Selection and processing of calibration samples to measure the particle identification performance of the LHCb experiment in Run 2

فيما يلي ملخص تقني مفصل للورقة البحثية بعنوان "اختيار ومعالجة عينات المعايرة لقياس أداء تحديد هوية الجسيمات في تجربة LHCb خلال فترة التشغيل 2 (Run 2)."

1. بيان المشكلة

تركز تجربة LHCb في سيرن (CERN) على فيزياء الكواركات الثقيلة، مما يتطلب تحديد هوية الجسيمات (PID) بدقة للتمييز بين الإلكترونات، الميونات، البيونات، الكاونات، والبروتونات. إن أداء كواشف تحديد الهوية (RICH، الكالوريمترات، وأنظمة الميون) والخوارزميات أمر بالغ الأهمية لـ:

• قياس انتهاك التماثل الشحني التكافئي (CP violation) والتحللات النادرة (مثل $B \to \mu^+\mu^-$).
• تقليل الخلفية في اختيارات المحفز (trigger selections).
• تصحيح الانحيازات المنهجية في التحليلات الفيزيائية.

التحديات الرئيسية في فترة التشغيل 2 (2015–2018):

• تطور المحفز (Trigger Evolution): انتقل محفز LHCb إلى نموذج يعتمد بشكل كبير على إعادة البناء عبر الإنترنت (online event reconstruction). تتم معالجة معظم البيانات في الوقت الفعلي، مع تخصيص إعادة البناء خارج الإنترنت (offline) لحالات محددة.
• تجنب الانحياز: غالبًا ما تؤدي استراتيجيات الاختيار التقليدية خارج الإنترنت إلى إدخال انحيازات في متغيرات الـ PID. ولقياس كفاءة الـ PID بدقة، هناك حاجة إلى "عينات معايرة" غير منحازة لمتطلبات الـ PID.
• القابلية للتوسع والدقة: تطلبت فترة التشغيل 2 إحصائيات أكبر بكثير لقياس كفاءات الـ PID عبر نطاق حركي (kinematic range) واسع وللمئات من قنوات التحلل.
• تنسيقات البيانات: أدى إدخال تدفق "Turbo" (الذي يخزن فقط المرشحات المعاد بناؤها، وليس البيانات الخام) إلى جعل إعادة المعالجة القياسية خارج الإنترنت مستحيلة للعديد من مجموعات البيانات. كانت هناك حاجة إلى طريقة للتحقق من أداء الـ PID عبر الإنترنت مقابل المعايير خارج الإنترنت دون فقدان البيانات الخام اللازمة للمعايرة.
• عدم التطابق مع المحاكاة: غالبًا ما تفشل عمليات المحاكاة في نمذجة استجابات الكواشف بشكل مثالي. لذا، فإن التصحيحات المعتمدة على البيانات (data-driven) ضرورية لتصحيح محاكاة مونت كارلو (MC).

2. المنهجية

توضح الورقة إطار عمل شاملاً لاختيار ومعالجة واستخدام عينات المعايرة.

أ. استراتيجية اختيار عينة المعايرة

• نموذج الوسم والاختبار (Tag-and-Probe Model): يتم اختيار عينات نقية لجسيمات محددة باستخدام أنماط تحلل يكون فيها أحد الجسيمات ("الوسم" - tag) محددًا جيدًا، بينما يتم اختيار الآخر ("الاختبار" - probe) دون أي متطلبات PID. وهذا يضمن أن عينة الاختبار غير منحازة لمتغيرات الـ PID.
• أنماط التحلل: تُستخدم قنوات محددة لكل نوع من أنواع الجسيمات لتغطية نطاقات مختلفة من الزخم ($p$) والتعامد الكاذب ($\eta$):
  • الميونات: $J/\psi \to \mu^+\mu^-$ و $B^+ \to J/\psi K^+$ ($J/\psi \to \mu^+\mu^-$).
  • البيونات/الكاونات: $K_S^0 \to \pi^+\pi^-$، و $D^{*+} \to D^0 \pi^+$ ($D^0 \to K^- \pi^+$)، و $D_s^+ \to \phi \pi^+$ ($\phi \to K^+ K^-$).
  • البروتونات: $\Lambda^0 \to p \pi^-$ و $\Lambda_c^+ \to p K^- \pi^+$.
  • الإلكترونات: $B^+ \to J/\psi K^+$ ($J/\psi \to e^+ e^-$).
• طرح الخلفية: تُستخدم تقنية sPlot للطرح الإحصائي للخلفية المتبقية. يتم إجراء عمليات الملاءمة (fits) على توزيعات الكتلة الثابتة (والفروق في الكتلة لـ $D^*$) لتعيين أوزان sWeight للمرشحات الإشارية.

