SemiCharmTag: a tool for Semileptonic Charm tagging

Il documento presenta SemiCharmTag, un nuovo metodo per il tagging dei decadimenti semileptonici del charm tramite il vertice secondario, che migliora significativamente il rapporto segnale-rumore nelle misurazioni Drell-Yan di LHCb e permette la costruzione di campioni di fondo puri.

L'essenziale

🕵️‍♂️ CERN e il "Cacciatore di Tracce": Come trovare l'ago nel pagliaio

Immagina di essere in una stanza piena di gente che urla (il rumore di fondo) e cerchi di ascoltare una singola persona che sussurra una frase importante (il segnale). Questo è esattamente ciò che fanno i fisici al CERN quando studiano le collisioni di particelle.

Il documento che hai letto descrive un nuovo strumento chiamato SemiCharmTag, creato dai ricercatori dell'Università di Parigi-Saclay per l'esperimento LHCb al CERN. Il loro obiettivo è trovare un modo per distinguere due tipi di "messaggeri" (particelle chiamate muoni) che arrivano da collisioni di protoni.

1. Il Problema: Due tipi di messaggeri

Immagina che ogni collisione produca due tipi di messaggeri:

• I Messaggeri "Puri" (Segnale): Arrivano direttamente dal centro della collisione, come un corriere che parte dall'ufficio centrale. Sono quelli che i fisici vogliono studiare (provenienti dal processo chiamato Drell-Yan).
• I Messaggeri "Falsi" (Rumore): Arrivano da un piccolo distacco, come se il corriere si fosse fermato in un bar prima di arrivare. Questi provengono dal decadimento di particelle pesanti chiamate Charm (come il Charmonium) e Beauty.

Il problema è che i "messaggeri falsi" sono 100 volte più numerosi di quelli veri. È come cercare di ascoltare un sussurro in mezzo a un concerto rock. Inoltre, i "messaggeri falsi" derivanti dal Charm sono molto più difficili da distinguere rispetto a quelli del Beauty, perché il loro "bar" (il punto di origine) è molto vicino all'ufficio centrale.

2. La Soluzione: Il "Cacciatore di Tracce" (SemiCharmTag)

I fisici hanno inventato un nuovo metodo, un po' come un detective privato che non guarda solo il messaggero, ma cerca di capire se ha un "compagno di viaggio".

Quando un muone nasce dal decadimento di una particella Charm, spesso lascia dietro di sé un'altra traccia (un'altra particella, come un pioni o un kaone) che nasce dallo stesso punto. Un muone "puro" (Drell-Yan), invece, di solito è solo, senza compagni di viaggio immediati.

Il SemiCharmTag è un software intelligente (basato sull'intelligenza artificiale) che fa questo:

1. Guarda un muone.
2. Cerca se c'è un'altra particella (un "compagno") che sembra essere nata insieme a lui.
3. Se trova un compagno, usa un algoritmo matematico (un "albero della decisione") per decidere: "È probabile che siano nati insieme in un decadimento? Se sì, scarta questo muone come rumore!"

3. Le Due Strategie del Detective

Il documento descrive due modi per usare questo detective:

• Strategia "Doppio Tag" (Il Filtro Rigido):
  Immagina di avere due guardie all'ingresso. Se anche solo una delle due guardie vede un "compagno sospetto" vicino a un muone, l'intero evento viene scartato.

  • Risultato: È come mettere un filtro molto stretto. Riescono a eliminare il 78% del rumore (i muoni falsi) mantenendo l'81% dei messaggeri veri. Il rapporto tra segnale e rumore migliora di 4 volte! È come se il concerto rock si abbassasse di volume, permettendo di sentire meglio il sussurro.

• Strategia "Singolo Tag" (Il Campione Puro):
  Qui il detective è più sottile. Invece di buttare via tutto, usa un muone "etichettato" come sospetto per studiare il suo gemello.

