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

Questo articolo presenta un metodo basato sui dati per stimare l'efficienza dei trigger e descrive la progettazione, l'implementazione e le prestazioni del pacchetto software centralizzato TriggerCalib, utilizzato per calcolare tali efficienze e le relative incertezze statistiche e sistematiche nelle analisi fisiche di LHCb.

L'essenziale

Immagina di essere un detective che cerca di risolvere un crimine in una città enorme e caotica: il LHCb, un esperimento al CERN dove si studiano le particelle subatomiche. Ogni secondo, questa "città" produce miliardi di eventi, ma il detective non può guardare tutto. Ha bisogno di un sistema di sicurezza (il Trigger) che decida istantaneamente quali eventi sono interessanti e quali sono solo "rumore di fondo" da scartare.

Il problema? Come fai a sapere se il tuo sistema di sicurezza sta funzionando bene? Se controlli solo i filmati registrati (i dati), vedi solo ciò che il sistema ha scelto di salvare. Se controlli solo le simulazioni al computer, il computer potrebbe mentire perché non è perfetto nel simulare la realtà.

Ecco dove entra in gioco questo articolo, che presenta un nuovo metodo e un nuovo "attrezzo" per i fisici.

1. Il Problema: La Magia del "Tagliando"

Immagina di voler sapere quanto spesso un passante (una particella rara) viene fermato dalla sicurezza. Non puoi contare tutti i passanti perché sono troppi.
Il metodo usato finora si chiama TISTOS. È un gioco di parole su due concetti:

• TOS (Trigger On Signal): La sicurezza ti ferma perché sei tu (il passante interessante).
• TIS (Trigger Independent of Signal): La sicurezza ti ferma non per te, ma perché c'è qualcun altro nella stanza che ha fatto rumore (un altro evento interessante).

Il metodo TISTOS è come dire: "Ok, guardiamo tutti quelli che sono stati fermati. Di questi, quanti sono stati fermati davvero per il loro comportamento sospetto (TOS) e quanti per caso, perché c'era un'altra persona in giro (TIS)?". Confrontando questi gruppi, i fisici possono calcolare la probabilità che il sistema di sicurezza abbia funzionato correttamente.

2. La Soluzione: "TriggerCalib" (Il Nuovo Manuale di Istruzioni)

Fino a poco tempo fa, ogni detective (fisico) doveva costruire il proprio calcolatore per fare questi conti, reinventando la ruota ogni volta. Era lento e soggetto a errori.
Questo articolo presenta TriggerCalib, un software "chiavi in mano".

• L'analogia: Immagina che prima ogni detective dovesse costruire il proprio righello e la propria bilancia per misurare le prove. Ora, TriggerCalib è come un kit di misurazione universale già calibrato. Basta inserirlo nel computer, e lui fa i calcoli complessi in pochi minuti invece che in giorni.
• È scritto in Python (un linguaggio facile) e si integra perfettamente con gli strumenti che usano già i fisici di LHCb.

3. Come Funziona nella Pratica: Il Filtro del Rumore

Il software non si limita a contare; deve anche togliere il "rumore".
Immagina di cercare un ago in un pagliaio. Il pagliaio è il rumore di fondo (particelle comuni), l'ago è il segnale raro.
TriggerCalib offre tre modi per separare l'ago dal pagliaio:

1. Taglio laterale (Sideband Subtraction): Guardi le zone del pagliaio dove non ci sono aghi e sottrai quella quantità dal totale. È come dire: "Se qui fuori ci sono 100 pagliacci, probabilmente ce ne sono 100 anche qui dentro, quindi li tolgo".
2. Conteggio e Adattamento (Fit-and-count): Usi una formula matematica per modellare la forma del pagliaio e dell'ago e vedi quanto si sovrappongono. È come usare un modello 3D per capire quanto spazio occupa l'ago.
3. Pesi Magici (sPlot): Assegni un "peso" a ogni evento. Se un evento sembra molto un ago, ha un peso alto; se sembra paglia, ha un peso basso o negativo. Sommando tutti i pesi, ottieni il numero puro di aghi.

