Escolar Documentos
Profissional Documentos
Cultura Documentos
Matheus Reis
Rio de Janeiro
2023
Matheus Reis
Rio de Janeiro
2023
CATALOGAÇÃO NA FONTE
UERJ / REDE SIRIUS / BIBLIOTECA CTC/D
CDU 02:141:005.7
Autorizo, apenas para fins acadêmicos e cientı́ficos, a reprodução total ou parcial desta
dissertação, desde que citada a fonte.
Assinatura Data
Matheus Reis
Banca Examinadora:
Rio de Janeiro
2023
AGRADECIMENTOS
In this dissertation are presented and explain all the steps taken to measure the
correction factor of triggers, their statistical and systematic uncertainties, in the context
of an analysis that seeks to find evidence of dark matter in proton-proton collisions at the
√
Large Hadron Collider (LHC) with s = 13 TeV, using data from Run II obtained from
the Compact Muon Solenoid (CMS). The search for dark matter is carried out through
the decay bb̄H → Za → l¯lχχ̄, where χχ̄ are the candidates for dark matter in the Weakly-
Interacting-Massive-Particle (WIMP) model, l¯l are oppositely charged leptons, and H is
one of the Higgs bosons produced through the Two-Higgs-Doublet Model (2HDM), thus
representing a process beyond the Standard Model of Elementary Particles (SM).
Throughout the dissertation, the main steps taken in this type of study are
discussed and presented, such as trigger choices, orthogonality factor studies, efficiency
behavior studies, statistical uncertainty treatment of efficiency, how correction factor maps
are created, and how the statistical and systematic uncertainties of these maps are mea-
sured. Finally, the impact of this type of study on the overall analysis is discussed.
γ Fator de Lorentz
ϕ Ângulo azimutal na coordenada do CMS
η Pseudorapidez da coordenada do CMS
µ Partı́cula múon
ee Canal dileptônico com decaimento em dois elétrons
µµ Canal dileptônico com decaimento em dois múons
σµµ Seção de choque do decaimento dileptônico onde as partı́culas filhas são
múon-múon
σee Seção de choque do decaimento dileptônico onde as partı́culas filhas são
elétron-elétron
σtt̄ Seção de choque do decaimento dileptônico
σ Erro associado
SUMÁRIO
INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1 INTRODUÇÃO TEÓRICA . . . . . . . . . . . . . . . . . . . . . . . 18
1.1 Modelo Padrão das partı́culas elementares . . . . . . . . . . . . . . 18
1.1.1 Quarks, léptons e Bósons . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.1.2 Origem do bóson de Higgs no MP . . . . . . . . . . . . . . . . . . . . . . 20
1.2 Matéria Escura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.2.1 Modelo com dois dubletos de Higgs . . . . . . . . . . . . . . . . . . . . . . 22
1.2.2 Busca por matéria escura através do processo bb̄H → Za → l¯lχχ̄ . . . . . 24
2 EXPERIMENTO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.1 O LHC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.1.1 Sequência de aceleração . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1.2 Parâmetros do LHC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2 O experimento CMS . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.1 Sistema de coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.2 O Solenoide e o Return yoke . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.2.3 Detector de traços . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2.4 Calorı́metro eletromagnético . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2.5 Calorı́metro hadrônico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.2.6 Câmara de múons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.3 Sistemas de trigger . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.3.1 Reconstrução dos objetos fı́sicos . . . . . . . . . . . . . . . . . . . . . . . 43
2.3.1.1 Reconstrução dos múons . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.3.1.2 Reconstrução dos elétrons . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.3.1.3 Reconstrução dos hádrons neutros e carregados . . . . . . . . . . . . . . . 44
3 ANÁLISE DOS DADOS . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.1 Dados e simulação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.1.1 Pontos de sinal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.1.2 Processos de fundo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2 Cortes de pré-seleção e seleção . . . . . . . . . . . . . . . . . . . . . . 50
3.2.1 Cortes de pré-seleção: múons . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.2.2 Cortes de pré-seleção: elétrons . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2.3 Cortes de pré-seleção: Jatos . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2.4 Cortes de seleção de sinal . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.3 Correções aplicadas aos eventos simulados . . . . . . . . . . . . . . 53
3.3.1 Correção de pileup . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4 ESTUDO DOS TRIGGERS . . . . . . . . . . . . . . . . . . . . . . . 55
4.1 Escolha dos triggers . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.1.1 Fator de ortogonalidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.2 Eficiência de trigger . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.2.1 Tratamento das incerteza estatı́stica da eficiência . . . . . . . . . . . . . . 64
4.2.1.1 Incertezas dos dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2.1.2 Incertezas da simulação . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.3 Mapas de fator de correção . . . . . . . . . . . . . . . . . . . . . . . . 71
4.3.1 Incerteza sistemática do fator de correção . . . . . . . . . . . . . . . . . . 75
CONCLUSÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
APÊNDICE A – Amostra de dados . . . . . . . . . . . . . . . . . . . . 88
APÊNDICE B – Amostra de sinal . . . . . . . . . . . . . . . . . . . . . 90
APÊNDICE C – Amostra de fundo . . . . . . . . . . . . . . . . . . . . 92
APÊNDICE D – Lista de triggers . . . . . . . . . . . . . . . . . . . . . 96
APÊNDICE E – Gráficos de ortogonalidade . . . . . . . . . . . . . . . 99
APÊNDICE F – Gráficos de eficiência e Nef f . . . . . . . . . . . . . . 120
APÊNDICE G – Gráficos de Fator de Correção e incerteza estatı́stica . 126
APÊNDICE H – Incerteza sistemática dos fatores de correção . . . . . 129
16
INTRODUÇÃO
1
Matéria escura compreende uma forma postulada de matéria que não absorve, espalha ou emite luz,
interagindo somente através da força gravitacional. Energia escura é uma energia responsável pela
expansão do universo.
17
1 INTRODUÇÃO TEÓRICA
2
Não se trata do sabor como empregado no cotidiano. Quando falamos em sabor, estamos nos referindo
aos tipos de quarks que existem
19
Ao todo, existem seis sabores de léptons: elétron (e), múon (µ), tau (τ ) e seus respectivos
neutrinos (ve , vµ e vτ ), que apresentam carga neutra.
Os bósons são as partı́culas de spin inteiro responsáveis por serem as medi-
adoras das forças fundamentais (força fraca, força forte, força eletromagnética e força
gravitacional). O MP é uma teoria quântica que descreve três interações fundamentais
(fraca, forte e eletromagnética), não sendo desenvolvido para explicar a gravidade, por-
tanto, abordaremos apenas as demais forças.
Como mencionado anteriormente, a força responsável por confinar os quarks
em hádrons é a força forte, que tem o glúon como mediador. Esse confinamento é chamado
de confinamento de cor, e o glúon, por também apresentar carga de cor, fica confinado
junto aos quarks. O glúon funciona como uma cola, e caso seja aplicada uma força que
quebre a estrutura dos hádrons, a energia gerada na quebra faz com que o glúon produza
novas partı́culas, como mostrado na figura 2.
1 1
L = (Dµ ϕ)† Dµ ϕ − V (ϕ) − Waµν W aµν − Fµν F µν , (1)
4 4
onde Waµν é o tensor relativo ao grupo de simetria SU(2), Fµν é referente ao grupo de
simetria U(1), Dµ é a derivada covariante e ϕ é o campo dubleto complexo chamado de
campo de Higgs onde a energia potencial do modelo é dada por
2
V (ϕ) = µ2 ϕ† ϕ + λ ϕ† ϕ . (2)
21
Toda estrela orbita em torno do centro de sua respectiva galáxia, mais especifi-
camente em torno do centro de massa da galáxia, devido à atuação da força gravitacional
proveniente da massa de seus corpos. O mesmo pode ser dito sobre os gases que compõem
a galáxia. Através da radiação emitida por esses gases, é possı́vel inferir a velocidade de
rotação das galáxias e determinar qual seria a massa total que essas galáxias deveriam ter
(SARAIVA, 2023). Entretanto, estudos feitos em meados de 1930 pelo astrônomo suı́ço
Fritz Zwicky (1898-1974) acerca da massa do Aglomerado de Coma indicaram que a massa
desse aglomerado de galáxias deveria ser bem maior do que a massa detectada através
da radiação (ROOS, 2010). Foi formulada uma hipótese da existência de uma matéria
não detectável que fosse responsável por esse desequilı́brio, sendo chamada de “Matéria
Escura” (ME). A ME ganhou mais força com o passar dos anos, graças a evidências
de outras anomalias encontradas no espaço, como, por exemplo, as lentes gravitacionais
(LIMA; SANTOS, 2020), mostradas na figura 3.
