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

यहाँ शोध पत्र "A framework and implementation for data-driven trigger efficiency estimation at LHCb" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

LHCb जैसे आधुनिक कण भौतिकी प्रयोगों में, मल्टी-स्टेज ट्रिगर सिस्टम डेटा को फ़िल्टर करने के लिए आवश्यक हैं। इन ट्रिगर्स की दक्षता (efficiency) का सटीक अनुमान लगाना भौतिकी विश्लेषण के लिए महत्वपूर्ण है, लेकिन यह कई चुनौतियों को प्रस्तुत करता है:

• सिमुलेशन की सीमाएँ (Simulation Limitations): सिमुलेटेड नमूने (samples) ट्रिगर चयन एल्गोरिदम की जटिल, गैर-रेखीय प्रकृति का पूर्णतः मॉडल नहीं कर सकते।
• डेटा की कमी (Data Scarcity): रिकॉर्ड किए गए डेटा में स्वीकृत घटनाओं (accepted events) के एक साधारण अंश के रूप में दक्षता का मूल्यांकन करना असंभव है, क्योंकि अनफ़िल्टर्ड डेटा (जिसकी आवश्यकता हर (denominator) के लिए होती है) को स्टोर करना अत्यधिक खर्चीला है।
• अतिरेक संबंधी मुद्दे (Redundancy Issues): हालांकि रिकॉर्ड किए गए डेटा में ट्रिगर की गई घटनाएँ होती हैं, लेकिन विभिन्न ट्रिगर चयनों के बीच अतिरेक (redundancy) इतना पर्याप्त नहीं है कि बिना किसी पूर्वाग्रह (bias) के दक्षता की गणना एक सरल अनुपात के रूप में की जा सके।
• कार्यान्वयन का विखंडन (Implementation Fragmentation): ऐतिहासिक रूप से, "TISTOS" विधि (मानक डेटा-संचालित दृष्टिकोण) को लगभग हर भौतिकी विश्लेषण में शून्य से पुन: लागू किया जाता था। इसके लिए महत्वपूर्ण समय, प्रयास और विशेष ट्रिगर विशेषज्ञता की आवश्यकता होती थी, जिससे विसंगतियों और सत्यापन त्रुटियों (validation errors) की संभावना बनी रहती थी।

2. कार्यप्रणाली: TISTOS फ्रेमवर्क (Methodology: The TISTOS Framework)

यह शोध पत्र TISTOS (Trigger Independent of Signal / Trigger On Signal) विधि को पुन: देखता है और औपचारिक रूप देता है, जो ट्रिगर दक्षता का अनुमान लगाने के लिए एक पूर्णतः डेटा-संचालित दृष्टिकोण है।

मुख्य अवधारणाएँ (Core Concepts)

• टैग-एंड-प्रोब दृष्टिकोण (Tag-and-Probe Approach): यह विधि "टैग" उम्मीदवारों (एक विशिष्ट ट्रिगर द्वारा चयनित) के एक उप-नमूने की पहचान करती है और मूल्यांकन करती है कि उनमें से कितने भी "प्रोब" उम्मीदवार (रुचि के ट्रिगर द्वारा चयनित) हैं।
• वर्गीकरण श्रेणियाँ (Classification Categories): डिटेक्टर हिट्स के आधार पर ट्रिगर निर्णयों को वर्गीकृत किया जाता है:
  • TOS (Trigger On Signal): सिग्नल उम्मीदवार स्वयं ट्रिगर को सक्रिय करने के लिए पर्याप्त है।
  • TIS (Trigger Independent of Signal): घटना में कोई अन्य वस्तु (सिग्नल से असंबंधित) ट्रिगर को सक्रिय करने के लिए पर्याप्त है।
  • TISTOS: वह प्रतिच्छेदन (intersection) जहाँ दोनों स्थितियाँ पूरी होती हैं।
  • TOB (Triggered On Both): सिग्नल और घटना का शेष भाग व्यक्तिगत रूप से अपर्याप्त है, लेकिन उनका संयोजन सिस्टम को ट्रिगर करता है।
• दक्षता सूत्र (Efficiency Formula): ट्रिगर दक्षता ($\epsilon_{Trig}$) का अनुमान इन श्रेणियों के बीच संबंध का उपयोग करके लगाया जाता है:
  $$\epsilon_{Trig} \approx \frac{N_{Trig} \times N_{TISTOS}}{N_{TIS} \times N_{TOS}}$$
  जहाँ $N$ प्रत्येक श्रेणी में उम्मीदवारों की संख्या (yield) को दर्शाता है। यह सूत्र केवल ट्रिगर किए गए डेटा का उपयोग करके दक्षता गणना की अनुमति देता है।

