Selection and processing of calibration samples to measure the particle identification performance of the LHCb experiment in Run 2

Questo articolo descrive la strategia e il modello di calcolo dedicato sviluppati dall'esperimento LHCb durante la Run 2 per selezionare ed elaborare campioni di calibrazione, al fine di misurare le prestazioni dei rivelatori e degli algoritmi di identificazione delle particelle (PID) e di monitorare la qualità dei dati.

L'essenziale

🏭 LHCb: La Fabbrica di Particelle e il suo "Controllo Qualità"

Immagina il CERN e il suo esperimento LHCb come una gigantesca fabbrica di cioccolato (o meglio, di particelle). Ogni secondo, questa fabbrica produce milioni di "dolci" (particelle) che volano a velocità incredibili. Il compito degli scienziati è trovare i dolci rari e speciali (come quelli che potrebbero svelare nuovi segreti dell'universo) e scartare quelli normali.

Ma c'è un problema: per riconoscere un dolce speciale, devi sapere esattamente di che sapore è. È una caramella alla fragola (un pione), una alla nocciola (un kaone), o forse è cioccolato fondente (un protone)? Se sbagli a dire "questa è una nocciola" quando è in realtà una fragola, il tuo esperimento fallisce.

Questo documento del 2018 racconta come LHCb ha inventato un nuovo, geniale sistema per assicurarsi di non sbagliare mai il gusto delle particelle.

---

1. Il Problema: "Non fidarti ciecamente del computer" 🤖❓

In passato, gli scienziati si fidavano molto delle simulazioni al computer per capire come funzionavano i loro strumenti. Ma è come se un cuoco provasse a cucinare un piatto nuovo basandosi solo su un libro di cucina, senza mai assaggiare il cibo vero. A volte il computer sbaglia a prevedere come reagisce un sensore quando una particella lo colpisce.

Per risolvere questo, serve un "campione di calibrazione". È come avere un banco di prova dove sai esattamente cosa c'è dentro, così puoi controllare se il tuo strumento lo riconosce correttamente.

2. La Soluzione: Il "Sistema di Controllo Qualità in Tempo Reale" ⚡

Fino al 2015 (la "Run 2" dell'LHC), il sistema era un po' lento: raccoglieva i dati, poi li analizzava a casa (offline) per vedere se funzionava tutto bene. Ma con la nuova macchina che produceva dati a un ritmo frenetico, questo metodo non bastava più.

Hanno quindi creato un nuovo modello, che possiamo paragonare a un controllore di qualità che lavora direttamente sulla linea di produzione:

• Prima: Il controllore guardava i dolci solo dopo che erano stati impacchettati e archiviati.
• Ora (Run 2): Il controllore è sulla linea di produzione. Mentre i dolci passano, lui li guarda in tempo reale, decide quali sono interessanti e li salva subito, ma con una regola d'oro: non deve guardare l'etichetta del gusto mentre decide se salvarli.

Perché? Perché se guardi l'etichetta mentre selezioni, potresti essere di parte e salvare solo i dolci che ti piacciono di più, falsando il test. Se selezioni i dolci "alla cieca" (senza sapere il gusto), e poi dopo li assaggi, sai che il tuo test è onesto.

3. Come fanno a sapere di che gusto sono? (Il trucco del "Tag-and-Probe") 🏷️🔍

Come fanno a creare un campione dove sanno che c'è un protone o un elettrone senza usare i sensori di gusto (che sono quelli che stanno testando)? Usano un trucco intelligente chiamato "Tag-and-Probe" (Etichetta e Sonda).

Immagina di avere una coppia di gemelli che si tengono per mano.

• Uno dei due è un "gemello noto" (il Tag): sai per certo che è un elettrone perché ha un comportamento speciale (come un gemello che porta sempre un cappello rosso).
• L'altro è il "gemello sconosciuto" (la Sonda): non sai chi è, ma sai che se il gemello noto è un elettrone, il suo partner deve essere l'altro elettrone della coppia.

In fisica, usano decadimenti specifici (come il J/psi che diventa due muoni). Se vedi un muone sicuro (il Tag), sai che l'altro deve essere un muone (la Sonda), anche se non hai ancora usato i sensori per identificarlo. Questo ti dà un campione "puro" e imparziale per testare i sensori.

4. Il "Doppio Lavoro": Online e Offline 🔄

Qui entra in gioco l'innovazione più grande del documento. LHCb ha creato un formato dati speciale chiamato TurboCalib.

Immagina di avere due fotografi che scattano la stessa foto di un evento:

1. Fotografo Online: Scatta una foto veloce mentre l'evento accade (usando i dati grezzi e veloci).
2. Fotografo Offline: Scatta una foto dettagliata e perfetta dopo, usando tutti i dati grezzi salvati.