A partir do desconhecimento sobre o que seria a matéria escura, mas conside-
rando os efeitos que ela gera, foram desenvolvidos modelos teóricos que podem explicar
esses efeitos. Entre as teorias que pressupõem que a matéria escura é uma partı́cula, as
mais aceitas são os áxions (CHADHA-DAY; ELLIS; MARSH, 2022) e as partı́culas mas-
sivas de interação fraca (WIMPs) (ROSZKOWSKI; SESSOLO; TROJANOWSKI, 2018).
No entanto, como a fenomenologia abordada em minha dissertação é baseada nos WIMPs,
somente essa interação será abordada neste trabalho.
Os WIMPs são partı́culas hipotéticas que interagem pouco entre si e, quando
interagem com a matéria, o fazem por meio da força fraca e da força gravitacional. Durante
22
o inı́cio do universo, logo após o Big Bang, as partı́culas se moviam em alta velocidade e
colidiam entre si com muita frequência, formando um plasma quente e denso. À medida
que o universo se expandiu e resfriou, as partı́culas começaram a se agrupar e formar
estruturas maiores, como átomos e galáxias. No entanto, como os WIMPs não intera-
giam facilmente com outras partı́culas, eles se dispersaram uniformemente pelo universo,
tornando-se a matéria escura.
Uma vez que os WIMPs interagem fracamente, é possı́vel que sejam gerados
a partir de partı́culas do MP, desde que essas partı́culas apresentem energia suficiente
para, ao decaı́rem, produzir os WIMPs. Nesse sentido, entra em cena o modelo com dois
dubletos de Higgs (2HDM).
Z2 : Φ1 → −Φ1 e Φ2 → Φ2 (3)
ϕ+
a
Φa = √ , a ∈ {1, 2}, (4)
(va + ρa + iηa ) / 2
p
sendo va os valores esperado de vácuo dos dubletos (v = v12 + v22 ). Também é con-
siderado o tipo II do modelo, no qual o primeiro dubleto se acopla apenas aos quarks
up, enquanto o segundo dubleto se acopla apenas aos quarks down e léptons. Nessas
configurações, após a quebra de simetria, não são gerados quatro campos, mas sim oito
campos, dos quais, três representam os bósons Z 0 , W + e W − , enquanto os demais campos
geram estados escalares novos. Portanto, a adição do segundo dubleto de Higgs leva a
uma fenomenologia mais rica, pois há cinco novos estados escalares fı́sicos, incluindo dois
escalares neutros (h e H), um pseudo-escalar neutro (A0 ) e dois escalares carregados (H +
e H − ). Onde,
H ± = cos βϕ± ±
2 − sin βϕ1 , (5)
m2a0 2
Vdark = a0 + mχ χχ̄ + yχ a0 χ̄iγ 5 χ, (9)
2
2 EXPERIMENTO
2.1 O LHC
3
A partir de 2019 o CERN passou a usar o uma versão mais nova, chamada de LINAC4 mas como o
estudo aqui apresentado usa dados de 2016, 2017 e 2018 só abordaremos o LINAC2
28
equipado com condutores cilı́ndricos que ficam alternando o seu campo elétrico
interno. Através dessa alternância o condutor anterior ao feixe o repele, enquanto
que o próximo condutor o atraı́, fazendo o feixe acelerar e adquirir energia. A
configuração descrita pode ser vista na figura 6. O LINAC2 é capaz de elevar a
energia dos feixes até 50 MeV. Além disso também é empregado um sistema de
pequenos ı́mãs quadrupolos que garantem que os prótons permaneçam em um feixe
estreito (COLLABORATION, 2023c).
Após passarem pelo SPS os pacotes de prótons chegam ao LHC através de dois pontos de
injeção, apresentados na figura 7, gerando dois feixes de prótons com mesma energia mas
sentidos contrários. Esses feixes são acelerados até adquirir uma energia de 6,5 TeV, atual-
mente, e podem colidir em 4 pontos, aonde estão situados os experimentos do LHC, sendo
eles: o Large Hadron Collider beauty experiment (LHCb)(COLLABORATION, 2020c;
COLLABORATION et al., 2008d) para estudo da antimatéria faltante no nosso universo,
a Large Ion Collider Experiment (ALICE)(COLLABORATION, 2020a; COLLABORA-
TION et al., 2008b) para estudo do plasmas quark-gluon, A Toroidal LHC ApparatuS
(ATLAS) (COLLABORATION, 2020b; COLLABORATION et al., 2008a) e o Compact
Muon Solenoid (CMS) ambos de propósito geral(TAYLOR, 2020; CHATRCHYAN et al.,
2008). A distribuição desses experimentos ao longo do LHC também pode ser vista na
figura 7.
Legenda: Desenho ilustrativo dos do LHC onde são apresentados os pontos de injeção
(circulados verdes) e onde estão situados os seus experimentos (estrelas)
Fonte: CERN (CERN, 2023a)
30
1 dNX
L= , (10)
σX dt
onde dNdtX é a taxa de ocorrência por unidade de tempo e σX seria a seção de choque da
interação X, ou seja, a probabilidade de ocorrência dessa interação por unidade de área.4 .
A luminosidade instantânea depende de várias caracterı́sticas do acelerador, tais como a
seção transversal do feixe no plano x (σx ) e y (σy ), número de prótons por pacote (Nb ),
o ângulo de cruzamento (θc ) entre os dois feixes (F ), a frequência de revolução do feixe
(f ) e o número de pacotes por feixe (n). A fórmula que relaciona todos esses termos com
a luminosidade instantânea pode ser vista na equação 11.
n.Nb2
L=f .F (θc , σx , σy ) (11)
4.π.σx .σy
Z
L= L dt (12)
4
Sendo assim, caso tenhamos a luminosidade instantânea e a seção de choque de determinado processo
fı́sico podemos mensurar o número de ocorrência desse processo por unidade de segundo. Essa lógica
é empregada na normalização das simulações.
31
Legenda: Luminosidade integrada do LHC que foi entregue ao CMS ao longo dos anos
de tomadas de dados
Fonte: CMS COLLABORATION (COLLABORATION, 2023)
o que chamamos de Run 1, sendo o perı́odo de coleta de dados onde foi feita a descoberta
do bóson de Higgs (CHATRCHYAN et al., 2012). Os anos subsequentes de 2013, 2014 e
2015 foram utilizados para fazer melhorias e preparar o LHC para um novo perı́odo de
tomadas de dados com uma energia de centro de massa bem maior. A retomada ocorreu
em 2016 com uma energia de centro de massa de 13 TeV, essa configuração se manteve
pros anos de 2017 e 2018, completando assim o Run 2. Esse perı́odo, por apresentar uma
maior estatı́stica, foi utilizado para diminuir as incertezas das medidas feitas no Run 1 e
procurar novos fenômenos fı́sicos como supersimetria e matéria escura. O LHC desde o
final do Run 2 vem se preparando para o Run 3, que teve seu inı́cio em julho de 2022 com
√
uma energia de centro de massa de s = 13, 6 TeV.
O estudo apresentado nessa dissertação utiliza os dados de 2016, 2017 e 2018,
o que compreende a tomada de dados do Run 2 5 . Além disso, os dados utilizados nesse
5
Durante esse perı́odo, os experimentos do LHC apresentam configurações distintas das utilizadas hoje
em dia. A descrição que foi feita sobre o LHC e a que será feita sobre o experimento CMS é levando
em consideração a sua configuração na época do Run 2.
32
Legenda: Desenho ilustrativo das dimensões e camadas que compõem o CMS onde são
apresentados o TRACKER (bege), o ECAL (verde), o HCAL (cobre), Solenoid
(cinza), IRON YOKE (vermelho) e Muon Chambers (branco).
Fonte: CMS (FOCARDI, 2012)
distância da partı́cula até o ponto de colisão do feixe no plano xy. E θ definido a partir
do eixo z com relação ao vetor posição da partı́cula (CHATRCHYAN et al., 2008). Todos
essas variáveis podem ser vistas na figura 10.
