A framework and implementation for data-driven trigger efficiency estimation at LHCb

Este artículo presenta un método basado en datos para estimar la eficiencia de los disparadores en LHCb, junto con el diseño, implementación y rendimiento del paquete de software centralizado TriggerCalib, que incluye la evaluación de las incertidumbres estadísticas y sistemáticas asociadas.

Lo esencial

¡Claro que sí! Imagina que el experimento LHCb es como una gigantesca fiesta de partículas que ocurre billones de veces por segundo en el Gran Colisionador de Hadrones (LHC).

Aquí tienes la explicación de este artículo científico, traducida a un lenguaje sencillo y con analogías de la vida real:

1. El Problema: La Fiesta Caótica y el Portero Estricto

Imagina que en esta fiesta hay mil millones de invitados (partículas) entrando cada segundo. La mayoría son "aburridos" (partículas comunes que no nos interesan), pero los científicos buscan a unos pocos "invitados VIP" (partículas raras que revelan secretos del universo).

Para encontrar a los VIP, hay un sistema de seguridad (el "disparador" o trigger) que revisa a todos los invitados.

• El problema: Este sistema de seguridad es muy complejo y a veces es difícil predecir exactamente quién dejará pasar y quién no. Si intentamos simular esto en una computadora, la simulación no es perfecta y puede fallar.
• La solución tradicional (y costosa): Podríamos guardar una grabación de todo lo que pasa en la fiesta para ver quién fue filtrado, pero eso requeriría un disco duro del tamaño de un planeta. Es imposible.

2. La Idea Brillante: El Método "TISTOS"

Los científicos del LHCb desarrollaron un truco inteligente llamado TISTOS (Trigger Independent of Signal / Trigger On Signal). Es como un juego de "etiquetas" para adivinar la eficiencia del portero sin tener que ver a todos los invitados.

Imagina que estás en la fiesta y quieres saber qué tan probable es que un invitado específico (nuestro candidato VIP) sea dejado pasar por el portero. Usamos dos tipos de etiquetas:

• TOS (Trigger On Signal): El portero dejó pasar al invitado porque vio a nuestro VIP. (El VIP fue la razón).
• TIS (Trigger Independent of Signal): El portero dejó pasar al invitado aunque no vio a nuestro VIP, sino que vio a otro invitado interesante en la misma mesa. (El VIP fue un "colado" afortunado).

La analogía de la receta:
Si quieres saber cuántas veces el portero deja pasar a los VIPs, no necesitas contar a todos. Solo necesitas contar:

1. Cuántas veces el portero dejó pasar a alguien porque vio al VIP (TOS).
2. Cuántas veces el portero dejó pasar a alguien independientemente del VIP (TIS).
3. Cuántas veces el portero dejó pasar a alguien por ambas razones (TISTOS).

Con estos tres números, puedes hacer una "fórmula mágica" (una ecuación matemática) para calcular la probabilidad de que el VIP pase, usando solo los datos reales de la fiesta, sin necesidad de simulaciones imperfectas.

3. La Herramienta: "TriggerCalib" (El Asistente de Cocina)

Antes de este artículo, cada científico tenía que construir su propia "fórmula mágica" a mano cada vez que hacía un experimento. Era como si cada chef tuviera que inventar su propio cuchillo para cortar tomates. Era lento y propenso a errores.

Este artículo presenta TriggerCalib, que es como un kit de cocina estandarizado y automatizado (un software en Python).

• ¿Qué hace? Permite a los científicos calcular estas eficiencias en cuestión de minutos en lugar de días.
• ¿Cómo funciona? Toma los datos de la fiesta, aplica las reglas de TISTOS, y te da el resultado listo para usar.
• Limpieza de datos: A veces, en la fiesta hay "ruido" (gente que no es VIP pero parece VIP). El software tiene tres métodos para limpiar esto:
  1. Restar el ruido: Como quitar las manzanas podridas de una caja contando las buenas y restando las malas.
  2. Ajustar la curva: Usar matemáticas para ver la forma de la distribución y separar lo bueno de lo malo.
  3. Ponderar (sPlot): Darle un "peso" a cada invitado para que, al final, los VIPs cuenten más que los impostores.

