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

Dieser Beitrag beschreibt die Strategie und das Verfahren zur Auswahl und Verarbeitung von Kalibrierungsstichproben im LHCb-Experiment während Run 2, um die Leistungsfähigkeit der Teilchenidentifikation (PID) zu messen, die Effizienz von PID-Anforderungen in verschiedenen Zerfallskanälen zu bestimmen und Datenqualitätsüberwachungen durchzuführen.

Das Wesentliche

Das große Puzzle: Wie LHCb seine "Augen" schärft

Stell dir vor, das LHCb-Experiment am CERN ist wie ein riesiges, ultra-schnelles Polizeirevier, das auf der Suche nach winzigen, seltenen Verbrechen im Universum ist. Diese "Verbrechen" sind spezielle Teilchenzerfälle, die uns Hinweise auf neue Physik geben könnten.

Um diese Verbrechen aufzuklären, braucht das Revier perfekte Spurensicherer (die Detektoren). Diese müssen genau erkennen können, ob ein vorbeifliegendes Teilchen ein "Polizist" (ein Proton), ein "Dieb" (ein Kaon) oder ein "Unschuldiger" (ein Pion) ist. Das nennt man Teilchenidentifikation (PID).

Das Problem: Die Detektoren sind riesig und komplex. Manchmal "sehen" sie Dinge nicht ganz so, wie sie es sollten. Wenn die Polizei nicht genau weiß, wie gut ihre Augen funktionieren, kann sie keine Beweise vor Gericht bringen.

Hier kommt das Papier ins Spiel. Es beschreibt, wie LHCb eine neue, clevere Methode entwickelt hat, um zu überprüfen, wie gut diese "Augen" wirklich sehen – und das in Echtzeit, während die Daten reinkommen.

1. Der alte Weg vs. der neue Weg

Früher (Run 1):
Stell dir vor, du hast einen riesigen Haufen Fotos von Verbrechen. Du musst sie alle ausdrucken, in einen Ordner stecken und dann im Büro (offline) langsam durchgehen, um zu prüfen, ob die Kamera scharf war. Das dauert ewig und ist ineffizient.

Jetzt (Run 2):
Seit 2015 hat LHCb einen Turbo-Modus entwickelt.

• Die Idee: Anstatt alles erst später zu prüfen, wird eine spezielle Auswahl von "Beweismaterial" (Kalibrierungsproben) direkt am Ort des Geschehens (im Trigger-System) gefiltert.
• Der Trick: Sie wählen nur die Fälle aus, bei denen sie sicher wissen, was das Teilchen ist, ohne die Detektoren zu benutzen.
  • Beispiel: Wenn ein Teilchen zerfällt in zwei andere, die man durch ihre Flugbahn und Masse eindeutig als "Zwillings-Muonen" erkennt, dann weiß man: "Aha, das hier ist ein Muon!" Man muss nicht erst fragen: "Hey, Detektor, bist du dir sicher?" Man weiß es einfach.

2. Die "Tag-and-Probe"-Methode (Das "Kennen und Prüfen")

Um die Detektoren zu testen, nutzen sie eine Methode, die man sich wie ein Verhör mit einem Zeugen vorstellen kann:

• Der "Tag" (Der Zeuge): Ein Teilchen, das so eindeutig ist, dass wir es zu 100 % kennen (z. B. ein Muon aus einem J/ψ-Zerfall). Es ist unser Referenzpunkt.
• Der "Probe" (Der Verdächtige): Das andere Teilchen im Paar. Wir wissen nicht, was es ist.
• Der Test: Wir schauen, wie der Detektor den "Verdächtigen" sieht. Da wir durch den "Zeugen" wissen, dass das Paar zusammengehört, können wir den "Verdächtigen" eindeutig identifizieren.
  • Vergleich: Wenn du weißt, dass du mit deinem besten Freund (dem Tag) spazieren gehst, und du siehst eine Person, die genau so aussieht wie dein Freund, aber du hast ihn noch nie gesehen (den Probe), kannst du trotzdem sicher sein, wer es ist. Jetzt prüfst du, ob die Sicherheitskamera (der Detektor) diese Person korrekt als "Freund" erkennt.

