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

Este artigo apresenta o método, o design e a implementação do pacote de software TriggerCalib para estimar a eficiência de gatilhos no LHCb de forma baseada em dados, permitindo o cálculo centralizado dessas eficiências e de suas incertezas estatísticas e sistemáticas diretamente a partir das propriedades dos candidatos reconstruídos.

O essencial

Imagine que o LHCb é um gigantesco detector de partículas, como uma câmera superpotente que tira fotos de colisões de partículas a cada bilionésimo de segundo. O problema é que essa câmera tira trilhões de fotos, mas a maioria delas é "lixo" (partículas comuns que não interessam aos físicos). Se tentássemos guardar todas, o computador explodiria.

Para resolver isso, o experimento usa um sistema de segurança (o "Trigger"). É como um porteiro de balada muito exigente que decide, em tempo real, quais eventos (fotos) são interessantes o suficiente para serem guardados e quais devem ser descartados.

O grande desafio da física moderna é: Como saber se esse porteiro está funcionando bem? Se ele estiver muito rigoroso, podemos estar perdendo descobertas importantes. Se estiver muito relaxado, estamos guardando lixo.

Este artigo apresenta uma solução inteligente e um novo "manual de instruções" (um software chamado TriggerCalib) para medir a eficiência desse porteiro, usando apenas os dados que já temos, sem precisar de simulações perfeitas que muitas vezes falham.

Aqui está a explicação passo a passo, usando analogias do dia a dia:

1. O Problema: O "Porteiro" e a Dificuldade de Medir

Imagine que você quer saber se o porteiro da balada está deixando entrar as pessoas certas.

• O jeito difícil: Tentar simular exatamente como o porteiro pensa. É muito complexo, pois ele usa muitos critérios (altura, roupa, quem está com você).
• O jeito impossível: Guardar todas as fotos da balada (inclusive as que o porteiro rejeitou) para ver quantas ele deixou passar. Isso exigiria um armazenamento de dados impossível.

2. A Solução: O Método "TISTOS" (O Detetive de Dupla Identidade)

Os físicos desenvolveram um método chamado TISTOS (Trigger Independent of Signal / Trigger On Signal). Pense nele como um jogo de detetive para classificar as pessoas que entraram na balada.

Para saber se o porteiro deixou entrar um "grupo de amigos" (o evento de física que interessa), eles olham para duas coisas:

• TOS (Trigger On Signal): O porteiro deixou entrar porque viu o "grupo de amigos" (o evento de física)?
  • Analogia: O porteiro viu o VIP e disse: "Pode entrar!".
• TIS (Trigger Independent of Signal): O porteiro deixou entrar porque viu algo outro na festa, e o "grupo de amigos" só entrou junto por sorte?
  • Analogia: O porteiro viu um famoso que não era o VIP, disse "Pode entrar!", e o VIP entrou junto sem ser notado.

O método TISTOS usa a lógica matemática para cruzar essas informações. Se sabemos quantas vezes o porteiro agiu por causa do VIP (TOS) e quantas vezes ele agiu por causa de outra coisa (TIS), podemos calcular com precisão a probabilidade de ele deixar entrar o VIP, mesmo sem ter visto todas as rejeições. É como deduzir a taxa de aprovação de um exame olhando apenas nos alunos que passaram, mas separando quem passou por mérito próprio de quem passou porque o professor estava de bom humor.

3. O Software "TriggerCalib": O Novo Manual de Instruções

Antes deste artigo, cada físico tinha que escrever seu próprio código para fazer essa conta de detetive. Era como se cada cozinheiro tivesse que inventar sua própria receita de bolo para medir o açúcar. Isso dava muito trabalho e risco de erro.

O TriggerCalib é o manual de instruções centralizado e automatizado.

• O que ele faz: Ele pega os dados brutos, aplica a lógica do TISTOS, separa o "sinal" (o VIP) do "ruído" (o lixo) e calcula a eficiência.
• A vantagem: Em vez de levar dias para configurar, um físico pode fazer isso em minutos. Ele é como um aplicativo de celular que faz a conta complexa para você, garantindo que todos usem a mesma fórmula correta.