A partir do sistema de coordenadas do CMS podemos determinar algumas
variáveis interessantes que nos auxiliam na etapa de seleção dos objetos fı́sicos. Alguns
exemplos são: a pseudo-rapidez (PHYSICS, 2020; WOLFF, 2023), que também pode ser
vista na figura 10, dada pela fórmula:
θ
η = −ln tan (13)
2
onde η varia de −∞, +∞, o momento transverso (pT ) e a energia transversa (ET ) ambas
relacionadas ao plano xy da seguinte forma
q pT
pT = p2x + p2y ; ET = E p 2 (14)
pT + p2z
tenham sua trajetória modificada, graças a inversão do campo magnético. Essa trajetória
curva ajuda na precisão das medidas feitas pelas câmaras de múons.
6
O vértice primário é o ponto de colisão dos prótons. Outros vértices, como o vértice secundário, podem
ser o resultado de decaimento de partı́culas produzidas na colisão e que têm um tempo de vida longo
o suficiente.
36
o detector de pixel deve apresentar uma alta resistência a radiação e, ao mesmo tempo,
uma resolução grande o suficiente para impedir que uma ou mais partı́culas atravessem ao
mesmo tempo a mesma célula de detecção (COLLABORATION, 2008). Pensando nisso
são empregados cerca de 66 milhões de pixels de silı́cio, cada um funcionando como um
sensor, que após a passagem das partı́culas carregadas emite um sinal (também chamado
de hit). O sinal do pixel é gerado devido a passagem das partı́culas carregadas que ionizam
o material do silı́cio, que devido a uma tensão aplicada, apresenta campo elétrico interno,
que será responsável por mover os elétrons livres gerados na ionização para os receptores
que, por fim, registram o hit.
Já o detector de tiras, por estar mais afastado do ponto de interação, recebe
um menor fluxo de partı́culas, e por isso, é composto por tiras de silı́cio, que funcionam
da mesma forma que os pixels do detector de pixels (TAYLOR; ZEMLERIS, 2020; COL-
LABORATION, 2008). O detector de tiras é dividido em quatro partes, sendo elas: barril
interno (Tracker Inner Barril - TIB) e os discos internos (Tracker Inner Disks - TID), que
compõem a parte interna do detector de tiras, e o barril externo (Tracker Outer Barrel -
TOB) e a capa (Tracker EndCap - TEC), que compõem a parte externa do detector de
tiras. O detector de traços cobre um intervalo de |η| < 2, 5, como podem ser vistos na
figura 13
37
• o barril (Hadron Barrel Calorimeter - HB): parte mais interna do HCAL ele é com-
posto de latão, que tem um comprimento de interação nuclear curto, fazendo com
39
• a parte externa (Hadron Outer Calorimeter - HO): localizado após o solenoide su-
percondutor, o HO é utilizado para identificar chuveiros 7 de inicio tardio. Isso por
que tanto o HE quanto o HB, devido as suas respectivas dimensões, não conseguem
absorver todas as partı́culas produzidas pelos hádrons. o HO possui área de atuação
|η| < 1,3;
7
Os hádrons ao colidirem de forma inelástica com os detectores, acabam gerando diversos pı́ons e outros
núcleons com alto momento transverso, que por sua vez também vão decair em mais partı́culas. Esse
processo é chamado de chuveiros hadrônicos e possuem uma maior abertura quando comparados com
os chuveiros gerados no ECAL.(MORAES, 2020)
40
Para que seja feita a identificação da passagem dos múons são utilizados ao
todos três detectores a base de ionização gasosa que são colocados entre as placas do
return yoke, vistos na figura 17 . Sendo eles:
• os tubos de deriva (Drift Tubes - DT): responsável por identificar e medir a pas-
sagem de múons na região do barril, o DT utiliza de pequenos tubos de 4 cm de
comprimento, que possuem em seu interior um fio esticado envolto de gás ionizado.
Quando o múon, ou qualquer outra partı́cula carregada, passa pelo gás ele arranca
elétrons que ficam suspensos e, devido a um campo elétrico, são direcionados ao fio,
que está carregado positivamente, gerando um sinal que pode ser mensurado. Cada
câmara de DT utiliza de 8 a 12 camadas de tubos (COLLABORATION, 2023e), or-
ganizadas de forma que a posição do múon seja registrada de forma bastante precisa
na região de |η| < 1.2;
- L1) e a segunda chamada de trigger de Alto Nı́vel (High Level Trigger - HLT) (CERN,
2023b).
O L1 é responsável por selecionar, através da informações dos calorı́metros e
da câmara de múons, eventos que apresentam caracterı́sticas relevantes à alguma linha
de pesquisa da colaboração. A seleção é realizada por meio de uma lista de algoritmos
(conhecidos como “seeds”), que coletivamente são chamados de “menu”, responsáveis por
verificar os eventos em relação a critérios predeterminados. Qualquer evento que satisfaça
as condições de pelo menos uma seed no menu é aceito para processamento posterior na
cadeia de trigger (SIRUNYAN et al., 2020).
Para identificar se determinado evento ativou alguma seed é necessário fazer
reconstrução de alguns objetos fı́sicos. Por isso, o L1 utiliza uma cadeia de algoritmos de
reconstrução, que se dividem em dois sistemas: os triggers dos múons (Muon Trigger ) e
os triggers do calorı́metro (Calorimeter Trigger ). A hierarquia de ativação desses triggers
pode ser vista na figura 18.
informações registradas nessa etapa são enviadas para a segunda, e última, camada do
sistema de gatilhos o HLT.
O HLT tem o objetivo de classificar os eventos com base na sua topologia,
podendo ou não levar em consideração as informações de objetos fı́sicos reconstruı́dos
ou estado do detector. Nessa camada é empregado um algoritmo de reconstrução mais
sofisticado do que o utilizado no L1, este sendo abordado na seção 2.3.1, onde é utilizada
as informações coletadas pelo L1 e o detector de traços. Uma vez reconstruı́do, o evento
passa por diversos seletores, também chamados de paths, que selecionam o evento com
base em algum requerimento8 . Ao todo, no Run2, foram empregados cerca de 600 paths,
representando diferentes topologias e cinemáticas. Mesmo sendo empregado cerca de
30 mil CPUs (SERT, 2020), só passam cerca de 1000 eventos dos 100 mil selecionados
pelo L1. Os eventos selecionados são armazenados em datasets e disponibilizados para a
comunidade cientı́fica do CMS.
8
Por exemplo, o path HLT Mu13 Mu8 v12, seleciona eventos que apresentem dois múons com momento
transverso maior que 13 GeV e 8 GeV, respectivamente.
44
Devido ao fato dos elétrons e fótons depositarem a maior parte de sua energia
no ECAL enquanto que os hádrons depositam no HCAL, é empregado um algoritmo de
clusterização para agrupar os depósitos de energia no ECAL deixado pelos elétrons e
fótons. O sinal deles é bem caracterı́stico, pois os elétrons ao interagirem com o detector
emitem fótons que por sua vez decaem em um par elétron e pósitron que de novo vão
emitir fótons. E esse efeito cascata é identificado e é feita a distinção entre fótons e
elétrons utilizando informação do detector de traços. Nessa etapa do detector de traços é
empregado um algoritmo próprio para o elétron chamado de Gaussian Sum Filter (Gsf),
podendo assim mensurar seu momento inicial antes do efeito cascata (ADAM et al.,
2005a).
a combinação dos traços do detector de traços com os depósitos de energia presentes nos
calorı́metros, sendo levado em consideração a ausência de traços compatı́veis na câmara
de múons. Determinados quais depósitos de energia são provenientes dos hádrons car-
regados, é feita uma melhor calibragem dos depósitos de energia presentes no HCAL.
Depósitos de energia presentes no HCAL sem nenhuma relação com outros sub-detetores
são considerados hádrons neutros.
46
A massa do Higgs pesado, bem como a massa do pseudo escalar “a” são
parâmetros livres. É feita uma varredura de diferentes combinações de massa, tanto
para o Higgs pesado, quanto para o pseudo escalar, que podem ser visualizados na ta-
bela 1. Esses pontos serão utilizados na busca por evidências de matéria escura e a lista
completa de amostras dos pontos de sinal se encontram no apêndice B
Um conceito importante sobre essa topologia é que quando há uma grande
diferença entre a massa do Higgs pesado e o pseudo escalar “a” consideramos que o
evento foi boosted, ou seja, que os léptons, provenientes do decaimento do Z, apresentem
valores altos de momento transverso e se encontram muito próximos quando se observa
os valores de pseudo-rapidez. Separamos então os nossos pontos de sinal em dois tipos:
boosted e não boosted. Esse conceito é retomado quando começarmos os estudos sobre o
comportamento da eficiência dos triggers em diferentes variáveis cinemáticas.