ب. قياس أداء الـ PID

• حساب الكفاءة: يتم حساب كفاءة الـ PID عن طريق وزن عينة المعايرة لتتطابق مع التوزيعات الحركية ($p_T, \eta$) وتعدد الأحداث (event multiplicity) لـ "العينة المرجعية" المستهدفة (سواء كانت بيانات أو محاكاة).
• تقنيات التصحيح: لتصحيح محاكاة مونت كارلو، يتم استخدام تقنيتين متقدمتين:
  1. إعادة أخذ العينات (Resampling): استبدال متغيرات الـ PID في مونت كارلو بقيم مأخوذة من دوال كثافة الاحتمال (PDFs) الخاصة بالمعايرة (تقدير كثافة النواة - Kernel Density Estimation).
  2. تحويل المتغيرات: تحويل متغيرات الـ PID في مونت كارلو بحيث يتطابق توزيعها مع البيانات مع الحفاظ على الارتباطات مع الحركية. يستخدم هذا الصيغة:
     $$PID_{corr} = P^{-1}_{exp}(P_{MC}(PID_{MC} | p_T, \eta, N_{evt}) | p_T, \eta, N_{evt})$$
     حيث تمثل $P$ دالة التوزيع التراكمي.

ج. نموذج الحوسبة TurboCalib

لمعالجة تحدي البيانات المتاحة عبر الإنترنت فقط والحاجة للتحقق خارج الإنترنت، تم تطوير مخطط معالجة بيانات جديد:

• تنسيق TurboCalib: تنسيق بيانات مخصص يخزن كلاً من مرشحات المحفز عبر الإنترنت (تدفق Turbo) والبيانات الخام للكاشف لأحداث معايرة محددة.
• إعادة البناء المزدوج (Double Reconstruction):
  1. عبر الإنترنت (Online): إعادة بناء كاملة تتم في الوقت الفعلي بواسطة المحفز.
  2. خارج الإنترنت (Offline): إعادة بناء كاملة مستقلة تتم لاحقًا باستخدام البيانات الخام المخزنة.
• المطابقة: يتم مطابقة المسارات (tracks) من عمليات إعادة البناء عبر الإنترنت وخارج الإنترنت (باستخدام العناقيد المشتركة أو خوارزمية TisTos). يسم هذا للمحللين بمقارنة متغيرات الـ PID عبر الإنترنت مباشرة مع متغيرات "الحقيقة الأرضية" (ground truth) خارج الإنترنت، مما يتيح قياس كفاءات الاختيار المشتركة.
• sPlot الموزع: للتعامل مع الحجم الهائل لعينات المعايرة، يتم تنفيذ طرح خلفية sPlot بطريقة موزعة عبر شبكة (grid) LHCb، لتجنب اختناقات الذاكرة في العقد المنفردة.

د. المصنفات متعددة المتغيرات (ANNPID)

تفصل الورقة استخدام ANNPID (الذكاء الاصطناعي لتحديد هوية الجسيمات)، وهو عبارة عن شبكة عصبية متعددة الطبقات (Multi-Layer Perceptron) تجمع بين احتمالات (likelihoods) أنظمة RICH، والكالوريمترات، والميونات مع متغيرات التتبع (الزخم، جودة الملاءمة، تعدد الضربات) لتوفية درجة PID عالمية.