3. Der "Turbo-Scan" (Online und Offline)

Das ist der geniale Teil des Papiers. Früher liefen die Daten nur einmal durch. Jetzt machen sie es zweimal:

1. Online (Echtzeit): Der Computer im Trigger-System rekonstruiert das Ereignis sofort. Er entscheidet: "Das ist interessant, speichern wir!"
2. Offline (Im Nachhinein): Die gleichen Daten werden später noch einmal mit noch besseren, langsameren Algorithmen durchgerechnet.

Warum das wichtig ist:
Stell dir vor, du hast ein Foto, das sofort am Handy bearbeitet wurde (Online), und dasselbe Foto, das später im Studio professionell bearbeitet wurde (Offline).
Das Papier beschreibt, wie man beide Versionen vergleicht. So kann man genau messen:

• Wie gut funktioniert der schnelle Filter?
• Wie viel besser ist die langsame Analyse?
• Stimmt die schnelle Version mit der langsamen überein?

Dafür haben sie ein neues Datenformat namens "TurboCalib" erfunden. Es ist wie ein Dual-Format-Foto: Es enthält sowohl die schnellen "Handy-Bilder" als auch die Rohdaten für die "Studio-Bearbeitung". So können Physiker später prüfen, ob ihre schnellen Entscheidungen im Trigger korrekt waren.

4. Warum machen sie das alles?

Es gibt drei Hauptgründe, warum diese "Kalibrierungsproben" so wichtig sind:

1. Die Waage kalibrieren: Wenn du eine Waage benutzt, musst du wissen, ob sie genau 1 kg anzeigt, wenn du 1 kg darauf legst. Diese Proben sind das "1 kg Gewicht" für die Teilchendetektoren. Ohne sie wüssten wir nicht, wie oft der Detektor einen Pion für ein Kaon hält (Fehlidentifikation).
2. Die Simulation verbessern: Physiker nutzen Computer-Simulationen, um zu verstehen, was passiert. Aber Simulationen sind nie zu 100 % perfekt. Mit diesen echten Daten können sie die Simulation "nachbessern" (wie ein Koch, der das Rezept anpasst, weil das Essen zu salzig schmeckt).
3. Die Gesundheit des Experiments überwachen: Wenn die Detektoren alt werden, sich verschieben oder die Temperatur schwankt, ändern sich ihre "Augen". Diese Proben laufen ständig durch. Wenn plötzlich die "Tag-and-Probe"-Ergebnisse verrücktspielen, wissen die Ingenieure sofort: "Hey, etwas stimmt mit dem Detektor nicht!" und können es reparieren, bevor wichtige Daten verloren gehen.

Zusammenfassung in einem Satz

Das Papier beschreibt, wie LHCb eine intelligente, doppelte Datenverarbeitung eingeführt hat, um mit Hilfe von "sicheren" Zerfällen (Kalibrierungsproben) in Echtzeit zu messen, wie perfekt ihre Detektoren Teilchen erkennen, und so sicherzustellen, dass ihre Suche nach neuen physikalischen Gesetzen auf einem absolut soliden Fundament steht.

Es ist im Grunde die Qualitätskontrolle für das gesamte Universum-Überwachungs-System, damit am Ende keine Beweise verloren gehen.

Technische Zusammenfassung

1. Problemstellung

Das LHCb-Experiment am CERN ist darauf spezialisiert, seltene Zerfälle von Hadronen mit schweren Quarks (Beauty und Charm) zu untersuchen, um Hinweise auf neue Physik jenseits des Standardmodells zu finden. Eine entscheidende Voraussetzung für diese Analysen ist die präzise Identifizierung geladener Teilchen (PID: Particle Identification), um zwischen Elektronen, Myonen, Pionen, Kaonen und Protonen zu unterscheiden.