4. Perché è Importante?

Prima, se un fisico voleva studiare una particella rara, doveva passare settimane a scrivere codice per calcolare l'efficienza del trigger. Ora, con TriggerCalib:

• Velocità: Si passa da giorni a minuti.
• Affidabilità: Tutti usano lo stesso metodo, quindi i risultati sono confrontabili e meno soggetti a errori umani.
• Precisione: Il software calcola anche quanto si può sbagliare (le incertezze statistiche), tenendo conto che i gruppi TOS e TIS non sono perfettamente indipendenti (come due amici che potrebbero influenzarsi a vicenda).

In Sintesi

Questo articolo non è solo una lista di formule matematiche. È la storia di come i fisici hanno smesso di costruire i propri attrezzi di misura ogni volta e hanno creato un laboratorio centralizzato e automatizzato.
Grazie a questo "cassetto degli attrezzi" digitale (TriggerCalib), i ricercatori possono concentrarsi sulla vera caccia: scoprire nuovi segreti dell'universo, invece di perdere tempo a costruire il righello per misurarli. È un passo avanti verso un'analisi dei dati più veloce, più pulita e più intelligente.

Sommario tecnico

Titolo: Un framework e un'implementazione per la stima dell'efficienza del trigger basata sui dati a LHCb

1. Il Problema

Nelle moderne analisi di fisica delle particelle, la stima accurata dell'efficienza di selezione dei trigger è fondamentale. I sistemi di trigger degli esperimenti come LHCb filtrano gli eventi in tempo reale, selezionando solo quelli di interesse fisico. Tuttavia, queste efficienze non possono essere valutate affidabilmente solo tramite simulazioni, poiché la natura complessa delle selezioni del trigger è difficile da modellare con precisione. D'altro canto, calcolare l'efficienza come semplice frazione di candidati accettati nei dati registrati richiederebbe campioni di dati non filtrati di dimensioni proibitive.
La sfida principale risiede nello sviluppo di un metodo data-driven (basato sui dati) che permetta di stimare queste efficienze utilizzando i candidati ricostruiti già presenti nei dataset fisici, gestendo al contempo le correlazioni cinetiche e le incertezze statistiche e sistematiche.

2. Metodologia: Il metodo TISTOS

Il documento descrive e formalizza il metodo TISTOS (Trigger Independent of Signal / Trigger On Signal), un approccio completamente basato sui dati utilizzato dall'esperimento LHCb.

• Concetto di base: Il metodo si basa su un approccio "tag-and-probe". Si definiscono due categorie per i candidati:
  • TOS (Trigger On Signal): Il candidato fisico (segnale) è sufficiente da solo a far scattare la decisione del trigger.
  • TIS (Trigger Independent of Signal): Un altro oggetto ricostruito nell'evento (indipendente dal segnale) è sufficiente a far scattare il trigger.
  • Esistono anche categorie incrociate (TISTOS) e di combinazione (TOB - Triggered On Both).
• Classificazione: La classificazione avviene confrontando gli "hit" dei rivelatori associati al candidato di segnale con quelli associati agli oggetti selezionati dal trigger. Se una frazione significativa degli hit del trigger coincide con quelli del segnale, l'oggetto è classificato come TOS; se la sovrapposizione è trascurabile, è TIS.
• Formula di efficienza: L'efficienza del trigger ($\epsilon_{Trig}$) è stimata combinando i conteggi delle diverse categorie:
  $$\epsilon_{Trig} \approx \frac{N_{Trig}}{N_{TIS}} \times \frac{N_{TISTOS}}{N_{TOS}}$$
  dove $N_{Trig}$ è il numero di candidati che passano la selezione, $N_{TIS}$ il numero di candidati TIS, $N_{TOS}$ il numero di candidati TOS e $N_{TISTOS}$ l'intersezione.
• Correzione delle correlazioni: Poiché le correlazioni cinematiche tra i campioni TIS e TOS possono introdurre bias, l'efficienza deve essere valutata in intervalli di spazio delle fasi (es. momento trasverso $p_T$, pseudorapidità) piuttosto che su tutto il dataset.
• Mitigazione del fondo: Per isolare il segnale puro dai contributi di fondo, il metodo implementa tre tecniche:
  1. Sottrazione delle bande laterali (Sideband subtraction): Stima la densità del fondo dalle regioni adiacenti al picco di massa.
  2. Fit-and-count: Utilizza modelli statistici (PDF estesi) per separare segnale e fondo tramite un fit di verosimiglianza.
  3. sPlot: Assegra pesi statistici (sWeights) a ciascun evento basandosi su un fit globale, permettendo di estrarre le distribuzioni del segnale puro.