4. ¿Por qué es importante?

Imagina que estás investigando un crimen muy raro. Si tu sistema de seguridad (el disparador) falla el 10% de las veces y no lo sabes, tu investigación estará equivocada.

• Precisión: Este método permite saber exactamente qué porcentaje de "crímenes" (partículas raras) se están perdiendo en la puerta.
• Confianza: Al usar datos reales en lugar de simulaciones, los resultados son mucho más fiables.
• Eficiencia: Al centralizar la herramienta (TriggerCalib), los científicos pueden dedicar más tiempo a descubrir nuevos secretos del universo y menos tiempo a programar herramientas repetitivas.

En Resumen

Este artículo es como el manual de instrucciones para un nuevo y mejorado detector de mentiras en la fiesta más grande del mundo. Nos dice cómo usar las pistas que deja la fiesta misma (TISTOS) para saber cuántos invitados importantes se están escapando, y nos da una herramienta automática (TriggerCalib) para que cualquier científico pueda hacerlo rápido, fácil y sin errores.

¡Es una forma elegante de convertir el caos de una fiesta de partículas en datos científicos precisos!

Resumen técnico

Título: Un marco y una implementación para la estimación de la eficiencia del disparador (trigger) basada en datos en LHCb

1. El Problema

En los experimentos modernos de física de partículas, como LHCb en el CERN, los sistemas de disparo (trigger) son fundamentales para seleccionar eventos de interés físico entre una gran cantidad de colisiones. La estimación precisa de la eficiencia de estos disparadores es crucial para cualquier análisis de física. Sin embargo, existen dos desafíos principales:

• Limitaciones de la simulación: La naturaleza compleja de las selecciones de los disparadores es difícil de modelar con precisión en muestras simuladas únicamente.
• Falta de datos sin filtrar: Evaluar la eficiencia como la fracción simple de candidatos aceptados en los datos registrados requeriría muestras de datos "sin filtrar" (unfiltered) de un tamaño prohibitivamente grande, ya que la mayoría de los eventos no pasan el disparo.

Por lo tanto, se necesita un enfoque puramente basado en datos (data-driven) que permita estimar estas eficiencias utilizando los candidatos reconstruidos disponibles en los datos de física, sin depender de muestras masivas de datos no filtrados ni de modelos de simulación imperfectos.

2. Metodología: El método TISTOS

El artículo presenta y formaliza el método TISTOS (Trigger Independent of Signal / Trigger On Signal), una técnica de "tag-and-probe" (etiqueta y sonda) desarrollada por la colaboración LHCb.

• Concepto Central: El método clasifica las decisiones del disparador en relación con un candidato de señal físico (por ejemplo, un decaimiento $B^+ \to J/\psi K^+$).

  • TOS (Trigger On Signal): El candidato de señal es suficiente para que el disparador se active, independientemente del resto del evento.
  • TIS (Trigger Independent of Signal): Otro objeto reconstruido en el evento (no la señal) es suficiente para activar el disparador, independientemente del candidato de señal.
  • TISTOS: La intersección de ambos casos (el evento cumple ambas condiciones).
  • TOB (Triggered on Both): El candidato de señal y el resto del evento son necesarios conjuntamente para activar el disparo (generalmente una fracción pequeña).

• Cálculo de la Eficiencia: La eficiencia del disparo ($\varepsilon_{Trig}$) se estima utilizando la relación entre estas categorías en los datos:
  $$\varepsilon_{Trig} \approx \frac{N_{Trig}}{N_{TIS}} \times \frac{N_{TISTOS}}{N_{TOS}}$$
  Donde todos los términos ($N$) son contables directamente en los datos. Esto evita la necesidad de medir $\varepsilon_{TIS}$ directamente, que no es observable.

• Corrección de Correlaciones: Para mitigar sesgos causados por correlaciones cinemáticas entre las muestras de "etiqueta" (TOS) y "sonda" (TIS), el método requiere evaluar la eficiencia en intervalos estrechos del espacio de fases (por ejemplo, en bins de momento transversal $p_T$ y momento longitudinal $p_z$).