Mit dem Start des LHC Run 2 (2015–2018) stellte sich das LHCb vor neue Herausforderungen:

• Hohe Datenraten: Die Notwendigkeit, große Datenmengen effizient zu verarbeiten, erforderte ein neues Rechenmodell, das auf einer Online-Rekonstruktion basiert.
• Bias-Freiheit: Um die PID-Leistung (Effizienz und Fehlidifikationswahrscheinlichkeit) genau zu messen, sind Kalibrierungsstichproben erforderlich, die frei von Verzerrungen durch die Teilchenidentifikation selbst sind. Herkömmliche Offline-Selektionsstrategien waren oft zu langsam oder führten zu systematischen Verzerrungen.
• Kombinierte Anforderungen: Viele physikalische Analysen nutzen sowohl Online-PID-Variablen (im Trigger) als auch Offline-PID-Variablen (in der detaillierten Analyse). Es fehlte ein Modell, um die Effizienz von Selektionen zu messen, die beide Rekonstruktionsarten kombinieren.
• Skalierbarkeit: Die benötigten statistischen Präzisionen erforderten riesige Kalibrierungsdatensätze, die mit herkömmlichen Methoden nicht mehr effizient verarbeitet werden konnten.

2. Methodik

Das Papier beschreibt eine innovative Strategie zur Selektion und Verarbeitung von Kalibrierungsstichproben, die in den folgenden Hauptkomponenten besteht:

A. Auswahl der Kalibrierungsstichproben (Tag-and-Probe)
Es werden mehr als 20 exklusive Trigger-Selektionen verwendet, um reine Proben der fünf geladenen Teilchensorten zu erhalten. Die Auswahl basiert auf dem „Tag-and-Probe"-Prinzip:

• Ein gut identifiziertes Teilchen („Tag") wird verwendet, um ein anderes, nicht durch PID-Variablen selektiertes Teilchen („Probe") zu identifizieren.
• Beispiele:
  • Myonen: $J/\psi \to \mu^+\mu^-$ und $B^+ \to J/\psi K^+$ (mit $J/\psi \to \mu^+\mu^-$).
  • Pionen/Kaonen: $K_S^0 \to \pi^+\pi^-$ und $D^{*+} \to D^0 \pi^+$ (mit $D^0 \to K^-\pi^+$).
  • Protonen: $\Lambda^0 \to p\pi^-$ und $\Lambda_c^+ \to pK^-\pi^+$.
• Um kinematische Verzerrungen zu vermeiden, werden PID-Anforderungen im Trigger nur auf das „Tag"-Teilchen oder gar nicht angewendet. Für Protonen wird eine zufällige Unterabtastung (Random Sampling) verwendet, um die Speicheranforderungen bei hohen Produktionsraten zu managen.

B. Messung der PID-Leistung
Die Leistung wird durch den Vergleich der PID-Variablen in den reinen Kalibrierungsstichproben mit denen in Referenzstichproben (z. B. Simulationsdaten oder reale Signalereignisse) bestimmt.

• sPlot-Technik: Um den Untergrund in den Kalibrierungsstichproben statistisch zu subtrahieren, wird die sPlot-Methode verwendet. Dabei werden Gewichte (sWeights) basierend auf einem Fit der invarianten Masse zugewiesen.
• Gewichtung und Resampling: Um die PID-Effizienz auf eine Referenzstichprobe zu übertragen, werden die Kalibrierungsdaten gewichtet, um die kinematischen Verteilungen (Impuls $p$, Pseudorapidität $\eta$, Ereignismultiplizität) der Referenzstichprobe zu matchen.
• Korrekturmethoden: Zwei Hauptansätze werden beschrieben:
  1. Resampling: PID-Variablen werden vollständig durch Werte ersetzt, die aus den Kalibrierungs-PDFs (Wahrscheinlichkeitsdichtefunktionen) gezogen werden.
  2. Transformation: Die PID-Variablen aus der Simulation werden so transformiert, dass sie der Verteilung in den Kalibrierungsdaten entsprechen, wobei Korrelationen innerhalb eines Teilchens erhalten bleiben.