  • L'analogia: Immagina di voler studiare come si comportano i ladri (i muoni del Charm). Non puoi catturarli tutti, ma puoi dire: "Ok, questo primo muone è sicuramente un ladro (l'etichetta). Ora guardiamo cosa fa il suo gemello che è passato accanto a lui".
  • Risultato: Questo permette di creare un "campione puro" di muoni provenienti dal Charm direttamente dai dati reali, senza dover fare troppe ipotesi teoriche. È fondamentale perché non sappiamo ancora bene come si comportano queste particelle (come se non avessimo il manuale di istruzioni per i ladri).

4. Perché è importante?

Senza questo strumento, misurare le proprietà della materia che si crea nelle collisioni (come la materia primordiale dell'universo o il comportamento dei quark) sarebbe quasi impossibile a causa del "rumore" enorme.

Il SemiCharmTag è come un filtro magico che:

1. Pulisce il segnale, rendendo le misurazioni più precise.
2. Ci permette di studiare i "ladri" (il decadimento del Charm) direttamente dai dati, senza dipendere da modelli teorici che potrebbero essere sbagliati.

In sintesi, questo lavoro è un passo avanti fondamentale per trasformare un caos di dati in una storia chiara e comprensibile su come funziona l'universo a livello subatomico.

Sommario tecnico

1. Il Problema Scientifico

Il documento affronta la sfida di misurare la produzione di dileptoni (in particolare coppie di muoni) tramite il processo Drell-Yan nell'esperimento LHCb, in un intervallo di massa invariante basso (2.9 – 5 GeV/c²) e a basso impulso trasverso ($p_T > 1$ GeV/c).

• Fondo dominante: In questo regime cinematico, il segnale Drell-Yan è sovrastato da un fondo enorme (fino a 100 volte superiore) derivante dai decadimenti semileptonici di adroni contenenti quark pesanti (charm e beauty).
• Sfide specifiche:
  • I leptoni provenienti dai decadimenti del charm (non prompt) hanno tempi di vita brevi ($c\tau \approx 50-500$ µm), rendendo difficile la loro separazione dai leptoni prompt (Drell-Yan) rispetto al fondo beauty.
  • Esiste una scarsa conoscenza delle frazioni di frammentazione dei barioni charm (es. $\Lambda_c^+$) e dei loro branching ratio semileptonici. Questo rende difficile modellare il fondo tramite simulazione senza introdurre forti dipendenze dal modello.
  • Le strategie tradizionali basate sull'isolamento o sui parametri di impatto (IP) diventano meno efficaci a bassi $p_T$ e richiedono calibrazioni dati-driven che sono attualmente impossibili senza un campione di controllo puro.

2. Metodologia: SemiCharmTag

Gli autori introducono SemiCharmTag, un nuovo strumento basato su Machine Learning (ML) progettato per identificare e selezionare/rifiutare i leptoni derivanti da decadimenti semileptonici del charm utilizzando le tracce adroniche associate al vertice secondario.

Approccio Generale

L'algoritmo forma coppie muone-adrono all'interno dello stesso evento. Sfrutta il fatto che, nei decadimenti del charm, l'adrono associato (spesso un kaone) proviene dallo stesso vertice secondario del muone, mentre nel segnale Drell-Yan le tracce adroniche associate sono tipicamente pioni prompt dal vertice primario o parte dell'underlying event.

Variabili Discriminanti

Il classificatore (un Boosted Decision Tree - BDT implementato con XGBoost) utilizza le seguenti variabili topologiche e cinematiche:

• Parametri di impatto (IP e $\chi^2_{IP}$): Distanza e compatibilità della traccia rispetto al vertice primario.
• DOCA (Distance of Closest Approach): Distanza minima tra il muone e la traccia adronica.
• Angolo di volo (DIRA) e Distanza di volo (FD): Geometria del decadimento.
• Identificazione delle particelle (PIDK): Probabilità che la traccia sia un kaone.
• Massa invariante: Massa combinata del sistema muone-adrono (deve essere inferiore alla massa dell'adrodo charm).

