⚛️ high-energy experiments

Simultaneous efficiency measurements of $b$ - and $c$ -jets in $t\bar{t}$ events from $\sqrt{s}=13.6$ TeV $pp$ collision data collected with the ATLAS detector

Cet article présente des mesures simultanées des efficacités d'identification des jets $b$ et de mé-identification des jets $c$ pour le marqueur GN2 en utilisant 56 fb $^{-1}$ de données ATLAS $t\bar{t}$ à $\sqrt{s}=13,6$ TeV, atteignant des précisions de l'ordre de mieux que 2 % et 5 % respectivement en exploitant les fractions de branchement connues et la reconstruction de vraisemblance cinématique.

Auteurs originaux : ATLAS Collaboration

Publié 2026-07-08

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : ATLAS Collaboration

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez le Grand Collisionneur de Hadrons (LHC) comme le briseur de particules le plus puissant au monde. Lorsqu'il projette des protons les uns contre les autres, ceux-ci explosent en une pluie de particules plus petites, dont beaucoup s'agglutinent pour former des « jets ». Certains de ces jets proviennent de particules lourdes et à vie courte appelées quarks bottom (jets b), tandis que d'autres proviennent de quarks charm légèrement plus légers (jets c).

L'expérience ATLAS au CERN est comme un appareil photo géant et ultra-sensible tentant de prendre une photo de ces explosions. Mais il y a un problème : le logiciel de l'appareil photo (le « tagger ») n'est pas parfait. Parfois, il voit un jet de charm et pense par erreur : « Ah, c'est un jet de bottom ! ». C'est ce qu'on appelle un « faux marquage » (mistag).

Ce document est essentiellement un rapport de contrôle qualité pour le logiciel de cet appareil photo. L'équipe voulait savoir :

À quel point le logiciel est-il efficace pour identifier correctement un jet de bottom ?
À quelle fréquence accuse-t-il faussement un jet de charm d'être un jet de bottom ?

Ils ont utilisé un type spécifique de collision de particules appelé événement de paire de quarks top ( $t\bar{t}$ ) comme « laboratoire de test ». Considérez un quark top comme un parent très instable qui se divise presque toujours en un quark bottom et un boson W. Le boson W se divise ensuite à son tour.

Dans certains cas, le boson W se divise en un lepton (comme un électron ou un muon) et un neutrino. C'est le côté « propre » de l'événement.
Dans d'autres cas, le boson W se divise en deux quarks (un charm et un strange). C'est le côté « désordonné » de l'événement.

L'analogie du détective
Imaginez que vous êtes un détective essayant d'identifier un suspect (le jet de bottom) dans une foule.

Le côté « propre » : Vous savez avec certitude qu'une personne dans la foule doit être le suspect car elle provient d'une source spécifique et fiable (le quark top se désintégrant de manière leptonique). Vous vérifiez le logiciel de l'appareil photo par rapport à ce suspect connu pour voir comment il identifie le jet. Cela mesure l'efficacité (la fréquence à laquelle il réussit).
Le côté « désordonné » : De l'autre côté de la pièce, vous savez qu'il y a un groupe de personnes qui ne sont définitivement pas le suspect, mais qui lui ressemblent un peu. Plus précisément, vous savez que le boson W produit un quark charm environ 33 % du temps. Vous utilisez ce groupe connu pour voir à quelle fréquence le logiciel de l'appareil photo se trompe et déclare : « C'est le suspect ! » alors qu'il s'agit en fait d'un quark charm. Cela mesure le taux de faux marquages (mistagging rate).

Ce qu'ils ont fait
Les chercheurs ont utilisé des données de 2022 et 2023, représentant 56 « inverse femtobarns » de collisions (une façon sophistiquée de dire une quantité massive de données). Ils ont utilisé un nouvel outil d'IA avancé appelé GN2 (un réseau de neurones de type « single-transformer ») pour effectuer le marquage (tagging).

Ils n'ont pas seulement deviné ; ils ont construit un modèle mathématique pour résoudre simultanément deux choses à la fois :

La fréquence à laquelle l'IA repère correctement les vrais jets de bottom.
La fréquence à laquelle l'IA repère faussement des jets de charm comme étant des jets de bottom.