4. Lidando com o "Ruído" (Fundo)

Nem tudo no detector é o evento que queremos. Muitas vezes, partículas aleatórias se juntam e parecem um evento interessante (como duas pessoas se encontrando por acaso na balada e parecendo um grupo).
O TriggerCalib oferece três formas de limpar esse "ruído":

1. Subtração de Faixa (Sideband): Olha para o que está ao redor do evento (fora da área do VIP) e subtrai esse valor do total. É como estimar o ruído de fundo em uma sala e desligar o volume dele.
2. Contagem por Ajuste (Fit-and-count): Usa estatística avançada para desenhar uma curva que separa o VIP do ruído. É como usar um filtro de Photoshop para destacar a pessoa e apagar o fundo.
3. sPlot: Uma técnica matemática sofisticada que atribui um "peso" a cada evento. Se um evento parece muito com um VIP, ele ganha peso 1. Se parece ruído, ganha peso 0. É como dar uma nota de 0 a 10 para cada pessoa na fila, e só contar as que têm nota alta.

5. Por que isso importa?

Para os físicos descobrirem novas partículas ou entenderem por que o universo é feito de matéria e não de antimatéria, eles precisam saber exatamente quantas vezes o detector "viu" um evento. Se a eficiência do porteiro for calculada errado, a conclusão científica estará errada.

O TriggerCalib garante que essa medição seja:

• Precisa: Usa dados reais, não apenas teorias.
• Rápida: Economiza tempo dos cientistas.
• Confiável: Inclui ferramentas para medir a incerteza (o "erro de margem") e garantir que o resultado é sólido.

Resumo final:
Este artigo é sobre criar uma ferramenta padronizada e inteligente que ajuda os físicos do LHCb a saberem se o "porteiro" do experimento está funcionando corretamente, permitindo que eles descubram os segredos mais profundos do universo com mais confiança e menos trabalho manual.

Resumo técnico

Título: Um framework e implementação para estimativa de eficiência de gatilho baseada em dados no LHCb

1. O Problema

Em experimentos modernos de física de partículas, como o LHCb no CERN, a estimativa precisa da eficiência de seleção (gatilho ou trigger) é fundamental para qualquer análise física. O gatilho do LHCb seleciona eventos de interesse a partir de uma taxa de colisão massiva, rejeitando a grande maioria dos dados.

• Desafio Principal: A eficiência não pode ser avaliada apenas em simulações, pois a modelagem complexa das decisões do gatilho é difícil de reproduzir com precisão.
• Limitação de Dados: Avaliar a eficiência como a fração simples de candidatos aceitos nos dados gravados exigiria amostras de dados "não filtrados" (brutos) de tamanho proibitivo, o que não é viável.
• Necessidade: É necessário um método data-driven (baseado em dados) que utilize os candidatos reconstruídos já registrados para a análise física, sem depender de amostras de dados brutos não filtradas.

2. Metodologia: O Método TISTOS

O artigo descreve e implementa o método TISTOS (Trigger Independent of Signal / Trigger On Signal), uma abordagem totalmente baseada em dados desenvolvida pela colaboração LHCb.

• Conceito Tag-and-Probe: O método classifica os objetos de gatilho em relação a um candidato de sinal físico (ex: um decaimento $B^+$).
• Categorias de Gatilho:
  • TOS (Trigger On Signal): O candidato de sinal é suficiente para disparar o gatilho, independentemente do resto do evento.
  • TIS (Trigger Independent of Signal): Outro objeto reconstruído no evento é suficiente para disparar o gatilho, independentemente do candidato de sinal.
  • TISTOS: A interseção onde ambos os critérios são satisfeitos.
  • TOB (Triggered On Both): O sinal e o resto do evento juntos são necessários para o gatilho (geralmente uma fração pequena).
• Classificação Técnica: O algoritmo compara os "hits" (sinais eletrônicos) dos subdetectores (como VELO e SciFi) usados pelo gatilho com os hits associados ao candidato de sinal. Se a sobreposição for alta (>70%), é TOS; se for negligenciável (<1%), é TIS.
• Cálculo de Eficiência: A eficiência total ($\epsilon_{Trig}$) é estimada usando a relação:
  $$\epsilon_{Trig} \approx \frac{N_{Trig}}{N_{TIS}} \times \frac{N_{TISTOS}}{N_{TOS}}$$
  Onde todos os termos ($N$) podem ser contados diretamente nos dados.
• Correção de Correlações: Para evitar viés devido a correlações cinemáticas entre as amostras TIS e TOS, a eficiência é calculada em intervalos de espaço de fase (ex: momento transversal $p_T$) e integrada.