सहसंबंधों को संभालना (Handling Correlations)

एक प्रमुख पूर्वाग्रह का स्रोत "टैग" (TOS) और "प्रोब" (TIS) नमूनों के बीच का गतिज सहसंबंध (kinematic correlation) है। इसे कम करने के लिए, विधि के लिए संकीर्ण फेज-स्पेस बिनिंग (phase-space bins) (जैसे $p_T$, $\eta$) में दक्षता का मूल्यांकन करना आवश्यक है। जैसे-जैसे बिनिंग सूक्ष्म होती जाती है, सहसंबंधों से होने वाला पूर्वाग्रह कम होता जाता है, और अनुमान 'ट्रुथ-लेवल' सिमुलेशन मान के करीब पहुँच जाता है।

बैकग्राउंड न्यूनीकरण (Background Mitigation)

इन बिनों के भीतर वास्तविक सिग्नल यील्ड को बैकग्राउंड शोर से अलग करने के लिए, शोध पत्र तीन अलग-अलग सांख्यिकीय विधियों को लागू करता है:

1. साइडबैंड सबट्रैक्शन (Sideband Subtraction): एक विभेदक चर (जैसे इनवेरिएंट मास) में सिग्नल और साइडबैंड विंडो को परिभाषित करता है ताकि बैकग्राउंड घनत्व का अनुमान लगाया जा सके और उसे घटाया जा सके।
2. फिट-एंड-काउंट (Fit-and-Count): प्रत्येक बिन में सिग्नल और बैकग्राउंड घटकों को एक साथ फिट करने के लिए विस्तारित प्रोबेबिलिटी डेंसिटी फंक्शन्स (PDFs) का उपयोग करता है।
3. sPlot: सिग्नल और बैकग्राउंड के लिए प्रति-घटना भार (sWeights) की गणना करने के लिए एक वैश्विक लाइकलीहुड फिट (global likelihood fit) करता है, जिससे प्रत्येक बिन में पुनः फिट किए बिना विशिष्ट फेज-स्पेस क्षेत्रों में सिग्नल यील्ड निकाली जा सकती है।

3. मुख्य योगदान: TriggerCalib पैकेज (Key Contributions: The TriggerCalib Package)

इस कार्य का प्राथमिक योगदान TriggerCalib है, जो एक केंद्रीकृत, पायथन-आधारित सॉफ्टवेयर पैकेज है जो TISTOS फ्रेमवर्क को लागू करता है।

• केंद्रीकरण (Centralization): यह विश्लेषकों को हर विश्लेषण में जटिल TISTOS लॉजिक को पुन: लागू करने की आवश्यकता को समाप्त करता है, जिससे कार्यान्वयन का समय दिनों से घटकर मिनटों में रह जाता है।
• लचीलापन (Flexibility): यह मनमाने फेज-स्पेस बिनिंग स्कीम्स का समर्थन करता है और विश्लेषकों को किसी भी विभेदक चर को चुनने की अनुमति देता है।
• बैकग्राउंड हैंडलिंग (Background Handling): यह स्वाभाविक रूप से तीन न्यूनीकरण विधियों (Sideband, Fit-and-Count, sPlot) का समर्थन करता है और sPlot की वैधता सुनिश्चित करने के लिए वेरिएबल्स की स्वतंत्रता को सत्यापित करने के लिए टूल्स (Likelihood Ratio और Kendall's $\tau$ परीक्षणों का उपयोग करके) शामिल करता है।
• अनिश्चितता प्रसार (Uncertainty Propagation): इसमें सांख्यिकीय अनिश्चितताओं (statistical uncertainties) की गणना करने के लिए एक नवीन कार्यान्वयन शामिल है जो (एक सामान्यीकृत विल्सन अंतराल का उपयोग करके) TIS, TOS और TISTOS श्रेणियों के बीच सहसंबंधों को सही ढंग से ध्यान में रखता है।
• सिमुलेशन सुधार (Simulation Corrections): यह सुधार भार (correction weights, $w_i = \epsilon_{data} / \epsilon_{sim}$) उत्पन्न करता है जिसे सिमुलेटेड नमूनों पर लागू किया जा सकता है, जिससे उन दुर्लभ क्षय चैनलों (rare decay channels) में ट्रिगर प्रतिक्रियाओं को ठीक करना संभव होता है जहाँ कम सांख्यिकी के कारण प्रत्यक्ष डेटा-संचालित गणना असंभव है।