Strategie di Tagging

L'algoritmo è stato sviluppato in due modalità operative:

1. Double-Tag (Rifiuto del Fondo):

   • Applicato su entrambi i muoni della coppia dileptonica.
   • Logica: Se almeno una delle due coppie muone-adrono ha una probabilità di essere un evento "segnale" (Drell-Yan) inferiore a una soglia prefissata, l'intero candidato viene classificato come fondo e rifiutato.
   • Obiettivo: Massimizzare il rapporto Segnale/Fondo ($S/B$).

2. Single-Tag (Costruzione di Template):

   • Applicato su uno solo dei due muoni (il "tag"), mentre l'altro (il "probe") viene analizzato.
   • Logica: Si seleziona rigorosamente un muone con alta probabilità di provenire dal charm (e bassa probabilità beauty/prompt). Le caratteristiche cinematiche del muone "probe" vengono poi estratte per costruire un template di fondo puro basato sui dati.
   • Obiettivo: Ottenere distribuzioni di fondo (es. IP, $p_T$) non distorte (unbiased) per l'uso in fit di template, aggirando la necessità di simulazioni precise dei decadimenti del charm.

3. Contributi Chiave

• Primo metodo data-driven per template: SemiCharmTag è il primo approccio che deriva template di variabili discriminanti per i decadimenti inclusivi del charm direttamente dai dati (tramite la strategia single-tag), riducendo la dipendenza dai modelli di simulazione.
• Efficienza di rifiuto: Dimostrazione che è possibile rifiutare una frazione significativa dei decadimenti semileptonici del charm senza introdurre bias significativi sulle proprietà cinematiche del segnale Drell-Yan.
• Adattabilità: Il metodo è trasferibile a qualsiasi esperimento con buone prestazioni di vertice e identificazione leptonica, non solo LHCb.

4. Risultati Principali

Le prestazioni sono state valutate su simulazioni complete di collisioni $pp$a$\sqrt{s} = 13.6$ TeV (condizioni Run 3).

Prestazioni del Double-Tag (Rifiuto Fondo)

• Efficienza del segnale: 81% per gli eventi Drell-Yan.
• Rifiuto del fondo:
  • Charm: 78% di rifiuto.
  • Beauty: 74% di rifiuto.
• Miglioramento del rapporto S/B: Un fattore di miglioramento di ~3.7 per il charm e ~3.2 per il beauty.
• Bias: Le distribuzioni cinematiche del segnale ($p_T$ e rapidità del dilepton) mostrano deviazioni inferiori al 5% rispetto al caso non taggato (eccetto ai bordi di accettazione), confermando che il metodo non distorce il segnale.

Prestazioni del Single-Tag (Template)

• Efficienza di selezione: 21.4% per i muoni provenienti dal charm.
• Soppressione del segnale: Riduzione dei muoni Drell-Yan di un fattore 20 (efficienza 1.1%).
• Purezza: La contaminazione residua di muoni prompt nel campione di "probe" è inferiore allo 0.01%.
• Validazione: I test di chiusura (closure test) mostrano che le distribuzioni estratte (es. IP) sono coerenti con la verità simulata entro $2\sigma$, confermando l'assenza di bias forti sulla distribuzione del muone probe.

5. Significato e Prospettive

Il lavoro di SemiCharmTag è fondamentale per rendere fattibili le misurazioni di Drell-Yan, termico e pre-equilibrio di dileptoni a masse basse (sotto i 20 GeV/c²) presso LHCb e altri collider.

• Risoluzione dell'incertezza del modello: Fornisce un metodo per costruire distribuzioni di fondo puramente basate sui dati, superando la mancanza di conoscenza sulle frazioni di produzione dei barioni charm e sui loro decadimenti.
• Riduzione delle incertezze sistematiche: Migliorando il rapporto Segnale/Fondo e fornendo template di fondo precisi, le incertezze sistematiche sulle misurazioni delle sezioni d'urto Drell-Yan e sulle proprietà della materia fortemente interagente (nel caso di collisioni nucleari) saranno drasticamente ridotte.
• Impatto futuro: Questo strumento permetterà di spingere la ricerca verso regioni cinematiche precedentemente inaccessibili a causa del fondo eccessivo, aprendo nuove finestre per lo studio della saturazione dei gluoni e della fisica del plasma di quark e gluoni.