3. Contribuições Principais: O Pacote TriggerCalib

O artigo apresenta o TriggerCalib, um pacote de software Python centralizado que implementa o método TISTOS, substituindo a necessidade de recriar essas cálculos em cada análise física.

• Funcionalidades:
  • Estimativa Direta: Cálculo de eficiências diretamente em dados para canais de alta estatística.
  • Correção de Simulação: Geração de pesos de correção para amostras simuladas, permitindo que canais raros (com baixa estatística) sejam calibrados usando canais de controle abundantes e topologicamente similares.
• Mitigação de Fundo: O pacote implementa três métodos robustos para isolar o sinal do fundo:
  1. Subtração de Faixas (Sideband Subtraction): Subtrai a densidade de fundo estimada em faixas laterais da massa invariante.
  2. Ajuste e Contagem (Fit-and-Count): Usa modelos estatísticos (PDFs) ajustados via máxima verossimilhança para separar sinal e fundo.
  3. sPlot: Usa pesos estatísticos (sWeights) derivados de um ajuste global para ponderar as distribuições de interesse.
• Incertezas: Implementa um método rigoroso para calcular incertezas estatísticas (usando intervalos de Wilson generalizados) que leva em conta a sobreposição entre as categorias TIS, TOS e TISTOS, algo não trivial de derivar analiticamente.

4. Resultados

O pacote foi validado utilizando uma amostra simulada de decaimentos $B^+ \to J/\psi (\mu^+\mu^-) K^+$, refletindo as condições de coleta de dados de 2024 do LHCb.

• Consistência: As três abordagens de mitigação de fundo (subtração de faixas, ajuste e sPlot) produziram resultados consistentes para a eficiência de gatilho integrada e em função do momento transversal ($p_T$).
  • Exemplo de eficiência integrada: ~97.3% (com pequenas variações estatísticas entre os métodos).
• Desempenho: Analistas conseguiram configurar o TriggerCalib em minutos, em comparação com dias necessários para reimplementar os cálculos manualmente.
• Testes de Independência: Foram realizados testes (Razão de Verossimilhança e Kendall's $\tau$) para verificar a independência entre as variáveis de controle e discriminantes. Os resultados indicaram que, embora existam correlações no fundo, os efeitos tendem a cancelar-se nas eficiências estimadas quando as categorias são tratadas corretamente.

5. Significado e Impacto

• Padronização: O TriggerCalib fornece a primeira implementação centralizada e padronizada do método TISTOS para a colaboração LHCb, garantindo consistência entre diferentes análises físicas.
• Eficiência Operacional: Reduz drasticamente o tempo de desenvolvimento e validação de análises, permitindo que os físicos se concentrem na física em vez da infraestrutura de gatilho.
• Precisão: Oferece uma estrutura robusta para lidar com incertezas estatísticas complexas e sistemáticas (como a escolha de variáveis de espaço de fase e métodos de fundo), melhorando a confiabilidade das medições de física de sabor pesado (heavy-flavour).
• Aplicabilidade: O método é essencial para medições de precisão, como os testes de universalidade do sabor leptônico ($R_K$, $R_{K^*}$), onde a correção precisa da eficiência de gatilho é crítica.

Em resumo, o artigo estabelece uma nova infraestrutura de software que torna a estimativa de eficiência de gatilho no LHCb mais acessível, precisa e reprodutível, sendo um componente vital para as análises de dados do Run 3 e além.