Il sistema salva entrambe le foto per ogni evento di calibrazione.
Perché? Perché a volte il fotografo veloce (online) e quello lento (offline) potrebbero dare risultati leggermente diversi. Con questo sistema, gli scienziati possono confrontare le due foto e vedere: "Ehi, il sensore online ha visto questo protone come un kaone, ma quello offline ha visto che era un protone!". Questo permette di correggere gli errori in tempo reale e di capire esattamente quanto sono efficienti i loro filtri.

5. A cosa serve tutto questo? 🎯

Questo sistema serve a tre cose fondamentali:

1. Misurare la precisione: Sapere esattamente quanto spesso il sistema sbaglia a identificare una particella (es. "sbagliamo il 1% delle volte").
2. Correggere il computer: Usare i dati reali per "aggiustare" le simulazioni al computer, rendendole più vere.
3. Monitorare la salute: Se improvvisamente il sistema inizia a identificare male i protoni, gli scienziati lo sanno subito (come un allarme antincendio) e possono intervenire prima che i dati diventino inutilizzabili.

In Sintesi 🌟

Questo documento racconta come LHCb ha smesso di aspettare la fine del lavoro per controllare la qualità e ha iniziato a controllare tutto mentre lavorava, in tempo reale.

Hanno creato un sistema che:

• Prende campioni "puri" senza guardare i risultati (per non essere di parte).
• Usa un trucco intelligente (i gemelli) per sapere chi è chi.
• Tiene due copie dei dati (una veloce e una precisa) per confrontarle.
• Garantisce che, quando gli scienziati cercano nuove particelle, non stiano guardando attraverso un vetro sporco, ma attraverso un cristallo perfetto.

È come passare da un controllo qualità fatto a mano una volta a settimana, a un robot che controlla ogni singolo prodotto mentre esce dalla catena, assicurandosi che il mondo della fisica delle particelle sia sempre al sicuro e preciso.

Sommario tecnico

1. Il Problema e il Contesto

Con il riavvio del Large Hadron Collider (LHC) per la sua seconda fase di presa dati (Run 2, 2015-2018), l'esperimento LHCb ha affrontato nuove sfide computazionali e di fisica. L'obiettivo principale di LHCb è la ricerca di nuova fisica attraverso processi di violazione di CP e decadimenti rari di adroni contenenti quark beauty e charm.
Un requisito fondamentale per questi studi è l'Identificazione delle Particelle (PID): la capacità di distinguere con alta precisione elettroni, muoni, pioni, kaoni e protoni.

• Sfida: Le prestazioni richieste variano da una probabilità di errata identificazione di hadroni come muoni dell'ordine del per mille (per decadimenti rari $B \to \mu^+\mu^-$) a una precisione sub-percentuale per le asimmetrie di CP.
• Limitazione: La simulazione Monte Carlo (MC) non è mai perfetta nel modellare la risposta dei rivelatori PID (Calorimetri, RICH, Muoni). Pertanto, è necessario misurare l'efficienza e le prestazioni del PID direttamente sui dati reali utilizzando campioni di calibrazione "puri" e privi di bias.
• Nuovo Modello: Run 2 introduce un modello di calcolo innovativo basato sulla ricostruzione online per la maggior parte dei dataset, riservando la ricostruzione offline solo a casi speciali. Questo richiede una strategia di selezione e elaborazione dei campioni di calibrazione che integri dati online e offline.

2. Metodologia

Selezione dei Campioni di Calibrazione

I campioni di calibrazione sono dataset selezionati in modo che le particelle "figlie" possano essere identificate univocamente tramite la loro struttura cinematica, senza fare affidamento sulle variabili PID dei rivelatori (evitando così bias).

• Strategia Tag-and-Probe: Utilizzata per la maggior parte dei campioni. Ad esempio, nel decadimento $J/\psi \to \mu^+\mu^-$, un muone ("tag") è ben identificato, mentre l'altro ("probe") è selezionato senza requisiti PID.
• Decadimenti Utilizzati:
  • Muoni: $J/\psi \to \mu^+\mu^-$ e $B^+ \to J/\psi K^+$.
  • Elettroni: $B^+ \to J/\psi K^+$ con $J/\psi \to e^+e^-$.
  • Pioni: $K^0_S \to \pi^+\pi^-$ (basso momento) e $D^{*+} \to D^0\pi^+$ (alto momento).
  • Kaoni: $D^{*+} \to D^0\pi^+$ e $D^+_s \to \phi\pi^+$ con $\phi \to K^+K^-$.
  • Protoni: $\Lambda^0 \to p\pi^-$ e $\Lambda^+_c \to pK^-\pi^+$.
• Pulizia del Campione: Il fondo residuo viene sottratto statisticamente utilizzando la tecnica sPlot, basata su fit delle distribuzioni di massa invariante.