Os dados reais não são constituı́dos apenas de sinal, na realidade eles são
compostos de diversos processos, alguns parecidos e outros bem diferentes do processo de
sinal. A esses processos é dado o nome de fundo, e devem ser levados em consideração
para que a simulação possa representar de forma fidedigna os dados reais.
Diversos processos de fundo são considerados na análise principal (apêndice C),
48
entretanto alguns se apresentam mais relevantes devido a sua parcela de contribuição nos
eventos de sinal. Para simplificar a visualização das amostras, agrupamos elas com base
na relevância ou topologia que elas apresentam. Assim foram determinados os seguintes
grupos de processos, reproduzidos em amostras de simulação: Drell-Yan, tt̄, single Top,
WZ, ZZ e residual.
O conjunto Drell-Yan é composto de amostras do processo de Drell-Yan+jatos.
Esse processo consiste na geração de um fóton virtual (γ ∗ ) ou um bóson Z que decai em
dois léptons de cargas opostas. No LHC devido aos remanescentes do espalhamento dos
prótons o resultado da produção de Drell-Yan também vem com a geração de jatos, uma
ilustração do processo pode ser visto na figura 19.
Todos os outros processos fı́sicos, que devido a sua baixa taxa de ocorrência,
não se tornam tão significantes são agrupados no grupo chamado de residual. Uma vez
definidas as amostras de sinal e de fundo é feita a etapa de cortes de pré-seleção e seleção.
Embora todos esses processos sejam utilizados na análise por busca de matéria
escura, somente o conjunto de tt̄ é utilizado no estudo de eficiência de triggers.
50
Com o intuito de analisarmos eventos, são aplicados diversos cortes nos objetos
que estão presentes no estado final do sinal. Esses cortes são chamados de cortes de pré-
seleção e a seguir é feita uma breve descrição dos cortes de qualidade que foram aplicados
aos objetos.
Visando reduzir o ruı́do, são aplicados vetos em léptons e jatos com baixo
momento. Também é aplicado um veto com base na pseudorapidez dos objetos, uma
vez que o detector não funciona em todas as regiões de pseudorapidez. Todos os objetos
fı́sicos passaram por algoritmos de identificação, variando seu rigor de acordo com a
necessidade de cada objeto. No caso do múon, que possuem uma identificação muito
limpa, é aplicado um algoritmo com rigor médio. No caso dos elétrons é empregado um
algoritmo multivariável (MVA), que possui uma eficiência boa em discriminar elétrons
reais dos falsos. Por fim, no caso dos jatos são aplicados algoritmos de rigor alto, variando
a depender do ano dos dados.
Também são feitos cortes devido ao isolamento dos múons e jatos. No caso
dos múons é feito um corte devido a sua energia depositada ao longo do detector, quando
comparado com seu momento. Já no caso dos jatos são excluı́dos jatos com baixo pt e
classificados como provenientes pile-up. Também são excluı́dos jatos que estejam muito
próximos de elétrons e múons que tenham passado pelos cortes de pré-seleção.
Um descrição mais objetiva dos cortes de pré-seleção dos múons, elétrons e
jatos, são apresentados nas seções 3.2.1, 3.2.2 e 3.2.3, respectivamente.
(f) χ2 máximo calculado pelo algoritmo de vértices secundários deve ser menor
que 20(SIRUNYAN et al., 2018);
3. Isolamento relativo do múon (RMI) < 0,2, sendo que o isolamento relativo é dado
pela seguinte fórmula:
pChargHadnP V
ETN euHadP V + ETP hoton − 0, 5 ∗ pChargHadP U
P P P P
T + max(0, T )
(16)
pt (µ)
onde pChargHadnP
T
V
, ETN euHadP V , ETP hoton e pChargHadP
T
U
representam o momento dos
hádrons carregadas, a energia transversal dos hádrons neutros, energia transversal
dos fótons e momento dos hádrons carregados, respectivamente9 . É aplicada uma
correção nas variáveis de isolamento da equação 16 para compensar os efeitos de
interações adicionais provenientes de outros vértices de interação, ou seja, even-
tos de pile-up. São considerados apenas partı́culas associadas ao vértice primário,
aplicando-se uma correção na forma de subtração da energia depositada no cone de
isolamento por partı́culas carregadas que não estão associadas ao vértice primário,
multiplicada por um fator de 0,5.
2. ter passado pelas identificações de rigor “tight”, “loose” e “tightlepveto” para o ano
de 2016, e passar no rigor “tight” e “tightlepveto” para os anos de 2017 e 2018. O
que significa ter, no mı́nimo:
9
Cada uma das variáveis, ChargHadPV, NeuHadrPV e Photon são provenientes do vértice primário.
Enquanto que o CharHadPU são hádrons carregados provenientes do pile-up.
52
3. jatos com pT < 50 GeV e que foram identificados como jatos provenientes de pile-up
com rigor “fail ”, “loose” e “medium” são eliminados;
10
1. ter dois léptons de cargas opostas ;
4. o lépton de maior momento transverso do evento deve ter momento maior que 40
GeV ;
10
Caso existam mais de dois léptons de cargas opostas, são selecionados os dois com maior momento e
com cargas opostas. Onde o lépton de maior momento e o lépton de menor momento são chamados
de leading lepton e subleading lepton, respectivamente.
53
6. o momento transverso do sistema de dois léptons deve ser maior que 40 GeV ;
Para que a modelagem dos dados seja o mais fiel possı́vel, aplicamos algumas
correções à simulação. Existem diversos tipos de correções nesse sentido e que foram
aplicadas na análise geral: pileup, identificação de múons, identificação de elétrons e
trigger. Todas elas geram pesos que são aplicados à simulação visando adquirir uma
melhor compatibilidade entre dados e simulação.
54
Quando uma colisão produz um evento que aciona o sistema de triggers, não
são armazenados somente as informações de uma única colisão, mas também de diversas
outras que ocorreram de forma simultânea. Essas interações extras são chamados de
eventos de pileup e são responsáveis por gerar uma grande poluição de informações, sendo
mensurada através da distribuição do número de vértices.
A distribuição do número de interações é gerada na simulação através de uma
distribuição de Poisson que possui média igual ao número esperado de interações esperada
para aquela tomada de dados. Essa distribuição, entretanto, apresenta diferenças quando
comparada com o que é observado nos dados, e devido a isso é necessário aplicar uma
correção na simulação de forma que as distribuições fiquem compatı́veis.
A correção é feita através da aplicação de pesos na simulação, sendo esses a
proporção entre os dados e simulação nas respectivas distribuição normalizadas do número
de interações. Um exemplo dessas correção pode ser visto na figura 22.
de seleção (GROUP, 2023), pois o uso desses triggers normalmente esta atrelado ao estudo
de topologias com alta taxa de ocorrência, o que não é o caso.
Levando esses pontos em consideração, utilizamos dois critérios para determi-
nar quais triggers poderiam ser usados para esse estudo. São eles:
2. o triggers que pertence a qualquer um dos conjuntos deve ter funcionado durante
toda a tomada de dados, tendo então uma luminosidade efetiva igual ao da tomada
de dados do seu respectivo ano:
11
Nesse estudo só esta sendo considerado o canal di-leptônico, podendo apresentar no final do decaimento
dois múons, dois elétrons ou um múon e um elétron.
57
Um dos primeiro estudos que se faz após a escolha dos triggers é observar a
suas taxas de ativação em porcentagem, fazendo uma comparação entre dados e simulação.
Diversas percepções podem ser adquiridas acerca desse estudo preliminar, tais como:
indı́cios de uma mau reprodução de algum trigger pela simulação, inconsistências de
algum trigger nos dados e na simulação e identificação de triggers com maior ativação
nos seus dados. Por exemplo, nas figuras 23,24 e 25, é apresentado a taxa de ativação
percentual do conjunto principal de triggers, tanto para os dados quanto para a simulação,
nos canais µµ, ee e eµ, respectivamente. A primeira observação é que não há uma grande
discrepância entre o que é encontrado nos dados e na simulação, indicando que não há
uma má simulação dos triggers. Além disso, é possı́vel observar que ocorre uma maior
12
Combinação aqui é o soma vetorial dos momentos das partı́culas
58
taxa de ativação de triggers que são disparados baseados em múons no canal µµ e triggers
que aplicam seleções com base nos elétrons no caso do canal ee, o que é o esperado. No
caso do canal eµ onde existem eventos com um múon e um elétron, a taxa de ativação
dos triggers de um múon, um elétron ou um múon e um elétron apresentam uma maior
taxa de ativação, o que também é esperado.