• Mitigación de Fondo: Para aislar la señal del fondo, el paquete implementa tres métodos:

  1. Resto de banda (Sideband subtraction): Resta la densidad de fondo estimada en regiones laterales de la masa invariante.
  2. Ajuste y conteo (Fit-and-count): Utiliza funciones de densidad de probabilidad (PDF) para ajustar la señal y el fondo en cada región.
  3. sPlot: Realiza un ajuste global para calcular pesos estadísticos (sWeights) que permiten extraer la distribución de la señal.

3. Contribuciones Clave

El artículo introduce dos contribuciones principales:

1. Marco Teórico Unificado: Proporciona una descripción exhaustiva y centralizada del marco TISTOS, consolidando conocimientos que antes estaban dispersos en varios análisis individuales.
2. Implementación de Software (TriggerCalib): Presenta TriggerCalib, un paquete de software en Python que ofrece la primera implementación centralizada de estos cálculos.
   • Ventajas: Reduce el tiempo de implementación de días a minutos, estandariza los procedimientos y se integra nativamente con el ecosistema de análisis de LHCb (DaVinci, FunTuple, ROOT).
   • Funcionalidades: Permite estimar eficiencias directamente en datos o calcular pesos de corrección para aplicar a muestras simuladas (crucial para canales de física raros con estadística limitada).
   • Incertidumbres: Incluye una implementación novedosa para propagar las incertidumbres estadísticas, considerando la superposición no trivial entre las categorías TIS, TOS y TISTOS mediante intervalos de Wilson generalizados.

4. Resultados

El paquete TriggerCalib fue validado utilizando una muestra simulada de decaimientos $B^+ \to J/\psi (\mu^+\mu^-) K^+$, que actúa como canal de control de alta estadística y pureza.

• Consistencia de Métodos: Se compararon los tres métodos de mitigación de fondo (Resto de banda, Ajuste y conteo, sPlot). Los resultados mostraron consistencia dentro de las incertidumbres estadísticas:
  • Resto de banda: $97.328 \pm 0.054\%$
  • Ajuste y conteo: $97.31 \pm 0.11\%$
  • sPlot: $97.314 \pm 0.094\%$
• Validación de Supuestos: Se realizaron pruebas (ratio de verosimilitud y Kendall's $\tau$) para verificar la independencia entre la variable discriminante (masa invariante) y las variables de control (momento). Aunque se encontró cierta correlación en la muestra simulada, se demostró que los efectos se cancelan mutuamente en la estimación final de la eficiencia cuando se aplican correctamente los pesos.
• Rendimiento: El software permite a los analistas configurar las herramientas en minutos, eliminando la necesidad de reimplementar lógica compleja específica del disparo en cada nuevo análisis.

5. Significado e Impacto

Este trabajo es fundamental para la física de partículas moderna en LHCb, especialmente para la era de Run 3 (2022-2026), donde la luminosidad instantánea es cinco veces mayor que en el Run 1-2.

• Estandarización: Al centralizar la implementación del método TISTOS, se garantiza la consistencia entre diferentes análisis de física, reduciendo errores sistemáticos introducidos por implementaciones manuales divergentes.
• Eficiencia Operativa: Libera a los físicos de dedicar tiempo valioso a la ingeniería de software de disparo, permitiéndoles enfocarse en la física.
• Precisión en Física Rara: Facilita el estudio de procesos raros (como violaciones de la universalidad del sabor leptónico) al permitir la calibración de la respuesta del disparo en canales de control y su aplicación a canales de señal con baja estadística mediante pesos de corrección.
• Gestión de Incertidumbres: Proporciona un marco riguroso para cuantificar tanto las incertidumbres estadísticas (considerando la complejidad de las categorías superpuestas) como las sistemáticas (dependientes de la elección de variables, binning y método de fondo).

En resumen, el artículo establece un nuevo estándar para la estimación de eficiencias de disparo en LHCb, combinando una metodología teórica robusta con una herramienta de software accesible y validada.