C. Rechenmodell und Datenverarbeitung (TurboCalib)
Ein zentrales Element ist das neue Datenformat TurboCalib, das Online- und Offline-Rekonstruktion kombiniert:

• Dual-Rekonstruktion: Jedes Ereignis in einer Kalibrierungsstichprobe wird sowohl online (im Trigger) als auch offline (mit Rohdaten) vollständig rekonstruiert.
• Matching: Die rekonstruierten Teilchen aus beiden Prozessen werden anhand von geteilten Detektor-Clustern oder dem TisTos-Algorithmus einander zugeordnet.
• Vorteil: Dies ermöglicht Analysten, die Effizienz von Selektionen zu messen, die Online- und Offline-PID-Variablen kombinieren, und erlaubt die Validierung neuer Algorithmen auf echten Daten.
• Verteilte Verarbeitung: Um die Skalierbarkeit bei großen Datenmengen zu gewährleisten, wird die sPlot-Untergrundsubtraktion auf Tausenden von Rechenknoten parallelisiert.

3. Wichtige Beiträge

• Entwicklung des TurboCalib-Formats: Ein neues Datenformat, das Rohdaten und Trigger-Kandidaten speichert und eine unabhängige Online- und Offline-Rekonstruktion pro Ereignis ermöglicht.
• Echtzeit-Selektion: Die Kalibrierungsstichproben werden direkt im Software-Trigger (Online) ausgewählt, was im Vergleich zu Run 1 eine signifikant höhere Statistik und eine bessere Abwesenheit von Selektionsverzerrungen bietet.
• Multivariate Klassifikatoren (ANNPID): Die Integration von künstlichen neuronalen Netzen, die Informationen aus dem Tracking, den RICH-Detektoren, Kalorimetern und dem Myon-System kombinieren, um die Teilchenidentifikation zu verbessern.
• Distributed sPlot: Eine skalierbare Implementierung der Untergrundsubtraktion für sehr große Datensätze.
• PIDCalib-Paket: Eine Python-Schnittstelle, die die Techniken zur Übertragung von PID-Informationen auf physikalische Analysen standardisiert.

4. Ergebnisse

• Umfassende Abdeckung: Es wurden reine Proben für alle geladenen Teilchensorten (e, $\mu$, $\pi$, K, p) über einen weiten kinematischen Bereich (Impuls und Pseudorapidität) bereitgestellt.
• Präzise Effizienzmessung: Die Methode erlaubt die genaue Bestimmung der PID-Effizienz und der Fehlidifikationswahrscheinlichkeiten für Hunderte von Zerfallskanälen.
• Validierung: Die Kalibrierungsstichproben dienen erfolgreich zur Überwachung der Datenqualität (DQM), zur Erkennung von Fehlausrichtungen zwischen Online- und Offline-Rekonstruktion und zur Validierung von Detektor-Alterungseffekten.
• Korrektur von Simulationen: Die Techniken zur Resampling und Transformation ermöglichen es, die PID-Antwort in Simulationsdaten so zu korrigieren, dass sie der Realität entspricht, was die systematischen Unsicherheiten in physikalischen Analysen reduziert.

5. Bedeutung

Dieses Papier beschreibt einen fundamentalen Wandel in der Datenverarbeitung des LHCb-Experiments für Run 2 und bereitet den Weg für Run 3 vor.

• Effizienzsteigerung: Durch die Verlagerung der Selektion und Verarbeitung in den Online-Bereich werden Rechenressourcen gespart und die Datenmenge für physikalische Analysen maximiert.
• Zukunftssicherheit: Das Konzept, dass die meisten Daten nur als rekonstruierte Kandidaten (ohne Rohdaten) gespeichert werden (Turbo-Stream), macht die Verfügbarkeit von Rohdaten in Kalibrierungsstichproben (TurboCalib) unverzichtbar für die Validierung und Qualitätskontrolle.
• Systematische Unsicherheiten: Die präzise Messung und Korrektur der PID-Leistung reduziert systematische Fehler in CP-Verletzungs- und seltenen Zerfallsanalysen erheblich, was die Sensitivität des Experiments für neue Physik erhöht.
• Standardisierung: Die bereitgestellten Werkzeuge (PIDCalib) und Strategien dienen als Blaupause für andere Kalibrierungsstichproben (z. B. Tracking, neutrale Pionen) und für zukünftige Experimente.

Zusammenfassend stellt die vorgestellte Strategie eine robuste, skalierbare und präzise Lösung dar, um die Anforderungen der modernen Hochenergiephysik an die Teilchenidentifikation unter extremen Datenratenbedingungen zu erfüllen.