Como foi possı́vel observar nas figuras (23,24 e 25) alguns triggers possuem
maior ativação em determinados canais enquanto possuem menor ativação em outros, por
isso, a partir daqui cada canal utilizará uma lista de triggers personalizado, contendo os
triggers que possuem uma boa taxa de ativação. Logo, são utilizados no canal µµ triggers
que aplicam seleção com base em um múon ou dois múons. No caso do canal ee são
considerados apenas os que selecionam um elétron ou dois elétrons. E por fim no caso
do canal eµ são considerados aqueles que aplicam seleção com base em um múon, um
elétron ou um múon e um elétron. O mesmo estudo foi feito para os outros anos, não
sendo encontrado nenhuma inconsistência e feita as mesmas considerações.
a seleção que é feita pelos triggers do conjunto auxiliar. Esse estudo se faz necessário pois,
como mencionado, o conjunto auxiliar é utilizado para selecionar uma amostra dos eventos
que serão a base para se calcular a eficiência do conjunto principal. Não é interessante que
a amostra selecionada possua algum tipo de viés com a seleção que é feita pelo conjunto
principal. Por isso, nessa seção é feito um estudo de ortogonalidade entre as amostras dos
eventos que são selecionadas por cada conjunto de triggers.
Para confirmar se uma seleção independe da outra, utilizamos o teorema da
multiplicação de probabilidades que diz que caso probabilidade de ocorrência de um evento
A (P (A)) seja independente da probabilidade de ocorrência de um evento B (P (B)), então
a probabilidade de ocorrer tanto o evento A quanto B (P (A∩B)) é dada pela probabilidade
de ocorrer A, multiplicada pela probabilidade de ocorrer B, ou seja:
P (A) × P (B)
1= (18)
P (A ∩ B)
60
Como nosso estudo é das seleções feitas pelos triggers e considerando que a
eficiência se traduz como probabilidade de ocorrência de determinada seleção, a equação
18 se converte em
ϵprincipal × ϵauxiliar
α= (20)
ϵprincipal,auxiliar
tivo de consulta no apêndice E.1 são apresentados todos os valores dos triggers auxiliares
calculados de forma individual.
Nselecionados Ns
ϵ= →ϵ= (21)
Ntotal Nt
(a) (b)
(c)
Isso ocorre devido ao fato de que a seleção usa como critério o momento transverso do
lépton (nesse caso do elétron), sendo então esperado esse tipo de comportamento.
Por fim, a última distribuição, que representa a distância (∆R) entre os dois
léptons de maior pT e com cargas opostas, possui uma tendência contraria à apresentada
na distribuição do pT do leading lépton. Esse comportamento está condizente com o
esperado, pois, como mencionado na seção 3.1.1, existem os eventos chamados boosted e
uma caracterı́stica desses eventos é ter um valor de ∆R baixo e léptons de alto pT que,
consequentemente, representa uma maior eficiência de seleção para valores baixos de ∆Rll .
Tendo entendido que cada variável apresenta um comportamento de eficiência
diferente ao longo de sua distribuição e que esse comportamento está atrelado a fı́sica da
seleção, é possı́vel observar o comportamento da eficiência em diferentes variáveis para
confirmar se tudo está condizente com o que é esperado na teoria.
Uma vez que há diversas informações disponı́veis em um evento, é impres-
cindı́vel estabelecer um critério para selecionar aquela mais adequada para calcularmos
a eficiência e fazer a comparação entre dados e simulação. Dessa forma, considerando
que a seleção do conjunto principal é baseada em informações dos léptons, optou-se es-
tudar o comportamento da eficiência através das caracterı́sticas fı́sicas dos léptons, como
momento transverso (figura 28) e módulo da pseudorapidez (figura 27).
A análise dos resultados indica que distribuições do módulo da pseudorapidez
(figura 27) não seguem nenhuma tendência, o que era esperado, uma vez que não há um
seleção com base na pseudorapidez dos léptons, mas sim para seu momento transverso.
Tendo isso em mente, optou-se por utilizar apenas as distribuições de pT dos léptons de
maior momento, chamado de leading léptons, e o segundo lépton de maior momento,
chamado de subleading lépton para os canais µµ e ee, no caso do canal eµ serão utilizados
o pt do leading elétron e leading múon.
Definido quais informações dos eventos vamos utilizar, há a questão de que
largura da classe (bin) utilizar. Dependendo de que largura de bin esta se adotando, pode
ocorrer uma generalização ou perda de precisão, o que resulta em um fator de correção
ruim. Vamos tomar a distribuição do momento do leading lépton no canal ee como
exemplo, mas utilizando diferentes larguras de bin entre elas (figura 29).
No caso do item (a) da figura 29 é empregado bins de largura muito pequeno,
obtém-se um fator de correção com uma grande granularidade mas com uma incerteza
muito maior. Em contra partida no item (c), o uso de um bin de largura muito grande
generaliza o valor do fator de correção que deve ser aplicado. Por isso, deve-se achar um
meio termo entre esses dois, o que é o caso do item (b), onde cada bin apresenta uma
incerteza baixa mas ao mesmo tempo há uma granularidade que permite ver a variação
da razão entre dados e simulação.
No começo desse estudo, optou-se por bins com a maior granularidade possı́vel,
desde que a incerteza estatı́stica nos dados fosse menor que 5% do valor da eficiência. Isso
64
foi feito para que os bins apresentassem uma boa estatı́stica. Mas como veremos na seção
4.2.1, a forma como é feito o tratamento das incertezas da simulação acaba interferindo
na escolhas da largura dos bins.
σp
ϵ ± Z(1−α) √ (22)
Na
66
(a) (b)
(c)
onde ϵ é a eficiência média de cada amostra, Z(1−α) é um fator de proporção com base no
intervalo de confiança que se quer adotar, σp o desvio padrão populacional e Na o total
de eventos da amostra.
67
k =p×n (23)
onde k representa o número de eventos caracterizados como sucesso. Por padrão, o inter-
valo de confiança utilizado é o chamado intervalo de confiança de Waldi (BROWN; CAI;
DASGUPTA, 2001). Nesse intervalo de confiança teremos que a incerteza de k será dada
por
r
p(1 − p)
σk = Z(1− α2 ) (24)
N
Essa incerteza, entretanto, funciona somente no intervalo 0 < ϵsel < 1. Nos valores
limite, ϵ = 0 e ϵ = 1, a incerteza dada pela equação 25 passa a ser 0 o que é conceitual-
mente errado. Faz-se necessário então utilizar outro intervalo de confiança da distribuição
binomial, sendo aconselhado pelo comitê de estatı́stica da colaboração CMS, utilizar o
intervalo de Clopper-Pearson (TALK, 2023). Os limites inferior e superior da incerteza
do intervalo de Clopper-Pearson são dados por
α α
B ; x, n − x + 1 < p < B 1 − ; x + 1, n − x (26)
2 2
s 1 f
ϵ= = ,r = (27)
s+f 1+r s
sendo s o número de eventos que passaram e f o número de eventos que não passaram
pela seleção do conjunto principal de triggers. O número de eventos que passaram pela
seleção é igual ao somatório dos pesos dos números de eventos que passaram, teremos
v
N
X
u N
uX
s= Wi ± t Wi2 (28)
i=1 i=1
onde essa estimativa da incerteza só é válida quando a contagem de eventos em cada
largura de classe segue uma distribuição de Poisson. A distribuição de Poisson é uma
distribuição de probabilidade discreta que descreve a probabilidade de ocorrer um de-
terminado número de eventos em um intervalo fixo de tempo ou espaço, sendo muito
utilizada em contagens, que é caso das quantidades s e f . Tendo as incertezas de s e f , e
sabendo que r é construı́do em função deles, como visto na equação 27, podemos adquirir
a incerteza de r através da seguinte propagação de incerteza
s 2
σf σ 2
s
σr = r × + (29)
f s
e uma vez que temos a incerteza de r, podemos adquirir a incerteza da eficiência em função
da incerteza do r, através de novo da propagação de erro, tendo
σr
σϵ = (30)
(1 + r)2
Para que seja correto fazer todas essas propagações de erro, é necessário ga-
rantir que as distribuições de s e f se aproximam de uma distribuição gaussiana. Segundo
o teorema do Limite Central qualquer tipo de distribuição caso tenha uma quantidade
70
grande de eventos pode ser aproximada de uma distribuição gaussiana (FARBER, 2014).
