poszukiwanie neutrin taonowych w wiązce cngs
DESCRIPTION
Poszukiwanie neutrin taonowych w wiązce CNGS. Paweł Przewłocki Seminarium doktoranckie IPJ, 17.05.2005. Moje poprzednie seminarium. Tym razem. Neutrina z wiązki (odpowiednio przygotowanej), nie atmosferyczne Droga oscylacji stała, równa 730km - PowerPoint PPT PresentationTRANSCRIPT
Poszukiwanie neutrin Poszukiwanie neutrin taonowych w wiązce CNGStaonowych w wiązce CNGS
Paweł PrzewłockiPaweł PrzewłockiSeminarium doktoranckie IPJ, 17.05.2005.Seminarium doktoranckie IPJ, 17.05.2005.
Moje poprzednie seminarium...Moje poprzednie seminarium...
Poszukiwanie sygnału neutrin taonowych w eksperymencie
SuperKamiokande
• Co badamy?– Neutrina atmosferyczne– Oscylacje neutrin
• Czym badamy?– Detektor SuperKamiokande
• W jaki sposób?– Słowo o symulacjach– Moja analiza
Paweł Przewłocki
Tym razem...Tym razem...
• Neutrina z wiązki (odpowiednio przygotowanej), nie atmosferyczne
• Droga oscylacji stała, równa 730km
• Argonowy detektor typu TPC, a nie wodny detektor czerenkowowski (możemy dosłownie zobaczyć interakcje)
Plan prezentacjiPlan prezentacji
• Trochę o oscylacjach neutrin Trochę o oscylacjach neutrin • „„Układ eksperymentalny” czyli Układ eksperymentalny” czyli
wiązka CNGS i eksperyment ICARUSwiązka CNGS i eksperyment ICARUS• Oddziaływania neutrin w argonieOddziaływania neutrin w argonie• Jak wybierać przypadki taonowe?Jak wybierać przypadki taonowe?
– Analizy standardoweAnalizy standardowe– Nasza analiza z użyciem sieci Nasza analiza z użyciem sieci
neuronowychneuronowych
• Jeśli neutrina mają masę, możliwa jest zmiana zapachu neutrin.
• Przyjmujemy, że stany własne zapachu są pewną kombinacją stanów własnych masy:
• Stany własne masy propagują się z różną prędkością1(t)=1(0)exp(-iE1t)2(t)=2(0)exp(-iE2t)
Oscylacje neutrinOscylacje neutrin
2
1
cossin
sincos
y
x
Oscylacje neutrin - stan obecny
Eksperymenty słoneczne i reaktorowe:SK, SNO, Kamland
0.00005<Δ m2sol <0.00008 eV2,
0.73<sin22θsol<0.97
Eksperymenty „atmosferyczne”SK, K2K
0.0019<Δm2atm <0.003 eV2,
sin22θatm>0.89
E
LmP yx
222 27.1sin)2(sin)(
Oscylacje – 3 zapachy
ZakładającΔ m2
sol << Δ m2atm , Δ m2
13 = Δ m223 = Δ m2
atm, Δ m212 = Δ m2
sol , δ=0
mamy dwa przypadki:• „atmosferyczny” – małe L/E
• „słoneczny” – duże L/E
Gdy θ13=0 (a jest na pewno małe), to…wzory redukują się do 2-zapachowych!
ELmP /27.1sin2coscos)( 223
223
213
4
1322
122
122
132 2sin5.0/27.1sin2coscos)( ELmP e
ELmP e /27.1sinsin2sin)( 223
223
213
2
)(/27.1sincos2sin1)( 223
213
423
2ePELmP
Układ eksperymentalny, czyli Układ eksperymentalny, czyli jak to wszystko wyglądajak to wszystko wygląda
Produkcja wiązki w CERNieProdukcja wiązki w CERNie
Produkcja wiązki w CERNieProdukcja wiązki w CERNie
Produkcja wiązki w CERNieProdukcja wiązki w CERNie
• Przyspieszone protony (400GeV) rozpraszają się na grafitowej tarczy
• Powstałe w wyniku rozpraszania dodatnie piony i kaony są ogniskowane w odpowiednim kierunku za pomocą rożków magnetycznych (cząstki ujemne są eliminowane z wiązki)
• Cząstki rozpadają się w rurze rozpadowej, głównie na neutrina i miony:
• Własności wiązki kontrolują monitory mionowe (ulokowane za grafitowo-betonową blokadą hadronową).
