Pozycjonowanie detektorów AFP w eksperymencie ATLAS
Transkrypt
Pozycjonowanie detektorów AFP w eksperymencie ATLAS
Pozycjonowanie detektorów AFP w eksperymencie ATLAS na LHC poprzez poszukiwanie obszarów o dużej gęstości śladów Alignment of the AFP detectors in the ATLAS experiment at the LHC with the hotspot method Paweł Buglewicz 16.11.15 AFP - ATLAS Forward Proton Pomiar protonów rozproszonych pod bardzo małymi kątami, niemożliwych do zmierzenia w dotychczasowej infrastrukturze ATLASa. 2 Detektory AFP ● ● 4 stacje: 2+2 (0+2 w pierwszej fazie) Tracker + ToF (w II stacji) ○ ● Tracker - 4 warstwy krzemowego detektora pikselowego Rozdzielczość trackera (x,y): ○ 10μm x 30μm 3 Alignement Detektor znajduje się w ruchomych osłonach “rzymskich garnkach”. Z każdym przesunięciem musimy znać położenie detektora względem wiązki. Jest to ważne dla analizy danych. 4 Software Generator: Pythia8 (1-10 mln przypadków), pp 7 TeV, pojedyncza i podwójna dyfrakcja Śledzenie cząstek: MadX, optyka β*=0.55, 204m Generacja pojedynczej próbki + jej transport trwa ~5-10h Bootstrap - 5 tys równoważnych przebiegów w 2-3h 5 Metoda pozycjonowania - “hot-spot” W rozkładzie położenia protonów w detektorze pojawia się przewężenie. Dla danej optyki znajduje się ono w tym samym miejscu. Pomiar położenia detektora za pomocą tego punktu. 6 Pomiar szerokości Aby znaleźć najwęższe miejsce potrzebny jest pomiar szerokości rozkładu (wzdłuż osi y). W tym celu rozkład jest rzutowany na oś y w różnych przedziałach x. 7 Pomiar szerokości - metoda I Dla każdego przedziału w x liczone jest odchylenie standardowe. Jest ono jedną z miar szerokości. Następnie szukam położenia minimum dopasowanej do rozkładu funkcji trójmian. Położenie minimum jest szukaną odległością. 8 Pomiar szerokości - metoda II Tym razem dla rozkładu w każdym przedziale jest dopasowywana funkcja Gaussa. σ pokazuje szerokość rozkładu położeń protonów. Położenie minimum zależności σ (x) również wskazuje na położenie detektora. 9 Metoda I vs metoda II RMS: Gauss: Kształt rozkładu jest bardzo wyraźny i algorytm działa poprawnie. Algorytm szukający minimum nie zawsze działa poprawnie. 10 Niepewności Algorytm jest powtarzany i jest tworzony nowy histogram wypełniany uzyskanymi odległościami. Testowałem wpływ: ● ● ● ● ● fluktuacji statystycznych, metody szukania minimum, rozmiaru przedziałów x, wielkości próbki, modelu fizyki. 11 Niepewności statystyczne - bootstrap Bootstrap to statystyczna metoda szacowania niepewności statystycznej. Z danej próbki tworzy się próbkę statystycznie równoważną. Mając histogram tworzę równoważny histogram h’ losując z rozkładu Poissona. Następnie próbkę można poddać takiej samej analizie, jak oryginalną próbkę. 12 Wpływ wielkości próbki Rozmiar próbki powyżej pewnej wielkości nie zmienia się. Niepewność wyniku dla pojedynczej dyfrakcji i wielkości: ● ● ● ● 100 tys: 500 tys: 1 mln: 2 mln: 13 Wpływ rozmiaru przedziałów Metoda 1 - RMS: Oprócz skrajnych przypadków - bardzo dużych, lub bardzo wąskich przedziałów nie ma dużego wpływu na wynik. Gauss RMS Metoda 2 - Gauss Poniżej pewnej (wciąż działającej w metodzie 1) szerokości funkcja zwraca niepoprawne wartości. Ilość przedziałów w miejscu przewężenia jest za mała, żeby poprawnie dopasować do niego funkcję Gaussa. Za małe przedziały. 14 Wpływ modelu fizyki Metoda II (Gauss) nie sprawdza się także w przypadku, gdy pojawia się tło (podwójna dyfrakcja). x = 0,005 m Jest to spowodowane tym, że rozkład nie ma odpowiedniego kształtu. Dla metody I (100 tys przypadków): ● ● DD: SD: 15 Podsumowanie Jedna z metod uzyskuje wymaganą precyzję kilkudziesięciu µm (przy odpowiednich parametrach algorytmu). Plany: Znalezienie optymalnego zestawu parametrów. 16