del jet sono etichettate come
  celle neutre NEUH.

68
Le Implementazioni di EF in Atlas
Approccio 1 e 2 confronto e previsioni

• Per entrambi gli approcci
• la risoluzione sui jet soffre ancora della
  mancanza di un efficace algoritmo di
  clusterizzazione 3D. Per entrambi gli approcci
  sono previsti miglioramenti una volta che verrà
  introdotta una strategia di clustering più
  raffinata che sfrutti pienamente la segmentazione
  longitudinale dei calorimetri di Atlas.
• Per entrambi gli approcci non cè un sostanziale
  miglioramento rispetto alla gia buona misura
  calorimetrica.
• Il secondo studio ha messo in evidenza
  limportanza che la sovrapposizione dei cluster
  riveste nellefficacia dellEF. Ancora una volta
  risulta fondamentale utilizzare la
  clusterizzazione 3D cluster sovrapposti in 2D
  potranno essere distinti con analisi 3D.

Nuovi risultati con clustering 3D attesi a breve!
69
EM/HAD recognition/Calibration hits
Before the calibration it is important to
recognize hadronic, electromagnetic, and mixed
energy deposits in the calorimeters. First
studies on topoclusters take into account moments
of several variables of the clusters (depht of
the shower center, longitudinal and lateral
development, etc.) The MonteCarlo can then be
used to estimate the visible EM and HAD, the
invisible HAD, and the lost energy contributions
(calibration hits ? local cluster calibration)
Open questions Studies done so far only for
single particles how the mixed EM and HAD
clusters have to be treated in a jet? ANY
calibration has to rely heavily on the MonteCarlo
(G4). How well it predicts the data?
Invisible Had energy
70
EM/HAD recognition/Calibration hits
Before the calibration it is important to
recognize hadronic, electromagnetic, and mixed
energy deposits in the calorimeters. First
studies on topoclusters take into account moments
of several variables of the clusters (depht of
the shower center, longitudinal and lateral
development, etc.) The MonteCarlo can then be
used to estimate the visible EM and HAD, the
invisible HAD, and the lost energy contributions
(calibration hits ? local cluster calibration)
Open questions Studies done so far only for
single particles how the mixed EM and HAD
clusters have to be treated in a jet? ANY
calibration has to rely heavily on the MonteCarlo
(G4). How well it predicts the data?
Invisible Had energy
71
What we have
The present jet calibration in ATLAS is obtained
using jets after the reconstruction Jet
reconstruction algorithm is run on the input
clusters (towers or topological
clusters) Reconstructed jet energy is then
compared to the MC particle level jet. Then a set
of corrections (for cell energy deposits or for
the longitudinal samples energy content) are
extracted. Different calibration schemes have
been studied. They differ mostly for the
dependencies of the calibration constants (cell
energy density, cell energy jet energy, jet
energy). The final performances of the
calibration are assessed looking at the linearity
and resolution that can be obtained. Usually a
cone algorithm with ?R 0.7, ETseed2 GeV is
used.
72
Results
Results are shown for the default calibration
scheme (wi(Ecell), with additional correction for
pseudorapidity dependence) Cone algorithm,
electronic noise included in the simulation,
pileup not included, results are the average over
? lt 3
The linearity (with respect to MC truth on QCD
events) that can be obtained is within 2 over a
wide range of energy. Very low constant term in
the resolution.
73
Results with different reco algorithms
Results are checked over different reconstruction
algorithms. KT algorithm gives the worst results
in terms of resolution. A tuning of the D
parameter (default D1, tuned D0.6) improve the
resolution. Studies ongoing.
Single jet gun noise Cone algorithm gives the
best resolution (?R 0.7, Etseed 2 GeV. High
luminosity will force the decrease of the cone
size)
74
Esempio in ATLAS uso di W?jj dal decadimento del
top
75
Risultati dopo la calibrazione

• Top
• Zjets

EPart / E
EPart / E
After calib Top
E
E

• Le correzioni calcolate sul sample di top sono
  state utilizzate su Zjet
• I tagli applicati sulle energie dei jet sono gli
  stessi
• I jet del campione Zjets sono calibrati al 3-4
• Effetti dei fondi non ancora inclusi nellanalisi

76
Esempio in CMS ?/Zjet

• Si calcolano correzioni da applicare al particle
  jet per avere lenergia del partone

Ktruejet
77
Sistematiche della calibrazione

• Bias sistematico relativo
• I principali contributi al bias sono
• effetti di radiazione
• fondi (QCD di-jet in ? jets)
• La selezione degli eventi puo creare un bias
  sulla scala di energia