3. المساهمات الرئيسية

1. مخطط مبتكر لمعالجة البيانات: تقديم تنسيق TurboCalib واستراتيجية إعادة البناء المزدوج عبر الإنترنت وخارج الإنترنت. يتيح ذلك التحقق من أداء محفز عبر الإنترنت مقابل المعايير خارج الإنترنت حتى عندما لا يتم تخزين البيانات الخام عادةً للتحليلات الفيزيائية.
2. استراتيجية معايرة غير منحازة: استراتيجية اختيار "الوسم والاختبار" صارمة تتجنب انحيازات الـ PID عند مستوى المحفز، مما يضمن أن عينات المعايرة ممثلة للأداء الحقيقي للكاشف.
3. خوارزميات تصحيح متقدمة: تنفيذ تقنيات تحويل متغير الـ PID وإعادة أخذ العينات باستخدام تقدير كثافة النواة (مكتبة Meerkat) لتصحيح بيانات المحاكاة، مع الحفاظ على الارتباطات بين متغيرات ال-PID والحركية.
4. بنية تحتية حوسبية قابلة للتوسع: التنفيذ الموزع لتقنية sPlot وحزمة Python الخاصة بـ PIDCalib، والتي توحد عملية نقل معلومات الـ PID من عينات المعايرة إلى التحليلات الفيزيائية.
5. تغطية شاملة: تغطي أنماط التحلل المختارة نطاقًا حركيًا واسعًا (من الزخم المنخفض إلى العالي) لجميع أنواع الجسيمات المشحونة الخمسة، بما في ذلك استراتيجيات محددة للبروتونات عالية الزخم والبيونات منخفضة الزخم.

4. النتائج

• التحقق من الأداء: نجحت عينات المعايرة في توفير قياسات عالية الإحصاء لكفاءة الـ PID واحتمالات الخطأ في تحديد الهوية عبر كامل نطاق القبول الحركي لـ LHCb.
• الاتساق: أكدت المقارنة بين عمليات إعادة البناء عبر الإنترنت وخارج الإنترنت في عينات TurboCalib أن معلمات معايرة عبر الإنترنت ذات جودة كافية للاستخدام خارج الإنترنت، مما يضمن الاتساق بين المحفز والتحليل.
• طرح الخلفية: نجح التنفيذ الموزع لـ sPlot في التعامل مع مجموعات البيانات الضخمة، مما سمح بطرح دقيق للخلفية دون فقدان إحصائي.
• مراقبة جودة البيانات: تُستخدم العينات بنشاط لمراقبة محاذاة الكاشف، وتأثيرات درجة الحرارة، وتقادم المكونات، مما يطلق إنذارات في حال اكتشاف انحرافات عن الظروف القياسية.

5. الأهمية

• الأثر الفيزيائي: تضمن المنهجية أن نتائج فيزياء LHCb (قياسات انتهاك التماثل الشحني التكافئي، والبحث عن التحللات النادرة) ليست محدودة بالشكوك المنهجية في تحديد هوية الجسيمات. إنها تمكن الدقة التي تقل عن واحد في المئة المطلوبة لقياسات عدم التماثل الشحني الطموحة.
• التحضير لفترة التشغيل 3 (Run 3): يعد نموذج الحوسبة الذي تم تطويره لفترة التشغيل 2 (TurboCalib، الاختيار في الوقت الفعلي، التخزين عبر الإنترنت فقط) بمثابة المخطط الأساسي لـ Run 3، حيث ستعمل تجربة LHCb بمحفز يعتمد كليًا على البرمجيات ويخزن حصريًا مرشحات التحلل (تدفق Turbo) دون بيانات خام.
• القابلية للتطبيق العام: بينما تركز على الـ PID، يتم تطبيق نموذج الحوسبة واستراتيجيات الاختيار على احتياجات المعايرة الأخرى، مثل معايرة التتبع وتحديد هوية الجسيمات المتعادلة، مما يثبت قوة الإطار العملي.

باختصار، تصف هذه الورقة تطورًا حاسمًا في قدرات معالجة البيانات في تجربة LHCb، بالانتقال من نموذج يعتمد كليًا على المعالجة خارج الإنترنت إلى إطار عمل متطور للمعالجة في الوقت الفعلي يضمن تحديد هوية الجسيمات بدقة عالية في عصر بيانات مصادم الهادرونات الكبير عالي السطوع.