Ils ont comparé leurs données réelles à des simulations informatiques. Comme les simulations informatiques ne sont pas parfaites, ils ont calculé des « Facteurs d'Échelle » (SFs). Considérez-les comme des coefficients de correction. Si la simulation informatique dit que l'IA est précise à 90 %, mais que les données réelles montrent qu'elle est en fait précise à 95 %, le facteur d'échelle est de 1,05. Les scientifiques appliquent ce facteur aux simulations futures pour qu'elles correspondent à la réalité.

Les résultats

Précision : Ils ont mesuré l'efficacité de la détection des jets de bottom avec une précision supérieure à 2 % dans la plupart des cas. Pour la détection des jets de charm (faux marquages), la précision était supérieure à 5 %.
Cohérence : Ils ont vérifié leurs résultats par rapport à une autre méthode (utilisant des événements où les deux quarks top se désintègrent en leptons) et ont constaté que les chiffres concordaient parfaitement. Cela leur donne une grande confiance dans l'exactitude de leurs mesures.
L'avantage du « GN2 » : Le document note que ce nouvel outil d'IA est meilleur pour distinguer les jets de charm des jets de bottom que les outils plus anciens, ce qui rend la mesure de ces « faux marquages » plus difficile mais plus précieuse.

En résumé
Ce document ne découvre pas une nouvelle particule ou une nouvelle force de la nature. Au lieu de cela, il fournit un manuel de calibrage pour le logiciel de l'expérience ATLAS. En mesurant précisément la fréquence à laquelle le logiciel confond les jets de charm avec les jets de bottom, et la fréquence à laquelle il trouve correctement les jets de bottom, l'équipe garantit que chaque expérience future utilisant ces données repose sur une base solide et précise. C'est la différence entre une photo floue et une image nette, en haute définition, du monde subatomique.

Résumé technique : Mesures simultanées de l'efficacité des jets $b$ et $c$ dans les événements $t\bar{t}$ à partir de données de collision $pp $à$ \sqrt{s}=13,6$ TeV

Problématique et motivation
Dans les analyses au Grand collisionneur de hadrons (LHC), l'identification des jets provenant de quarks bottom ( $b$ ) ou charm ( $c$ ) est cruciale pour des études allant de la désintégration du boson Higgs à la production de paires de quarks top. Bien que les simulations de Monte Carlo (MC) fournissent des estimations des efficacités de marquage (tagging), elles sont imparfaites. Par conséquent, des facteurs d'échelle (SF) basés sur les données — le rapport entre l'efficacité dans les données et celle dans la simulation — sont nécessaires pour corriger les poids de la simulation. Les mesures antérieures des SF de jets $b$ par ATLAS utilisaient des événements $t\bar{t}$ dileptoniques, tandis que les SF de faux marquage (mistagging) de jets $c$ étaient mesurés à l'aide d'événements $t\bar{t}$ sémi-leptoniques. Cependant, ces mesures étaient souvent traitées séparément. Cet article répond au besoin d'une mesure simultanée de l'efficacité de marquage des jets $b$ et du taux de faux marquage des jets $c$ en utilisant le dernier marqueur GN2, un réseau de neurones sur graphe basé sur un transformateur unique, afin d'améliorer la précision et la cohérence de la calibration du marquage de saveur pour les données du Run 3.

Méthodologie
L'analyse utilise 56 fb $^{-1}$ de données de collision proton-proton collectées par le détecteur ATLAS à une énergie de centre de masse de $\sqrt{s}=13,6$ TeV durant 2022 et 2023. La sélection des événements cible les événements $t\bar{t}$ sémi-leptoniques, caractérisés par exactement un électron ou un muon isolé, une impulsion transverse manquante et des exigences spécifiques de multiplicité de jets (typiquement 3 à 4 jets, avec des tolérances pour des multiplicités plus élevées sous des conditions cinématiques spécifiques).