μνμK,π
e
e
eK
e
0
Neutrina mionowe:
Neutrina elektronowe:
WiązkaWiązka
1,E-15
1,E-14
1,E-13
1,E-12
1,E-11
1,E-10
1,E-09
0 50 100 150 200
Energy [GeV]
flu
en
ce
[G
eV
^-1
m^
-2 (
po
t)^
-1]
nu_mu
anti_nu_mu
nu_e
1,E-15
1,E-14
1,E-13
1,E-12
1,E-11
1,E-10
1,E-09
0 50 100 150 200
Energy [GeV]fl
ue
nc
e [
Ge
V^
-1 m
^-2
(p
ot)
^-1
]
nu_tau
anti_nu_tau
1,E-18
1,E-17
1,E-16
1,E-15
1,E-14
1,E-13
1,E-12
1,E-11
1,E-10
1,E-09
0 50 100 150 200
E [GeV]
flu
ence
[G
eV^
-1 m
^-2
(p
ot)
^-1
]
nu_tau
anti_nu_tau
oryginalna produkty oscylacji
Dla pięciu lat pracy detektora i Δm2=2.5*10-3eV2
E
LmP yx
222 27.1sin)2(sin)(
Detektory są w Gran Sasso:Detektory są w Gran Sasso:
Dwa eksperymenty: Opera i IcarusDwa eksperymenty: Opera i Icarus
IcarusIcarus
Icarus: jeden moduł od środkaIcarus: jeden moduł od środka•Detektor typu TPC (Time Projection Chamber)
•Każdy moduł to metalowe pudełko, napełnione ciekłym argonem (LAr). Moduł przedzielony jest w środku katodą
•Wzdłuż bocznych ścianek umieszczone są trzy płaszczyzny drutów, zbierających sygnały z detektora
•Cząstki naładowane, przechodząc przez materiał detektora jonizują go; pod wpływem pola elektrycznego, elektrony jonizacji wędrują w stronę drutów, które je rejestrują.
•Każda płaszczyzna drutów, w połączeniu z mierzonym czasem dryfu, daje nam dwuwymiarowy obraz zdarzeń w detektorze
Icarus: zasada działaniaIcarus: zasada działania
Wyjściowe dane z detektoraWyjściowe dane z detektora
Poniżej widać mały fragment obrazka wygenerowanego przez jedną z płaszczyzn. Widać na nim rozpadające się pi zero. Oczywiście każdy przypadek to trzy takie widoki, z których dopiero procedury rekonstrukcji są w stanie złożyć obraz trójwymiarowy.
sygnały z kolejnych drutów
czas
RekonstrukcjaRekonstrukcja
• Wszystkie informacje zawarte są na trzech dwuwymiarowych projekcjach
• Rekonstruujemy: energię, kierunek toru lotu bardziej energetycznych cząstek, rodzaj cząstki– Rekonstrukcja energii na podstawie zdeponowanego
ładunku na płaszczyźnie collection– Tory – kombinatoryczna rekonstrukcja 3D punktów torów – Typ cząstki – na podstawie strat energii zależnie od
długości toru – dE/dx
Oddziaływania neutrin w Oddziaływania neutrin w argonieargonie
N N’
NC
l
N N’
CC
N N’
tau CC
%)9(2
%)9(2
%)25(
%)11(
%)18(
%)17(
0
0
0
ee
Neutrina w detektorzeNeutrina w detektorze
• W typowym przypadku neutrino mionowe rozprasza się na jądrze argonu i produkuje mion, piony i wybite z jądra protony
• Neutrino taonowe zamiast mionu powoduje powstanie taonu, który rozpada się na mion/elektron/piony
• Topologia przypadków jest inna
Prosta selekcja wykorzystująca Prosta selekcja wykorzystująca pojedyncze zmiennepojedyncze zmienne
• Możemy selekcjonować przypadki taonowe na podstawie różnic w rozkładach różnych zmiennych
• Najlepiej nadają się do tego przypadki z elektronem (tzw. „golden channel”)– Przypadki z elektronem daje około 17% oddziaływań neutrin
taonowych– Tło pochodzi tylko
od oddziaływań neutrin elektronowych, których w wiązcejest bardzo mało
– Mamy bardzokorzystnystosunek sygnału do tła
Prosta selekcja wykorzystująca Prosta selekcja wykorzystująca pojedyncze zmiennepojedyncze zmienne
Sieci neuronoweSieci neuronowe
xx11
xx22
......