4. परिणाम और सत्यापन (Results and Validation)

पैकेज को $B^+ \to J/\psi (\mu^+\mu^-) K^+$ क्षय के एक सिमुलेटेड नमूने का उपयोग करके मान्य किया गया था, जो LHCb रन 3 (2024) की स्थितियों की नकल करता है।

• निरंतरता (Consistency): तीनों बैकग्राउंड न्यूनीकरण विधियों (Sideband, Fit-and-Count, sPlot) ने छोटे सांख्यिकीय अनिश्चितताओं के साथ सुसंगत ट्रिगर दक्षता परिणाम ($\approx 97.3\%$) प्रदान किए।
• बायस टेस्टिंग (Bias Testing): शोध पत्र प्रदर्शित करता है कि हालांकि गतिज सहसंबंध (जैसे $p_T$ और इनवेरिएंट मास के बीच) मौजूद हैं और sWeights को प्रभावित कर सकते हैं, लेकिन अंतिम दक्षता अनुपात पर इनका प्रभाव अक्सर नगण्य होता है यदि पूर्वाग्रह TIS और TOS श्रेणियों को समान रूप से प्रभावित करता है।
• प्रदर्शन (Performance): टूल सफलतापूर्वक LHCb ट्रिगर लाइनों (HLT1 और HLT2) की जटिलता को संभालता है और प्रत्यक्ष दक्षता अनुमान और सिमुलेशन सुधार दोनों के लिए एक मजबूत वर्कफ़्लो प्रदान करता है।

5. महत्व (Significance)

यह शोध पत्र LHCb डेटा विश्लेषण बुनियादी ढांचे के लिए एक महत्वपूर्ण कदम है:

1. मानकीकरण (Standardization): TISTOS विधि के एकल, मान्य कार्यान्वयन को प्रदान करके, यह विभिन्न भौतिकी विश्लेषणों में निरंतरता सुनिश्चित करता है और कार्यान्वयन त्रुटियों के जोखिम को कम करता है।
2. दक्षता (Efficiency): यह ट्रिगर दक्षता अध्ययन के लिए प्रवेश की बाधा को काफी कम कर देता है, जिससे भौतिकविदों को सांख्यिकीय मशीनरी के बजाय भौतिकी परिणामों पर ध्यान केंद्रित करने की अनुमति मिलती है।
3. परिशुद्धता (Precision): फेज-स्पेस बिनिंग और बैकग्राउंड मॉडलिंग के माध्यम से सांख्यिकीय अनिश्चितताओं और व्यवस्थित पूर्वाग्रहों (systematic biases) का कठोर उपचार LHCb मापों की सटीकता को बढ़ाता है, विशेष रूप से उन दुर्लभ प्रक्रियाओं के लिए जहाँ ट्रिगर सुधार महत्वपूर्ण हैं।
4. भविष्य के लिए तैयारी (Future-Proofing): फ्रेमवर्क को LHCb रन 3 और उसके बाद के उच्च-ल्यूमिनोसिटी डेटा को संभालने के लिए डिज़ाइन किया गया है, जो पूर्णतः सॉफ्टवेयर-आधारित ट्रिगर सिस्टम का समर्थन करता है।

संक्षेप में, यह शोध पत्र सैद्धांतिक ट्रिगर दक्षता फ्रेमवर्क और व्यावहारिक अनुप्रयोग के बीच के अंतर को पाटता है, एक मजबूत, ओपन-सोर्स टूल प्रदान करता है जो हेवी-फ्लेवर भौतिकी में सटीक मापन को मानकीकृत और त्वरित करता है।