Highly boosted dielectron identification in proton-proton collisions at $\sqrt{s}$ = 13 TeV

Ce papier présente une nouvelle technique utilisant des modèles multivariés pour identifier les paires d'électrons fortement boostés fusionnant en un seul amas dans le calorimètre électromagnétique du détecteur CMS lors de collisions proton-proton à 13 TeV, avec des efficacités déterminées à l'aide de données réelles.

L'essentiel

🕵️‍♂️ Le Grand Détective des Électrons : Comment CMS a appris à voir l'invisible

Imaginez que le CERN est une immense course de Formule 1 où des voitures (des protons) foncent l'une contre l'autre à des vitesses incroyables. À chaque collision, il se passe une explosion de particules. Le but des physiciens du projet CMS est de comprendre ce qui sort de ces explosions pour découvrir de nouveaux secrets de l'univers.

Le problème ? Parfois, les particules sortent si vite et si proches les unes des autres qu'elles semblent ne former qu'une seule chose. C'est là que cette nouvelle technique intervient.

1. Le Problème : Deux voitures qui semblent être une seule

Normalement, quand deux particules appelées électrons (deux "voitures" chargées négativement) sortent d'une collision, elles sont assez espacées. Le détecteur CMS, qui est comme un appareil photo géant et ultra-sensible, peut les voir distinctement : "Tiens, il y a un électron ici, et un autre là-bas."

Mais imaginez que ces deux voitures partent dans une direction avec une vitesse folle (un boost Lorentzien très élevé). Elles sont si proches l'une de l'autre que, pour l'appareil photo, elles fusionnent en une seule tache lumineuse. C'est comme si deux phares de voiture, vus de très loin dans le brouillard, ne formaient plus qu'un seul point de lumière.

Les algorithmes habituels de CMS disent alors : "Oh, c'est un seul électron." Et ils ratent l'information cruciale qu'il y en avait en fait deux. Or, dans la recherche de nouvelles physiques (au-delà du Modèle Standard), ces paires d'électrons cachées sont souvent le signe d'une nouvelle particule mystérieuse.

2. La Solution : Deux nouvelles lunettes de détective

Pour résoudre ce casse-tête, l'équipe CMS a créé deux nouveaux "détecteurs" (des modèles mathématiques intelligents) capables de voir à travers ce brouillard.

• Le Détective "Double Trace" (Two-track) :
  Parfois, même si les deux électrons forment une seule tache de lumière, ils laissent quand même deux petites traces dans le détecteur interne (comme deux pneus qui glissent sur la route).

  • L'analogie : Imaginez que vous voyez une seule tache de boue sur le pare-brise, mais que vous voyez deux traces de pneus distinctes derrière. Le détective regarde la forme de la tache de boue et la position des pneus pour dire : "Ah ! Ce n'est pas une seule voiture, ce sont deux voitures qui roulent collées !"
  • Résultat : Cette méthode fonctionne très bien (80 % de réussite) quand on arrive à voir les deux traces.

• Le Détective "Trace Unique" (Single-track) :
  Parfois, les voitures vont si vite que les deux pneus ne font qu'une seule trace, ou qu'une seule trace est visible. C'est encore plus difficile !

  • L'analogie : Ici, le détective ne regarde pas les pneus, mais la puissance de la tache de boue. Il se dit : "Cette tache est énorme et très brillante, mais il n'y a qu'une seule trace de pneu. Une seule voiture ne peut pas faire une tache aussi grosse ! Il doit y en avoir deux."
  • Résultat : Cette méthode est un peu plus difficile (60 % de réussite), mais elle permet de sauver des événements qui auraient été perdus.

3. Comment ont-ils appris à leurs détecteurs ? (L'entraînement)

Pour que ces détecteurs soient fiables, il faut les entraîner avec des exemples réels, pas seulement des simulations d'ordinateur. L'équipe a utilisé deux "zones d'entraînement" spéciales :

• Pour le détective "Double Trace" : Ils ont utilisé des particules appelées J/ψ (des sortes de "jouets" qui se désintègrent souvent en deux électrons). Comme on sait exactement comment ils devraient se comporter, ils ont pu vérifier si leur nouveau détective les reconnaissait bien.
• Pour le détective "Trace Unique" : Ils ont utilisé des photons (des particules de lumière) qui se transforment accidentellement en paires d'électrons. C'est un peu comme utiliser un mannequin pour entraîner un détective à repérer un voleur : on sait que le mannequin n'est pas un voleur, mais il a la même silhouette.