A forma que vamos utilizar para determinar se a distribuição possui uma quantidade
grande de eventos é através da razão entre o quadrado do somatório dos pesos dividido
pelo somatório dos pesos ao quadrado, ou seja
( Wi )2
P
Nef f = P 2 (31)
Wi
sendo Nef f é o fator que apresenta o número de eventos efetivo, caso o valor seja maior
ou igual a 25 em todos os bins da distribuição dos eventos que passaram e dos eventos
que não passaram, podemos considerar que a distribuição é gaussiana e o método fica
válido. A necessidade de ter valor maior que 25 em cada bin é o principal critério de
determinação de quão curta pode ser uma largura de bin, tanto para a distribuição de
momento do leading lépton quanto para subleading lépton. Com isso foram determinados
os seguintes intervalos de bins:
Ano 2017 Ano 2016 e 2018
• Canal µµ • Canal µµ
• Canal eµ • Canal eµ
• Canal ee • Canal ee
Em azul estão os bins que não mudaram ao longo dos anos e em vermelhos os
bins que possuem diferenças. Os novos valores de eficiência e Nef f pro canal ee , µµ e eµ
no ano de 2018 poder ser vistos pelas figuras 31, 32 e 33, respectivamente. Demais anos
estão disponı́veis no apêndice F.
71
Legenda: (a),(b) e (c) são gráficos da eficiência e seus erros, valores de Nef f dos eventos
que não passaram pela seleção e Nef f dos eventos que não passaram pela
seleção na distribuição do leading lépton. (d), (e) e (f) são a mesma coisa mas
para o subleading lépton.
Fonte: O autor, 2023
ϵdados
SF = (32)
ϵsimulação
72
Legenda: (a),(b) e (c) são gráficos da eficiência e seus erros, valores de Nef f dos eventos
que não passaram pela seleção e Nef f dos eventos que não passaram pela
seleção na distribuição do leading lépton. (d), (e) e (f) são a mesma coisa mas
para o subleading lépton.
Fonte: O autor, 2023
onde haverá uma incerteza superior tanto quanto uma incerteza inferior. Isso se deve ao
fato de a incerteza na eficiência dos dados não ser simétrica, diferente da incerteza da
simulação que possui mesmo valor.
73
Legenda: (a),(b) e (c) são gráficos da eficiência e seus erros, valores de Nef f dos eventos
que não passaram pela seleção e Nef f dos eventos que não passaram pela
seleção na distribuição do leading elétron. (d), (e) e (f) são a mesma coisa mas
para o leading múon.
Fonte: O autor, 2023
Legenda: Na primeira linha estão presentes os valores de Nef f que passaram pela seleção,
na segunda linha o Nef f dos eventos que não passaram. São apresentados os
valores do canal ee, eµ e µµ pras colunas 1, 2 e 3 respectivamente.
Fonte: O autor, 2023
75
Legenda: Na primeira linha estão presentes os valores de Nef f que passaram pela seleção,
na segunda linha o Nef f dos eventos que não passaram. São apresentados os
valores do canal ee, eµ e µµ pras colunas 1, 2 e 3 respectivamente.
Fonte: O autor, 2023
Legenda: Na primeira linha estão presentes os valores de Nef f que passaram pela seleção,
na segunda linha o Nef f dos eventos que não passaram. São apresentados os
valores do canal ee, eµ e µµ pras colunas 1, 2 e 3 respectivamente.
Fonte: O autor, 2023
as incertezas sistemáticas obtidas dessa fonte de incerteza estão presentes no apêndice H.1
para todos os anos.
Por fim, a última fonte de incerteza sistemática é inferida através da diferença
entre o fator de correção e um novo fator de correção calculado após a aplicação de
algum corte. Idealmente o corte é aplicado em variáveis que não possuem nenhum tipo
de correlação com a seleção feita pelo conjunto principal de triggers e, consequentemente,
devem apresentar o mesmo valor de fator de correção. Caso haja uma diferença, ela é
registrada e considerada como sendo uma incerteza sistemática. Ao todo foram escolhidos
seis cortes, resultando para um mesmo bin, seis diferentes valores de incerteza. Foi então
determinado que o módulo da maior diferença encontrada dentre essas incertezas será
considerada a incerteza sistemática dessa fonte, ou seja, σhighLowN jetsN P V M ET . Os cortes
e os respectivos nomes dos novos fatores de correção, criados com base na sua região,
podem ser vistos na tabela 4. A diferença entre o fator de correção encontrado (figuras
70, 71 e 34) e o fator de correção encontrado nas regiões da tabela 4 podem ser vistos no
apêndice H.2, para todos os anos.
Uma vez definido todos as fontes de incertezas sistemáticas e como mensurar
cada uma delas, podemos combiná-las em apenas um valor, através da equação
q
σsys = (σperiod )2 + (σhighLowN jetsN P V M ET )2 + (σT otalCorrelationBinError )2 (36)
Tabela 4 - Tabela com definição dos cortes para fonte de incerteza sistemática
Figura 40 - Mapas com os valores finais de incerteza sistemática para os anos de 2018
dos fatores de correção são aplicados aos pesos dos eventos de simulação.
80
CONCLUSÃO
REFERÊNCIAS
AAD, G. et al. Observation of a new particle in the search for the standard model higgs
boson with the ATLAS detector at the LHC. Physics Letters B, Elsevier BV, v. 716, n. 1,
p. 1–29, Sep. 2012. Disponı́vel em: ⟨https://doi.org/10.1016%2Fj.physletb.2012.08.020⟩.
ADAM, W. et al. Reconstruction of Electrons with the Gaussian-Sum Filter in the CMS
Tracker at the LHC. Geneva, 2005. Disponı́vel em: ⟨https://cds.cern.ch/record/815410⟩.
ADAM, W. et al. Track Reconstruction in the CMS tracker. Geneva, 2006. Disponı́vel
em: ⟨https://cds.cern.ch/record/934067⟩.
BEAUDETTE, F. The cms particle flow algorithm. arXiv, 2014. Disponı́vel em:
⟨https://arxiv.org/abs/1401.8155⟩.
CERN. CMS Trigger: Lessons from LHC Run 2. 2023. Disponı́vel em: ⟨https:
//ep-news.web.cern.ch/content/cms-trigger-lessons-lhc-run-2⟩. Acesso em: 7 de março
de 2023.
CHATRCHYAN, S. et al. Observation of a new boson at a mass of 125 GeV with the
CMS experiment at the LHC. Physics Letters B, Elsevier BV, v. 716, n. 1, p. 30–61,
Sept. 2012. Disponı́vel em: ⟨https://doi.org/10.1016%2Fj.physletb.2012.08.021⟩.
FILARDO JOSé E DORSA, M. Teoria de Grupos. Primeira edição. São Paulo: Livraria
da Fı́sica, 2008. 286 p.
FOCARDI, E. Status of the cms detector. Physics Procedia, v. 37, p. 119–127, Dec. 2012.
GLEN, S. Alpha Level (Significance Level): What is it? 2023. Disponı́vel em:
⟨https://www.statisticshowto.com/probability-and-statistics/statistics-definitions/
what-is-an-alpha-level/⟩. Acesso em: 7 de março de 2023.
GONçALVES, D.; MACHADO, P. A.; NO, J. M. Simplified models for dark matter
face their consistent completions. Physical Review D, American Physical Society (APS),
v. 95, n. 5, Mar. 2017. Disponı́vel em: ⟨https://doi.org/10.1103%2Fphysrevd.95.055027⟩.
GUMUS, K.; AKCHURIN, N. Search for new physics in the compact muon solenoid
(cms) experiment and the response of the cms calorimeters to particles and jets. Mar.
2023.
HIGGS, P. W. Broken symmetries and the masses of gauge bosons. Phys. Rev.
Lett., American Physical Society, v. 13, p. 508–509, Oct. 1964. Disponı́vel em:
⟨https://link.aps.org/doi/10.1103/PhysRevLett.13.508⟩.
IPEK, S.; MCKEEN, D.; NELSON, A. E. Renormalizable model for the galactic
center gamma-ray excess from dark matter annihilation. Physical Review D,
American Physical Society (APS), v. 90, n. 5, Sep. 2014. Disponı́vel em: ⟨https:
//doi.org/10.1103%2Fphysrevd.90.055021⟩.
ISIK, C. Phase 1 upgrade of the cms hadron barrel calorimeter. Nuclear Instruments
and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors
and Associated Equipment, v. 1042, p. 167389, 2022. ISSN 0168-9002. Disponı́vel em:
⟨https://www.sciencedirect.com/science/article/pii/S0168900222006933⟩.
