Analyseschritte ROOT Zusammenfassung. Offline-Analyse. Seminar Teilchendetektoren und Experiment an ELSA. Karsten Koop

Transkript

1 1 / 32 Offline-Analyse Seminar Teilchendetektoren und Experiment an ELSA Karsten Koop

2 2 / 32 Gliederung 1 2 Software

3 3 / 32 Einzelne Ereignisse, Events Bestimmung detektierter Teilchen aus Daten StudExp: Photonen, CB: Photonen, Proton, Elektronen Clustering ( PED) Energiebestimmung Kalibration Impuls über Position, wo Detektor getroffen wurde

4 4 / 32 Kalibration Energieeichung Detektor liefert Digitalwert (ADC) proportional zur Energie Bestimmung der Proportionalität: Präparat Höhenstrahlung (MIPs) Beschleunigerstrahl (niedrige Intensität) Pionen, η-mesonen für jede Detektorkomponente einzeln

5 Tagger-Kalibration Theoretische Berechnung des Magnetfelds Beschleunigerstrahl bei fester Energie, Magnetfeld durchfahren TDC-Kalibration Zeiteichung, Bestimmung von Gleichzeitigkeit grob: anpassen an Kabellängen; fein: Aufnahme von gleichzeitigen Ereignissen 5 / 32

6 6 / 32 Impulsbestimmung Photonen Photonen erzeugen Schauer, über mehrere Kristalle Schwerpunkt führt zu Mittelpunkt Auflösung besser als Kristallgröße Proton Kaum Schauer schlechte Ortsauflösung Keine Energiebestimmung in Kristallen

7 7 / 32 Analyse Studentenexperiment γ + p p + π 0 p + 2γ Photon-Energie und -Richtung gemessen 4-Vektoren bekannt 4-Vektor des Pions und damit Masse Proton nicht detektiert

8 8 / 32 Analyse Crystal Barrel γ + p X p + π 0, η, ω... p + nγ 4-Vektoren der einzelnen Photonen gemessen Zuordnung zu Mesonen Kombinatorik Proton wird detektiert, aber schlechte Ortsauflösung und keine Energieinformation

9 9 / 32 kinematischer Fit 4-Vektoren von ein- und auslaufenden Teilchen gemessen Energie- und Impulserhaltung: 4 Constraints Energie- und Impulserhaltung wegen Messfehler nicht sofort erfüllt bei fehlendem Proton: 3 Unbekannte, 4 Gleichungen überbestimmtes Gleichungssystem, 1 Constraint

10 10 / 32 Variation der Messwerte im Rahmen der Messfehler, um Erhaltungssätze zu erfüllen Variation in Einheit des Messfehlers: Pull Verteilung der Pulls ist gaußförmig, Mittelwert 0, σ = 1

11 11 / 32 einzelne Events wurden rekonstruiert jetzt: Betrachtung der gesamten Datenmenge, Statistik

12 12 / 32 Schnitte Gute Daten, schlechte Daten Ziel: Untergrund minimieren, aber keine guten Daten verlieren deshalb: Schnitte auf die Daten Prüfung der Schnitte an Monte Carlo Daten

13 13 / 32 Monte Carlo Simulation des Experiments (idealisiert) Berücksichtigung stochastischer Prozesse erwartete Messdaten aus Simulation Software: GEANT (CERN), CBGEANT

14 14 / 32 Schnitte Anzahl PED koplanar (3 Teilchen), z-cut Energie- und Impulserhaltung (CB: missing mass) Meson-Masse (Pionen, η-mesonen) Zeiten (TDCs) kinematischer Fit, Confidence Level weitere je nach Experiment

15 15 / 32 Confidence Level kinematischer Fit: Pull führt zu χ 2 = i σ 2 i (x i x) 2 gute Anpassung: χ 2 =Anzahl Freiheitsgrade definiere CL = χ 2 f (z, n d )dz mit f (z, n d ) der χ 2 -Verteilung für n d Freiheitsgrade CL: Confidence Level, zwischen 0 und 1

16 16 / 32 CL: Confidence Level, zwischen 0 und 1 Daten gleichverteilt zwischen 0 und 1 Untergrund nahe der 0

17 17 / 32 Schnitte - Beispiel 1 4/5 PEDs: invariante Masse γγ, keine weiteren Schnitte

18 Schnitte - Beispiel 1 4/5 PEDs: invariante Masse γγ, keine weiteren Schnitte jetzt: Schnitt auf Pion-Masse 17 / 32

19 18 / 32 invariante Masse γγ, Schnitt auf Pion-Masse

20 18 / 32 invariante Masse γγ, Schnitt auf Pion-Masse jetzt: Schnitt auf 2 Pionen

21 19 / 32 invariante Masse γγ, Schnitt auf 2 Pionen

22 20 / 32 Confidence Level für Hypothese γp pπ 0 π 0

23 21 / 32 invariante Masse γγ, Schnitt auf Pion-Masse, z-cut und CL

24 22 / 32 Schnitte - Beispiel 2 missing mass, 4/5 PED, keine weiteren Schnitte

25 Schnitte - Beispiel 2 missing mass, 4/5 PED, keine weiteren Schnitte jetzt: Schnitt auf Pion-Masse 22 / 32

26 23 / 32 missing mass, Schnitt auf Pion-Masse

27 23 / 32 missing mass, Schnitt auf Pion-Masse jetzt: Schnitt auf 2 Pionen und z-cut

28 24 / 32 missing mass, Schnitt auf 2 Pionen und z-cut

29 25 / 32 Nächste Schritte: Auswertung der nun übriggebliebenen, guten Daten Klassisch: Messung von Wirkungsquerschnitten, dazu Korrekturen: Akzeptanz Verlust guter Ereignissen durch Schnitte Monte Carlo Lücken im Detektor Fluss Hier: Pion-Masse aus invarianter Masse 2γ-System -Masse aus π 0 und p, p aus missing mass

30 26 / 32 Software wird am CERN entwickelt ( zur Auswertung der Experimente dort für große Datenmengen C++ Interpreter Diagramme aller Art Schnitte mit (fast) alles mit

31 27 / 32 - Software

32 28 / 32 - Software

33 29 / 32 - Software

34 30 / 32 Software beim Studentenexperiment

35 31 / 32 Software beim Studentenexperiment

36 32 / 32 von Ereignissen, Kalibration Daten müssen vor der Auswertung aufbereitet werden: Schnitte geeignete Software: