Measurement of the $b$-jet identification efficiency in dileptonic $t\bar{t}$ events using proton-proton collision data at $\sqrt{s}=13.6$ TeV collected with the ATLAS detector

Resumen Técnico: Medición de la eficiencia de identificación de jets $b$ en eventos $t\bar{t}$ dileptónicos utilizando datos de colisiones protón-protón a $\sqrt{s}= 13.6$ TeV recolectados con el detector ATLAS

Problema y Contexto
El etiquetado de sabor de jets es un componente crítico del programa de física de ATLAS en el Gran Colisionador de Hadrones (LHC), esencial para identificar jets que contienen hadrones $b$ ($b$-jets) y hadrones $c$ ($c$-jets) mientras se rechaza el sustancial fondo de jets de sabor ligero. Esta capacidad sustenta mediciones de precisión del Modelo Estándar (SM), búsquedas de decaimientos del bosón de Higgs, física del quark top y búsquedas más allá del SM. Mientras que las generaciones anteriores de algoritmos de etiquetado utilizaban Redes Neuronales Profundas (DNN) y Redes Neuronales Recurrentes (RNN), la Colaboración ATLAS ha adoptado GN2, un algoritmo de aprendizaje automático basado en transformadores, para el análisis de datos del Run 3. GN2 ofrece mejoras significativas de rendimiento sobre su predecesor, DL1d, al predecir probabilidades de sabor de jet ($p_b, p_c, p_\tau, p_u$) y definir un discriminante $D_{GN2}$. Sin embargo, para utilizar GN2 en análisis de física, su rendimiento debe calibrarse contra datos reales para derivar factores de corrección (Factores de Escala, SF) que den cuenta de las discrepancias entre los datos y la simulación de Monte Carlo (MC). Este artículo aborda la medición del rendimiento de la eficiencia de etiquetado de $b$-jets de GN2 utilizando datos recolectados en 2022 y 2023 a una energía de centro de masa de $\sqrt{s}= 13.6$ TeV.

Metodología
La medición utiliza un conjunto de datos correspondiente a una luminosidad integrada de $56.0 \pm 1.1 \text{ fb}^{-1}$. El análisis selecciona una muestra enriquecida en eventos de pares de quarks top ($t\bar{t}$) dileptónicos, caracterizados por la cadena de decaimiento $t \to Wb$ seguida de $W \to \ell\nu$ (donde $\ell$ es un electrón o un muón). La selección de eventos requiere exactamente dos leptones aislados de sabores diferentes y cargas opuestas, y exactamente dos jets hadrónicos.

El núcleo de la metodología es una extracción simultánea de la eficiencia de etiquetado de $b$-jets y la composición de sabor de los jets mediante un enfoque de máxima verosimilitud. Los eventos seleccionados se categorizan en:

1. Bins Cinemáticos: Definidos por el momento transversal ($p_T$) de los jets líder ($T_m$) y sub-líder ($T_n$), con límites en [20, 40, 60, 140, 400] GeV.
2. Bins de Etiquetado de $b$-jets Pseudo-Continuos (PCBT): Rangos exclusivos del discriminante $D_{GN2}$ correspondientes a intervalos de eficiencia acumulativa: [100%, 90%], [90%, 85%], [85%, 77%], [77%, 70%], [70%, 65%] y [65%, 0%].
3. Regiones de Análisis: Los eventos se dividen además en una Región de Señal (SR) enriquecida en eventos $b\bar{b}$ (que requiere masas invariantes jet-leptón $m_{j\ell} < 175$ GeV) y tres Regiones de Control (CR) enriquecidas en eventos $b\ell$, $\ell b$ y $\ell\ell$ (donde $\ell$ denota jets que no son $b$).

Se construye una función de verosimilitud para ajustar los rendimientos de eventos observados en estas regiones. El ajuste determina simultáneamente las eficiencias de etiquetado de $b$-jets ($P_b$) en cada bin de PCBT y de $p_T$, así como los factores de corrección de la composición de sabor de los jets ($c_{bb}, c_{bl}, c_{lb}, c_{ll}$) que ajustan la composición de sabor de MC para coincidir con los datos. Las incertidumbres sistemáticas se evalúan variando los parámetros de respuesta del detector (selección de leptones, escala/resolución de la energía del jet, modelado de pile-up) y los parámetros de modelado de física (funciones de distribución de partones, radiación QCD, modelos de cascada de partones/hadronización, y esquemas de interferencia $t\bar{t}$ vs. top único).

Contribuciones Clave

• Primera Calibración de GN2 Basada en Datos: Este trabajo presenta la primera medición del rendimiento del algoritmo GN2 en los datos del Run 3 de ATLAS, estableciendo los Factores de Escala necesarios para los análisis de física.
• Extracción Simultánea: El análisis emplea un ajuste simultáneo robusto para extraer tanto las eficiencias de etiquetado como las composiciones de sabor, reduciendo la sensibilidad al error de modelado de la composición de sabor de los jets en la simulación.
• Presupuesto de Incertidumbre Exhaustivo: El estudio proporciona un desglose detallado de las incertidumbres, distinguiendo entre limitaciones estadísticas (datos y MC) y fuentes sistemáticas (detector y modelado de física), específicamente para la nueva arquitectura basada en transformadores.

Resultos

• Mejora del Rendimiento: El algoritmo GN2 demuestra mejoras significativas de rendimiento respecto a DL1d, logrando hasta un factor de dos más de rechazo de jets de sabor ligero y un factor de tres más de rechño de jets de sabor charm para la misma eficiencia de etiquetado de $b$.
• Factores de Escala: Los Factores de Escala derivados de simulación-a-datos oscilan entre 0.9 y 1.3 a través de los intervalos medidos de $p_T$ y PCBT.
• Precisión: Para jets con momento transversal $p_T > 60$ GeV en el intervalo de eficiencia acumulativa [65%, 0%], la incertidumbre total sobre la eficiencia medida es aproximadamente del 1%. En el bin de $p_T$ más bajo (20–40 GeV) y el bin de mayor eficiencia ([100%, 90%]), las incertidumbres son mayores (hasta ~25%), dominadas por las incertidumbres de la escala/resolución de la energía del jet y el modelado de la física.
• Fuentes de Incertidumbre: En la región de $p_T$ media (60–140 GeV), la incertidumbre total está dominada por efectos sistemáticos, particularmente el modelado de $t\bar{t}$ y la respuesta del detector. En $p_T$ alta ($>140$ GeV), la incertidumbre estadística de los datos se convierte en la contribución dominante.
• Composición de Sabor: Se reportan los factores de corrección post-ajuste para las composiciones de sabor de los jets, que oscilan entre 0.7 y 1.3, indicando los ajustes requeridos para alinear las predicciones de MC con los datos observados.

Significancia
El artículo valida el extraordinario rendimiento de etiquetado de $b$-jets del algoritmo GN2 durante el Run 3. Al proporcionar los valores centrales de los Factores de Escala, sus incertidumbres y el esquema de correlación a través de los bins de $p_T$ y PCBT, este trabajo permite que los análisis de física de ATLAS interpreten correctamente los jets etiquetados como $b$ en diversos canales de búsqueda y medición. Los resultados confirman que el algoritmo GN2 basado en transformadores mantiene una alta eficiencia y poder de rechazo en el entorno de alta luminosidad y alto pile-up del LHC, apoyando los objetivos de la física de precisión del experimento ATLAS.