Charged-lepton identification at Belle~II

Resumo Técnico: Identificação de léptons carregados no Belle II

Problema
O experimento Belle II, operando no colisor $e^+e^-$ SuperKEKB, visa alcançar medições de alta precisão da violação de CP, elementos da matriz CKM e buscas por nova física além do Modelo Padrão. Um requisito crítico para esses objetivos físicos é uma identificação de partículas (PID) robusta, especificamente a capacidade de distinguir léptons carregados (elétrons e múons) de hádrons carregados (píons, kaons, prótons). Embora experimentos anteriores (BABAR e Belle) tenham estabelecido fortes capacidades de PID, a maior luminosidade instantânea e as condições de fundo mais severas no SuperKEKB apresentam desafios significativos tanto para o hardware quanto para o software de reconstrução. O artigo aborda a necessidade de caracterizar e otimizar os algoritmos usados para identificar elétrons e múons e separá-los de hádrons usando dados coletados durante o Run 1 (2019–2022, 428 fb$^{-1}$).

Metodologia
O estudo utiliza amostras de controle derivadas de processos físicos específicos para medir a eficiência de PID e as taxas de má identificação sem aplicar critérios de seleção enviesados às trajetórias de "sonda" (probe). A metodologia baseia-se em duas técnicas primárias:

1. Tag-and-Probe: Utilizado para amostras que carecem de estruturas de pico (ex: $e^+e^- \to e^+e^-(\gamma)$, $e^+e^- \to \mu^+\mu^-\gamma$ e fusão de dois fótons e^+e^- \to e^e^-\ell^+\ell^-). Uma trajetória ("tag") é selecionada com critérios de PID rigorosos para definir a amostra, enquanto a outra ("probe") é usada para medir o desempenho de forma imparcial.
2. Ajuste de Pico e sWeights: Utilizados para amostras com picos claros de massa invariante ($J/\psi \to \ell^+\ell^-$) e amostras de controle de hádrons ($K_S^0 \to \pi^+\pi^-$, $D^{*+} \to D^0\pi^+$ , $\Lambda \to p\pi^-$). Os rendimentos do sinal são extraídos via ajuste, e sWeights são empregados para subtrair contribuições de fundo ao calcular as eficiências.

Os algoritmos de PID combinam informações de múltiplos subdetectores:

• Likelihoods Locais: Subdetectores individuais (SVD, CDC, TOP, ARICH, ECL, KLM) fornecem likelihoods baseados em observáveis específicos (ex: $dE/dx$, tempo de fóton Cherenkov, deposição de energia $E/p$ e profundidade de penetração).
• Probabilidades Globais: As likelihoods locais são combinadas usando o teorema de Bayes para formar probabilidades globais dependentes da espécie.
• Boosted Decision Trees (BDT): Para abordar as limitações em combinações simples de likelihood (como negligenciar correlações e o tratamento subótimo de regiões de baixo momento), os autores empregam classificadores BDT. Estes utilizam variáveis adicionais do Calorímetro Eletromagnético (ECL) (ex: momentos de forma do cluster) e discriminantes de forma de pulso de onda para aumentar a separação lépton/hadrão, particularmente para elétrons em baixo momento ($p \le 1$ GeV/c).

Principais Contribuições

• Caracterização de Desempenho: O artigo apresenta uma avaliação abrangente das eficiências de identificação de elétrons e múons e das taxas de má identificação de hádrons em todo o intervalo de momento e ângulo polar acessível no Run 1.
• Comparação de Algoritmos: Fornece uma comparação direta entre métodos de probabilidade "simples" (baseados em razões de likelihood global) e abordagens multivariadas baseadas em BDT.
• Correções Dados/Simulação: Os autores compilam tabelas de correção (fatores de escala) para alinhar o desempenho da simulação com os dados observados, contabilizando discrepâncias na eficiência e nas taxas de má identificação. Estas são fornecidas para vários pontos de trabalho ($P > 0,5, 0,9, 0,95, 0,99$) e estados de carga.
• Identificação de Efeitos Sistemáticos: O estudo identifica e quantifica explicitamente o impacto dos fundos de injeção de feixe nas medições de $dE/dx$ da Câmara de Deriva Central (CDC), o que degrada o desempenho em dados comparado à simulação, particularmente para partículas de baixo momento.

Resultos

• Identificação de Elétrons:
  • A seleção baseada em BDT supera significativamente o método de probabilidade simples, particularmente na região de baixo momento ($0,5 < p < 1,0$ GeV/c) e na região do barril ($32^\circ < \theta < 128^\circ$).
  • As eficiências de identificação de elétrons variam de 50% a 98% para taxas de má identificação de píons entre 0,1% e 1%.
  • O desempenho dos dados é geralmente inferior ao da simulação, com discrepâncias atribuídas amplamente aos vieses de $dE/dx$ da CDC causados pelos fundos de injeção de feixe.
• Identificação de Múons:
  • Para momentos abaixo de 1 GeV/c, alcançar eficiências acima de 80% requer aceitar taxas de má identificação de píons acima de 18%.
  • Contrariamente ao caso do elétron, o método de probabilidade simples frequentemente performa melhor que a abordagem BDT em dados para múons, particularmente em baixos momentos onde o BDT depende de informações do ECL que são menos eficazes para múons do que para elétrons.
  • No intervalo de momento intermediário ($1,0 < p < 3,0$ GeV/c) estudado via decaimentos de $J/\psi$, ambos os métodos mostram desempenho estável, com eficiências geralmente excedendo 90%.
• Taxas de Má Identificação:
  • $\pi$-como-$e$: As taxas em dados são 2 a 3 vezes maiores que as previsões da simulação na maior parte do espaço de fase.
  • $\pi$-como-$\mu$: As taxas em dados são geralmente menores que a simulação, particularmente em altos momentos.
  • $p$-como-$e$: O método de probabilidade simples supera significativamente o método BDT, que foi otimizado para separação de $\pi$ e tem dificuldade em distinguir prótons de elétrons no intervalo de $1,0 < p < 1,5$ GeV/c, onde os valores de $dE/dx$ são similares.

Significância
O artigo estabelece que a identificação eficaz de léptons é alcançável no Belle II, apesar das desafiadoras condições de fundo do Run 1. Os resultados demonstram que, embora os métodos simples baseados em likelihood permaneçam robustos (e às vezes superiores para múons e prótons), as técnicas multivariadas (BDT) oferecem melhorias substanciais para a identificação de elétrons, particularmente em regiões de baixo momento onde as variáveis tradicionais perdem poder de discriminação. As tabelas de correção e métricas de desempenho fornecidas são essenciais para análises físicas que exigem flavor tagging preciso, reconstrução completa de mésons B e buscas por decaimentos raros. Os autores observam que melhorias futuras provavelmente envolverão a extensão de abordagens de redes neurais (previamente bem-sucedidas para separação $K$ vs. $\pi$) para léptons e o refinamento dos procedimentos de calibração para mitigar os efeitos dos fundos de injeção de feixe na CDC.