Une technique de vraisemblance cinématique est employée pour reconstruire la topologie de la désintégration $t\bar{t}$ , associant les jets reconstruits aux produits de désintégration des quarks top et des bosons $W$ sans dépendre d'informations de marquage $b$ préexistantes. Cela permet l'identification de :

Le top-jet leptonique : le jet $b$ issu du quark top se désintégrant leptoniquement ( $t \to W b \to \ell \nu b$ ).
Le top-jet hadronique : le jet $b$ issu du quark top se désintégrant hadroniquement.
Les jets $W$ : les deux jets provenant de la désintégration hadronique du boson $W$ ( $W \to q\bar{q}'$ ), qui contiennent principalement des quarks $c$ (fraction de désintégration $\approx 33\%$ ) et des quarks de saveur légère.

L'analyse emploie un ajustement (fit) simultané pour déterminer les SF pour les jets $b$ ( $b_t(i)$ ) et les jets $c$ ( $c_t(i)$ ) en fonction de l'impulsion transverse ( $p_T$ ) du jet à travers six intervalles de marquage GN2 (allant de 0–65 % à 90–100 % d'efficacité en simulation).

SF des jets $b$ : contraints en comparant la fraction de top-jets leptoniques tombant dans chaque intervalle GN2 par rapport aux attentes de la MC. Les fonds de jets de saveur légère dans ce canal sont normalisés à l'aide de la masse invariante du lepton et du top-jet leptonique ( $m_{j\ell}$ ).
SF des jets $c$ : contraints en analysant le discriminant GN2 des jets $W$ marqués dans les événements où l'autre jet $W$ n'est pas marqué et où les deux top-jets sont étroitement marqués. La fraction de désintégration connue de $W \to c\bar{s}$ permet l'extraction des taux de faux marquage des jets $c$ .
Ajustement combiné : une minimisation du $\chi^2$ total combine les mesures sémi-leptoniques avec une mesure indépendante du SF des jets $b$ issue d'événements $t\bar{t}$ dileptoniques (en utilisant un a priori) pour contraindre davantage les efficacités des jets $b$ .

Les incertitudes systématiques sont évaluées en faisant varier les paramètres de modélisation de la MC (pluie de partons, hadronisation, ISR/FSR), la résolution/échelle d'énergie des jets, et les normalisations de fond. Les plus grandes incertitudes proviennent de la modélisation de $t\bar{t}$ (spécifiquement le choix du modèle de pluie de partons/hadronisation) et de la reconstruction des jets.

Résultats clés

Efficacité de marquage des jets $b$ : les SF mesurés ne montrent pas de forte dépendance à $p_T$ dans la plage 20–250 GeV. Pour l'intervalle de marquage le plus strict (0–65 %), l'incertitude totale atteint moins de 2 % pour les jets avec $p_T > 60$ GeV. Les résultats sont cohérents avec les mesures indépendantes issues des événements $t\bar{t}$ dileptoniques.
Efficacité de faux marquage des jets $c$ : plusieurs mesures dans les quatre intervalles de marquage les plus lâches atteignent une précision de l'ordre de 5 %. Les SF ne présentent généralement pas de forte dépendance à $p_T$ , bien que l'intervalle le plus strict (0–65 %) montre une efficacité plus élevée dans les données que dans la simulation MC.
Détermination simultanée : l'ajustement extrait avec succès les SF des jets $b$ et des jets $c$ simultanément, la corrélation statistique entre les deux étant faible par rapport aux corrélations systématiques. Les facteurs de normalisation pour les fonds de saveur légère et les rendements de signal sont jugés cohérents avec les attentes.

Signification et affirmations
L'article affirme être le premier à rapporter des mesures simultanées des SF de marquage des jets $b$ et de faux marquage des jets $c$ en utilisant des événements $t\bar{t}$ sémi-leptoniques. Cette approche tire parti de la topologie de désintégration spécifique des événements $t\bar{t}$ pour contraindre les deux efficacités au sein d'un cadre unique, en utilisant le marqueur GN2 qui offre des performances améliorées par rapport aux algorithmes précédents. Les résultats fournissent des entrées de calibration essentielles pour les analyses ATLAS nécessitant un marquage de saveur précis, particulièrement celles impliquant l'identification de quarks $b$ et $c$ dans l'ère du Run 3 à haute luminosité. L'article note modestement que, bien que les mesures soient précises, les incertitudes sont dominées par des effets systématiques liés à la modélisation de la MC, notamment les modèles de pluie de partons et d'hadronisation.

Articles similaires