KALINOWSKI, A.; KROLIKOWSKI, J. Search for the heavy, neutral mssm higgs
particles in the h/a− > τ τ − > µ + x channel in the cms detector at the lhc. Aug. 2020.
KLEIN, D. An Overview of the CMS ECAL with Applications to HEP Analysis. 2023.
Disponı́vel em: ⟨http://www.t2.ucsd.edu/twiki2/pub/UCSDTier2/ParticlePhysics2013/
ecal-presentation.pdf⟩. Acesso em: 7 de março de 2023.
KLYUKHIN, V. I. et al. The cms magnetic field map performance. IEEE Transactions
on Applied Superconductivity, v. 20, n. 3, p. 152–155, 2010.
ROOS, M. Dark Matter: The evidence from astronomy, astrophysics and cosmology.
arXiv, 2010. Disponı́vel em: ⟨https://arxiv.org/abs/1001.0316⟩.
RUIZ, R. Drell-yan, drell-yan with jets, drell-yan with all the jets. 2020. Disponı́vel em:
⟨https://www.quantumdiaries.org/2015/05/18/dy-resummation/⟩. Acesso em: 20 de
agosto de 2020.
SERT, H. CMS Run 2 High Level Trigger Performance. PoS, EPS-HEP2019, p. 165,
2020.
SIRUNYAN, A. et al. Performance of the CMS muon detector and muon reconstruction
√
with proton-proton collisions at is/i=13 TeV. Journal of Instrumentation,
IOP Publishing, v. 13, n. 06, p. P06015–P06015, Jun. 2018. Disponı́vel em:
⟨https://doi.org/10.1088%2F1748-0221%2F13%2F06%2Fp06015⟩.
TAYLOR, L.; ZEMLERIS, V. Silicon strips. CMS Collaboration, 2020. Disponı́vel em:
⟨http://cms.web.cern.ch/news/silicon-strips⟩. Acesso em: 17 de agosto de 2020.
TUNNEY, P.; NO, J. M.; FAIRBAIRN, M. Probing the pseudoscalar portal to dark
matter via b̄bz(→ ℓℓ)+ ̸ Et : From the LHC to the galactic center excess. Physical
Review D, American Physical Society (APS), v. 96, n. 9, Nov. 2017. Disponı́vel em:
⟨https://doi.org/10.1103%2Fphysrevd.96.095020⟩.
88
Tabela 6 - Lista de dados de 2017
89
APÊNDICE B – Amostra de sinal
90
Tabela 7 - Amostras de sinal
91
APÊNDICE C – Amostra de fundo
Nessa seção são apresentados as simulações de fundo produzidas pelo CMS e utilizadas nessa análise. São apesentados os nomes
das amostras que compom cada conjunto, suas seções de choques e número de eventos para cada ano.
Sendo
92
Tabela 8 - Amostras de Drell-Yan, tt̄, Single Top, WZ e ZZ
93
Fonte: O autor, 2023
Tabela 9 - Amostras de residual
94
Tabela 10 - Amostras de residual (continuação)
95
96
Para que seja possı́vel entender a seleção que é feita por cada trigger, bem
como outros triggers que o leitor possa se deparar no futuro, a seguir é feita uma breve
descrição de como é feita a nomenclatura de um trigger e seu significado.
A nomenclatura de triggers é composta de um conjunto de marcações que
representam informações sobre que tipo de seleção está sendo feita. Por exemplo, o trigger
HLT IsoMu24 é composto de duas marcações, a primeira “HLT” representa que ele faz
parte de algum dos paths disponı́veis na etapa do High Level Trigger, como mencionado
na seção 2.3. Já o “IsoMu24” representa que serão selecionados eventos que contenham
pelo menos um múon isolado com um momento transversal (pT ) superior a 24 GeV/c.
Seleção Nome
HLT IsoMu24
Um múon HLT IsoTkMu24
HLT Mu50
HLT Mu17 TrkIsoVVL Mu8 TrkIsoVVL*
Dois múons
HLT Mu17 TrkIsoVVL TkMu8 TrkIsoVVL*
HLT Ele35 WPTight Gsf
Um elétron
HLT Ele115 CaloIdVT GsfTrkIdT
Dois elétrons HLT Ele23 Ele12 CaloIdL TrackIdL IsoVL DZ
Um elétron e HLT Mu8 TrkIsoVVL Ele23 CaloIdL TrackIdL IsoVL*
um múon HLT Mu23 TrkIsoVVL Ele12 CaloIdL TrackIdL IsoVL*
Legenda: Nome e descrição dos triggers de seleção adotados pro ano de 2016
Fonte: O autor, 2022
Nome
HLT PFMET300
HLT MET200
HLT PFHT300 PFMET110
HLT PFMET170 HBHECleaned
HLT PFMET120 PFMHT120 IDTight
HLT PFMETNoMu120 PFMHTNoMu120 IDTight
Legenda: Nome e descrição dos triggers de referência pro ano de 2016
Fonte: O autor, 2022
Seleção Nome
HLT IsoMu27
Um múon
HLT Mu50
Dois múons HLT Mu17 TrkIsoVVL Mu8 TrkIsoVVL DZ Mass8
Um elétron HLT Ele35 WPTight Gsf
HLT Ele23 Ele12 CaloIdL TrackIdL IsoVL
Dois elétrons
HLT DoubleEle33 CaloIdL MW
Um elétron e HLT Mu8 TrkIsoVVL Ele23 CaloIdL TrackIdL IsoVL DZ
um múon HLT Mu23 TrkIsoVVL Ele12 CaloIdL TrackIdL IsoVL DZ
Legenda: Nome e descrição dos triggers principais pro ano de 2017
Fonte: O autor, 2022
“Gsf” indicam isolamento no detector de traços no rigor muito solto (Tracker isolation
very very loose), identificação de um objeto utilizando o critério de seleção rigoroso (Wor-
king Point Tight), identificação dos objetos na seleção rigorosa (Identification Tight) e
uso do filtro Gsf (Gaussian-sum Filter ) (ADAM et al., 2005b), respectivamente.
Marcações como “CaloIdL”, “IsoVL” e “DZ” significam, respectivamente, iden-
tificação dos objetos nos calorı́metros no rigor solto, isolamento dos objetos no rigor muito
solto e aplicado um veto quanto a distância dos objetos no eixo Z.
Por fim há as marcações “HBHECleaned” e “GsfTrkIdT” que representam a
aplicação de um filtro para diminuir o ruı́do proveniente do HB e do HE, e a utilização
do algoritmo Gsf na identificação dos traços na seleção rigorosa, respectivamente.
98
Seleção Nome
HLT IsoMu24
Um múon
HLT Mu50
Dois múons HLT Mu17 TrkIsoVVL Mu8 TrkIsoVVL DZ Mass3p8
HLT Ele32 WPTight Gsf
Um elétron
HLT Ele115 CaloIdVT GsfTrkIdT
Dois elétrons HLT Ele23 Ele12 CaloIdL TrackIdL IsoVL
Um elétron e HLT Mu8 TrkIsoVVL Ele23 CaloIdL TrackIdL IsoVL DZ
um múon HLT Mu23 TrkIsoVVL Ele12 CaloIdL TrackIdL IsoVL
Legenda: Nomes e descrições dos triggers de seleção de 2018
Fonte: O autor, 2022
Nome
HLT PFMET200 HBHECleaned
HLT PFMET200 HBHE BeamHaloCleaned
HLT PFMETTypeOne200 HBHE BeamHaloCleaned
HLT PFMET120 PFMHT120 IDTight
HLT PFMET120 PFMHT120 IDTight PFHT60
HLT PFHT500 PFMET100 PFMHT100 IDTight
HLT PFHT700 PFMET85 PFMHT85 IDTight
HLT PFHT800 PFMET75 PFMHT75 IDTight
HLT PFMETNoMu120 PFMHTNoMu120 IDTight
HLT PFMETNoMu120 PFMHTNoMu120 IDTight PFHT60
Legenda: Nomes e descrições dos triggers de referência de 2017 e 2018
Fonte: O autor, 2022
99
Legenda: Exemplo de gráfico de correção, onde é possı́vel ver o número de eventos que
passaram pela seleção 1 e 2 ao mesmo tempo (40), número de eventos que passaram
pela seleção 1 (40+16), número de eventos que passaram pela seleção 2 (40+10),
número de eventos que não passaram por nenhuma seleção (4) e número de eventos
totais (10+40+16+4)
Fonte: O Autor, 2023
40 + 16 56
ϵseleção 1 = = = 0, 8 (37)
10 + 40 + 16 + 4 70
10 + 40 50
ϵseleção 2 = = = 0, 714285714 (38)
10 + 40 + 16 + 4 70
100
40 40
ϵseleção 1e2 = = = 0, 571428571 (39)
10 + 40 + 16 + 4 70
0, 8 × 0, 714285714 0, 571428571
α= = =1 (40)
0, 571428571 0, 571428571
Figura 48 - Gráficos de correlação individual dos triggers do conjunto auxiliar nos dados
pro ano de 2016 (1/2)
Legenda: Gráficos de correlação dos triggers auxiliares nos dados no ano de 2016.