3. Contributi Chiave: Il pacchetto software TriggerCalib

Il contributo principale del lavoro è l'implementazione centralizzata di questo framework nel pacchetto software TriggerCalib, scritto in Python e integrato nell'ecosistema LHCb (basato su ROOT).

• Centralizzazione: Prima di questo lavoro, ogni analisi doveva reimplementare manualmente i calcoli TISTOS, richiedendo giorni di lavoro e competenze specifiche. TriggerCalib riduce questo tempo a minuti.
• Flessibilità: Permette agli analisti di scegliere variabili cinetiche e schemi di suddivisione dello spazio delle fasi arbitrari.
• Gestione delle incertezze: Include un'implementazione automatica per il calcolo delle incertezze statistiche, gestendo la complessa varianza dovuta alla sovrapposizione delle categorie TIS, TOS e TISTOS (utilizzando intervalli di Wilson generalizzati).
• Correzioni per la simulazione: Oltre alla stima diretta sui dati, il pacchetto calcola pesi di correzione ($w_i = \epsilon_{data} / \epsilon_{sim}$) per correggere la risposta del trigger nei campioni simulati, essenziale per processi rari con statistiche insufficienti per una stima diretta.

4. Risultati

Il pacchetto è stato validato utilizzando un campione simulato di decadimenti $B^+ \to J/\psi (\mu^+\mu^-) K^+$, che funge da canale di controllo ad alta statistica e purezza.

• Confronto dei metodi: Le tre tecniche di mitigazione del fondo (Sideband subtraction, Fit-and-count, sPlot) sono state confrontate. I risultati mostrano un'ottima coerenza tra i metodi, con efficienze di trigger integrate calcolate intorno al 97.3% (es. Sideband: $97.328 \pm 0.054\%$, Fit-and-count: $97.31 \pm 0.11\%$, sPlot: $97.314 \pm 0.094\%$).
• Validazione delle ipotesi: Sono stati eseguiti test (Likelihood Ratio test e test di Kendall's $\tau$) per verificare l'indipendenza tra la variabile discriminante (massa invariante) e le variabili di controllo (come $p_T$). Sebbene i test abbiano mostrato una leggera dipendenza (correlazione) nel campione simulato, l'impatto sulle efficienze stimate è risultato trascurabile quando le categorie sono bilanciate.
• Performance: Il software è stato dimostrato efficace nel gestire campioni con fondo combinatorio artificiale, producendo risultati robusti e consistenti con le aspettative teoriche.

5. Significatività

Questo lavoro rappresenta un passo avanti cruciale per l'analisi dei dati di LHCb, specialmente in vista della Fase 3 (Run 3) con luminosità istantanea aumentata.

• Riproducibilità e Standardizzazione: Fornisce uno standard centralizzato per la stima delle efficienze, eliminando la variabilità introdotta da implementazioni manuali diverse tra le varie analisi.
• Efficienza Operativa: Semplifica drasticamente il flusso di lavoro degli analisti, permettendo loro di concentrarsi sulla fisica piuttosto che sulla complessa ingegneria dei calcoli di efficienza.
• Robustezza Statistica: L'inclusione di metodi avanzati per la gestione delle incertezze statistiche e sistematiche (come la varianza della frazione TISTOS) garantisce risultati più affidabili per le misurazioni di precisione, inclusi i rari processi di violazione del sapore leptonico (es. $R_K$, $R_{K^*}$).
• Scalabilità: Il framework è progettato per adattarsi sia a canali ad alta statistica che a processi rari, rendendolo uno strumento versatile per l'intero programma fisico di LHCb.

In sintesi, il documento presenta non solo una formalizzazione teorica aggiornata del metodo TISTOS, ma soprattutto uno strumento software maturo e validato che abilita analisi di fisica delle particelle più precise ed efficienti.