xxnn
ffaktakt(())
1.01.0
outputoutput
(inputs)(inputs)
ww11
ww22
wwnn
wwnn+1+1
Neuron
Sieć
Sieci neuronowe - uczenieSieci neuronowe - uczenie
• Dzielimy dane wejściowe na dwa zbiory: uczący i testowy• Zbiorem uczącym „karmimy” sieć, dla każdego przypadku „mówiąc” jej,
czy jest to przypadek tła czy sygnału– Porównujemy wartość zwracaną przez sieć na wyjściu (jest to wyjście
jedynego neuronu w warstwie wyjściowej) z wartością pożądaną (np. 0 dla tła, 1 dla sygnału)
– Liczymy błąd na wyjściu i propagujemy wstecz błędy, jednocześnie tak modyfikując wagi neuronów we wszystkich warstwach, aby zmniejszyć możliwie najwięcej błąd na wyjściu.
• Proces uczenia kończymy gdy:– Błąd na wyjściu zmniejszy się do pewnej zadanej z góry wartości, albo– (lepiej) błąd w zbiorze testowym zacznie się systematycznie zwiększać (dalsze
kontynuowanie nauki prowadzi wtedy do „przeuczenia” sieci – sieć uczy się na pamięć zbioru uczącego)
• Nauczona (np. danymi symulacyjnymi) sieć ma zakodowany w sobie algorytm selekcji i jest gotowa do używania jej na prawdziwych danych z eksperymentu.
Nasza analizaNasza analiza• Podział na klasy ze względu na typ występującego leptonu
– Klasa z jednym elektronem (1E)– Klasa z jednym mionem (1M)– Klasa bezleptonowa (OL)
• Analizy dla klasy 1E były już robione. My chcemy dodać coś nowego – zobaczyć czy dobre efekty można uzyskać w pozostałych klasach.
Zmienne wykorzystane w analizieZmienne wykorzystane w analizieVariable description Variable
name1 charged lepton events (1E and 1M classes)
No charged lepton events (0L class)
Total momentum of the event (vector sum of momenta of produced particles)
p tot x x
Scalar sum (sum of lengths) of particles’ momenta
pscal x x
Transverse momentum of the event with respect to the beam axis
pt x x
Transverse momentum of the lepton having the largest momentum with respect to the beam axis
ptlep
x -
Ratio of scalar sum of momenta to total momentum.
ptot/pscal x x
Number of electrons and gammas Nel x x
Number of charged pions Nπ x x
Number of protons Np x x
Momentum of particle having the largest momentum
pmax- x
Transverse momentum of the particle with the largest momentum with respect to the momentum of remaining particles
ptmax
- x
ρl x -missT
hadT
lepT
lepT
l ppp
p
Zakładamy idealny detektor i rekonstrukcję następujących cząstek:
•Mionów
•Elektronów,
•Pionów naładowanych(o pędzie > 50 MeV)
•Gamm z rozpadów pizer
•Kaonów
•Protonów (o pędzie > 250 MeV) miss
ThadT
lepT
lepT
l ppp
p
Przykładowe rozkładyPrzykładowe rozkłady
Dlaczego podział na klasy?
Charakter rozkładów dla sygnału i tła jest drastycznie różny w różnych klasach
Pscal[MeV] Pscal[MeV]
Odpowiedź sieciOdpowiedź sieci
Aby uzyskać wynik, należy postawić granicę dla wybranej wartości odpowiedzi sieci.
purity = Nsig(OutputSet) /
( Nbkg(OutputSet) + Nsig(OutputSet) )
efficiency = Nsig(OutputSet) / Nsig(InputSet),
Implementacja sieci - program NetMaker – Robert Sulej
Wynik selekcjiWynik selekcji
purity cut1E 1M 0L
signal background signal background signal background
60% 28.3 19 0.561 0.408 5.82 4.14
50% 29.2 29 1.46 1.53 10 9.39
40% 29.7 45.6 1.67 2.34 14 19.7
Wyniki dla pięciu lat pracy detektora, przy założeniu trzech poziomów purity.
PodsumowaniePodsumowanie
• W kanale 1E wyniki podobne jak w W kanale 1E wyniki podobne jak w innej analizie z użyciem sieci innej analizie z użyciem sieci neuronowychneuronowych
• Nasz wkład – selekcja w klasie 0L Nasz wkład – selekcja w klasie 0L (klasa 1M raczej bezużyteczna)(klasa 1M raczej bezużyteczna)
• Warto by w szerszy sposób Warto by w szerszy sposób uwzględnić efekty detektoroweuwzględnić efekty detektorowe