4. Le résultat final

Grâce à cette nouvelle technique, le CMS peut maintenant "voir" des paires d'électrons qui étaient auparavant invisibles ou mal identifiées.

• Pourquoi c'est important ? Imaginez que vous cherchez un trésor caché dans une forêt. Avant, vous ne voyiez que les arbres individuels. Maintenant, avec ces nouvelles lunettes, vous pouvez voir quand deux arbres sont en fait un seul buisson caché, ou quand deux arbres cachent un trésor entre eux.
• Cela permet aux physiciens de chercher plus efficacement de nouvelles particules légères qui pourraient expliquer les grands mystères de l'univers (comme la matière noire).

En résumé : Les physiciens de CMS ont inventé un nouveau système de vision pour ne plus confondre deux particules ultra-rapides qui se collent ensemble avec une seule particule. C'est comme passer d'une vision floue à une vision en haute définition pour traquer les secrets les plus cachés de la nature.

Résumé technique

1. Problématique et Contexte

Les modèles de physique au-delà du Modèle Standard (BSM) prédisent souvent l'existence de bosons légers associés à de nouvelles résonances lourdes, qui peuvent se désintégrer en paires d'électrons ($e^+e^-$). Lorsque ces bosons légers sont fortement boostés (facteur de Lorentz $\gamma_L > 20$), l'angle d'ouverture entre les deux électrons devient très faible.

• Défi de reconstruction : Si cet angle est inférieur à la granularité du calorimètre électromagnétique (ECAL) ou au rayon de Molière effectif, les dépôts d'énergie des deux électrons se superposent, formant un seul amas (cluster) fusionné.
• Limites des algorithmes standards : Les algorithmes de reconstruction standard de CMS, conçus pour des électrons isolés, échouent souvent à résoudre ces paires fusionnées. De plus, une forte boost peut entraîner la perte d'une des deux traces dans le trajectographe interne en raison du partage des hits, rendant l'identification difficile.
• Objectif : Développer une nouvelle technique pour identifier ces électrons fusionnés (notés eME pour merged electrons) et améliorer la sensibilité des recherches BSM dans ce régime cinématique.

2. Méthodologie

L'approche proposée repose sur deux modèles multivariés distincts, adaptés à la présence ou à l'absence de deux traces reconstruites associées au cluster fusionné.

A. Reconstruction et Sélection des Traces

• Cas "Deux traces" (Two-track) : Les deux électrons sont suffisamment séparés pour que leurs traces soient reconstruites individuellement (via l'algorithme GSF - Gaussian Sum Filter).
• Cas "Une seule trace" (Single-track) : Pour des boosts extrêmes ($\gamma_L > 200$), une seule trace est reconstruite car l'autre est perdue ou fusionnée avec la première.
• Variables géométriques améliorées : Pour distinguer les électrons isolés des paires fusionnées, l'article introduit de nouvelles variables de matching trace-amas moins sensibles au déplacement du centre de gravité (CoG) de l'amas. Ces variables incluent $\Delta u$, $\Delta v$, $\alpha_{track}$, et les moments d'inertie log-pondérés d'une matrice $5\times5$ de cristaux (notée $U_{5\times5}$) centrée sur les traces.

B. Entraînement des Modèles (BDT)

Deux classificateurs Boosted Decision Tree (BDT) sont entraînés utilisant XGBOOST :

1. Modèle Deux-traces : Utilise principalement la compatibilité géométrique entre les deux traces et le CoG de la matrice $U_{5\times5}$.
   • Signal d'entraînement : Événements simulés $X \to YY \to 4e$ (bosons lourds se désintégrant en bosons légers puis en paires d'électrons).
   • Fond d'entraînement : Électrons isolés provenant de la production de bosons W, processus Drell-Yan (DY) et paires $t\bar{t}$.
2. Modèle Une-trace : Utilise principalement le rapport entre l'énergie du cluster fusionné et l'impulsion de la trace ($E/p$).
   • Signal d'entraînement : Même simulation que ci-dessus, mais filtré pour ne garder que les cas où une seule trace est reconstruite.
   • Fond d'entraînement : Même fond que ci-dessus.