Fonte: O autor, 2023
105
Figura 49 - Gráficos de correlação individual dos triggers do conjunto auxiliar nos dados
pro ano de 2016 (2/2)
Legenda: Gráficos de correlação dos triggers auxiliares nos dados no ano de 2016.
Fonte: O autor, 2023
106
Legenda: Gráficos de correlação dos triggers auxiliares nos dados no ano de 2016.
Fonte: O autor, 2023
107
Legenda: Gráficos de correlação dos triggers auxiliares nos dados na simulação de 2016.
Fonte: O autor, 2023
108
Figura 52 - Gráficos de correlação individual dos triggers do conjunto auxiliar nos dados
pro ano de 2017 (1/3)
Legenda: Gráficos de correlação dos triggers auxiliares nos dados no ano de 2017. Todos
apresentam valor de α próximo de um
Fonte: O autor, 2023
109
Figura 53 - Gráficos de correlação individual dos triggers do conjunto auxiliar nos dados
pro ano de 2017 (2/3)
Legenda: Gráficos de correlação dos triggers auxiliares nos dados no ano de 2017. Todos
apresentam valor de α próximo de um
Fonte: O autor, 2023
110
Figura 54 - Gráficos de correlação individual dos triggers do conjunto auxiliar nos dados
pro ano de 2017 (3/3)
Legenda: Gráficos de correlação dos triggers auxiliares nos dados no ano de 2017. Todos
apresentam valor de α próximo de um
Fonte: O autor, 2023
111
Legenda: Gráficos de correlação dos triggers auxiliares na simulação pro ano de 2017
Fonte: O autor, 2023
112
Legenda: Gráficos de correlação dos triggers auxiliares nos dados no ano de 2017
Fonte: O autor, 2023
113
Legenda: Gráficos de correlação dos triggers auxiliares nos simulação no ano de 2017
Fonte: O autor, 2023
114
Figura 58 - Gráficos de correlação individual dos triggers do conjunto auxiliar nos dados
pro ano de 2018 (1/3)
Legenda: Gráficos de correlação dos triggers auxiliares nos dados no ano de 2018. Todos
apresentam valor de α próximo de um
Fonte: O autor, 2023
115
Figura 59 - Gráficos de correlação individual dos triggers do conjunto auxiliar nos dados
pro ano de 2018 (2/3)
Legenda: Gráficos de correlação dos triggers auxiliares nos dados no ano de 2018. Todos
apresentam valor de α próximo de um
Fonte: O autor, 2023
116
Figura 60 - Gráficos de correlação individual dos triggers do conjunto auxiliar nos dados
pro ano de 2018 (3/3)
Legenda: Gráficos de correlação dos triggers auxiliares nos dados no ano de 2018. Todos
apresentam valor de α próximo de um
Fonte: O autor, 2023
117
Legenda: Gráficos de correlação dos triggers auxiliares na simulação pro ano de 2018
Fonte: O autor, 2023
118
Legenda: Gráficos de correlação dos triggers auxiliares nos dados no ano de 2018
Fonte: O autor, 2023
119
Legenda: Gráficos de correlação dos triggers auxiliares nos simulação no ano de 2018
Fonte: O autor, 2023
120
Legenda: (a),(b) e (c) são gráficos da eficiência e seus erros, valores de Nef f dos eventos
que não passaram pela seleção e Nef f dos eventos que não passaram pela
seleção na distribuição do leading lépton. (d), (e) e (f) são a mesma coisa mas
para o subleading lépton.
Fonte: O autor, 2023
121
Legenda: (a),(b) e (c) são gráficos da eficiência e seus erros, valores de Nef f dos eventos
que não passaram pela seleção e Nef f dos eventos que não passaram pela
seleção na distribuição do leading lépton. (d), (e) e (f) são a mesma coisa mas
para o subleading lépton.
Fonte: O autor, 2023
122
Legenda: (a),(b) e (c) são gráficos da eficiência e seus erros, valores de Nef f dos eventos
que não passaram pela seleção e Nef f dos eventos que não passaram pela
seleção na distribuição do leading elétron. (d), (e) e (f) são a mesma coisa mas
para o leading múon.
Fonte: O autor, 2023
123
Legenda: (a),(b) e (c) são gráficos da eficiência e seus erros, valores de Nef f dos eventos
que não passaram pela seleção e Nef f dos eventos que não passaram pela
seleção na distribuição do leading lépton. (d), (e) e (f) são a mesma coisa mas
para o subleading lépton.
Fonte: O autor, 2023
124
Legenda: (a),(b) e (c) são gráficos da eficiência e seus erros, valores de Nef f dos eventos
que não passaram pela seleção e Nef f dos eventos que não passaram pela
seleção na distribuição do leading lépton. (d), (e) e (f) são a mesma coisa mas
para o subleading lépton.
Fonte: O autor, 2023
125
Legenda: (a),(b) e (c) são gráficos da eficiência e seus erros, valores de Nef f dos eventos
que não passaram pela seleção e Nef f dos eventos que não passaram pela
seleção na distribuição do leading elétron. (d), (e) e (f) são a mesma coisa mas
para o leading múon.
Fonte: O autor, 2023
126
Legenda: Mapas com valores da incerteza sistemática provenientes do método das eras
do canal ee (c), eµ (b) e µµ (a).
Fonte: O autor, 2023
Legenda: Mapas com valores da incerteza sistemática provenientes do método das eras
do canal ee (c), eµ (b) e µµ (a).
Fonte: O autor, 2023
130
Legenda: Mapas com valores da incerteza sistemática provenientes do método das eras
do canal ee (c), eµ (b) e µµ (a).
Fonte: O autor, 2023
Legenda: Mapas com a diferença entre o fator de correção e o fator de correção nas
diferentes regiões e canais. Temos a região METHigh, METLow e NJetsHigh
na 1,2 e 3 linha respectivamente. E o canal ee, eµ e µµ na 1, 2 e 3 coluna,
respectivamente.
Fonte: O autor, 2023
132
Legenda: Mapas com a diferença entre o fator de correção e o fator de correção nas
diferentes regiões e canais. Temos a região NJetLow, nPVHigh e nPVLow na
1,2 e 3 linha respectivamente. E o canal ee, eµ e µµ na 1, 2 e 3 coluna,
respectivamente.
Fonte: O autor, 2023
133
Legenda: Mapas com a diferença entre o fator de correção e o fator de correção nas
diferentes regiões e canais. Temos a região METHigh, METLow e NJetsHigh
na 1,2 e 3 linha respectivamente. E o canal ee, eµ e µµ na 1, 2 e 3 coluna,
respectivamente.
Fonte: O autor, 2023
134
Legenda: Mapas com a diferença entre o fator de correção e o fator de correção nas
diferentes regiões e canais. Temos a região NJetLow, nPVHigh e nPVLow na
1,2 e 3 linha respectivamente. E o canal ee, eµ e µµ na 1, 2 e 3 coluna,
respectivamente.
Fonte: O autor, 2023
135
Legenda: Mapas com a diferença entre o fator de correção e o fator de correção nas
diferentes regiões e canais. Temos a região METHigh, METLow e NJetsHigh
na 1,2 e 3 linha respectivamente. E o canal ee, eµ e µµ na 1, 2 e 3 coluna,
respectivamente.
Fonte: O autor, 2023
136
Legenda: Mapas com a diferença entre o fator de correção e o fator de correção nas
diferentes regiões e canais. Temos a região NJetLow, nPVHigh e nPVLow na
1,2 e 3 linha respectivamente. E o canal ee, eµ e µµ na 1, 2 e 3 coluna,
respectivamente.
Fonte: O autor, 2023
137
Figura 83 - Mapas com os valores finais de incerteza sistemática para os anos de 2016 e
2017