Elaborazione e Modelli di Calcolo (TurboCalib)

Per gestire la necessità di confrontare le variabili PID calcolate online (nel trigger) con quelle ottenute offline (ricostruzione completa), è stato sviluppato un formato dati dedicato chiamato TurboCalib.

• Ricostruzione Doppia: Ogni evento nei campioni di calibrazione viene ricostruito completamente sia online (nel trigger software) che offline (accedendo ai dati grezzi RAW).
• Matching: Le tracce ricostruite nelle due fasi vengono associate (matching) per permettere il confronto diretto delle variabili PID.
• Vantaggio: Questo permette di misurare l'efficienza di selezioni che combinano requisiti online e offline, essenziale per l'analisi dei dati in formato "Turbo stream" (dove i dati RAW non sono conservati).

Correzione delle Prestazioni PID

Il documento descrive tre strategie principali per determinare l'efficienza PID su campioni di riferimento (es. segnali fisici):

1. Ricalibrazione tramite pesatura: Si pesano i campioni di calibrazione per far corrispondere le distribuzioni cinematiche (momento $p$, pseudorapidità $\eta$, molteplicità eventi) a quelle del campione di riferimento.
2. Resampling (Ricampionamento): Sostituzione completa delle variabili PID simulate con quelle generate statisticamente dai PDF (funzioni di densità di probabilità) dei dati di calibrazione.
3. Trasformazione delle Variabili: Un metodo avanzato che trasforma le variabili PID simulate affinché la loro distribuzione corrisponda a quella dei dati, preservando le correlazioni tra le variabili. Questo utilizza una stima della densità del kernel (libreria Meerkat) in quattro dimensioni.

Classificatori Multivariati

Viene utilizzato un classificatore neurale (ANNPID) basato su Artificial Neural Networks (MLP) per combinare le risposte di tutti i sottorivelatori (RICH, Calorimetri, Muoni) e le informazioni cinematiche, migliorando la separazione tra le specie di particelle rispetto ai semplici rapporti di verosimiglianza (Likelihood).

3. Contributi Chiave

• Nuovo Modello di Elaborazione Dati: Introduzione del flusso TurboCalib, che integra dati RAW e candidati di decadimento selezionati in tempo reale, permettendo la validazione incrociata tra ricostruzione online e offline.
• Strategia di Selezione Unbiased: Selezione dei campioni di calibrazione direttamente nel trigger software senza requisiti PID, garantendo assenza di bias e massimizzando la statistica.
• Tecniche di Correzione Avanzate: Implementazione di metodi di resampling e trasformazione delle variabili per correggere la simulazione MC in base ai dati reali, preservando le correlazioni cinematiche.
• Scalabilità: Implementazione distribuita della tecnica sPlot per la sottrazione del fondo, permettendo di gestire campioni di calibrazione di grandi dimensioni senza colli di bottiglia computazionali.
• Strumento Software: Sviluppo del pacchetto PIDCalib (interfaccia Python) per standardizzare e facilitare l'uso di queste tecniche da parte degli analisti fisici.

4. Risultati e Applicazioni

• Monitoraggio della Qualità dei Dati (DQM): I campioni di calibrazione vengono utilizzati in tempo reale per monitorare le prestazioni dei rivelatori (es. allineamenti, temperatura, pressione del gas) e identificare immediatamente anomalie o deviazioni dalle condizioni standard.
• Validazione degli Algoritmi: Permettono di testare nuovi algoritmi di ricostruzione e di validare la coerenza tra le versioni online e offline dei dati.
• Misura di Efficienza: Forniscono le efficienze di selezione PID necessarie per centinaia di canali di decadimento diversi, correggendo le asimmetrie strumentali e le inefficienze.
• Preparazione per Run 3: Il modello sviluppato è fondamentale per la fase Run 3, dove la maggior parte dei dati sarà salvata solo come candidati di decadimento (senza dati RAW), rendendo la validazione online e la calibrazione in tempo reale critiche per il successo della fisica.

5. Significatività

Questo lavoro rappresenta un passo evolutivo cruciale per l'esperimento LHCb. Passando da una strategia di calibrazione offline (tipica del Run 1) a un modello ibrido online/offline, LHCb ha risolto i problemi di scalabilità legati all'enorme volume di dati del Run 2.
La capacità di misurare e correggere le prestazioni del PID con alta precisione, utilizzando campioni puri selezionati in tempo reale, garantisce la qualità dei dati necessari per le misurazioni di precisione della violazione di CP e la ricerca di nuova fisica. Inoltre, l'architettura sviluppata (TurboCalib e PIDCalib) getta le basi per l'operatività futura dell'esperimento, dove l'elaborazione in tempo reale diventerà l'unico metodo disponibile per l'analisi fisica.