C. Étalonnage de l'Énergie

Pour le cas "Deux-traces", le cluster standard ne capture pas toujours toute l'énergie. L'énergie est donc estimée via la matrice $U_{5\times5}$. Une correction d'énergie dédiée est développée en utilisant la résonance $B^\pm \to J/\psi K^\pm \to e^+e^- K^\pm$ pour aligner l'échelle et la résolution de l'énergie entre les données et la simulation.

3. Résultats et Performances

A. Efficacité d'Identification

Les efficacités sont mesurées sur des données de collisions proton-proton à 13 TeV (luminosité intégrée de 138 fb$^{-1}$) :

• Modèle Deux-traces : Validé à l'aide de bosons $J/\psi$ boostés se désintégrant en $e^+e^-$ (via le jeu de données "B Parking").
  • Efficacité globale : Environ 80 %.
  • Un facteur d'échelle (SF) de $1.03 \pm 0.06$ est appliqué pour corriger les écarts données/simulation.
• Modèle Une-trace : Validé à l'aide de conversions de photons dans les événements $Z \to \mu^+\mu^-\gamma$ (où le photon se convertit en une paire $e^+e^-$ avec une seule trace reconstruite).
  • Efficacité globale : Environ 60 %.
  • Le facteur d'échelle est de $1.00 \pm 0.24$ (incertitude plus élevée due à la topologie différente).

B. Correction d'Énergie

L'analyse de la résonance $B^\pm \to J/\psi K^\pm$ permet de déterminer les paramètres de correction :

• Facteur d'échelle ($\alpha$) : $1.003 \pm 0.003$.
• Facteur de lissage ($\beta$) : $0.02 \pm 0.01$.
  Ces corrections permettent d'égaler la résolution et l'échelle d'énergie des données et de la simulation pour les candidats eME.

4. Contributions Clés

1. Nouvelle technique d'identification : Développement de deux modèles BDT spécifiques pour les électrons fusionnés, couvrant les régimes à une et deux traces.
2. Variables géométriques innovantes : Introduction de variables basées sur la matrice $U_{5\times5}$ et des angles relatifs ($\Delta u, \Delta v, \alpha$) pour améliorer la discrimination face aux électrons isolés.
3. Étalonnage robuste : Utilisation de désintégrations de hadrons B ($B^\pm \to J/\psi K^\pm$) pour étalonner l'énergie des clusters fusionnés, une méthode cruciale pour les mesures de précision.
4. Validation sur données réelles : Mesure directe des efficacités et des facteurs d'échelle sur des échantillons de contrôle riches en données (B Parking et conversions de photons).

5. Signification et Impact

Cette méthode comble une lacune critique dans la capacité de CMS à rechercher de la nouvelle physique dans le canal des électrons.

• Réduction du bruit de fond : Elle permet d'identifier efficacement les signaux BSM qui seraient autrement perdus ou rejetés par les algorithmes standards, tout en réduisant les bruits de fond provenant d'électrons isolés.
• Extension du domaine d'étude : Elle ouvre la fenêtre de recherche aux bosons légers fortement boostés ($\gamma_L > 20$), un régime cinématique inaccessible aux méthodes de reconstruction traditionnelles.
• Application immédiate : L'algorithme est déjà utilisé dans les recherches de résonances lourdes se désintégrant en quatre leptons (via des bosons légers intermédiaires) dans les données CMS.

En résumé, ce travail fournit un cadre robuste et validé pour l'identification des électrons fusionnés, essentiel pour maximiser le potentiel de découverte du LHC dans les scénarios de physique au-delà du Modèle Standard impliquant des états finaux à haute énergie et fortement boostés.