Theoretische Untersuchungen der Jet
Transcrição
Theoretische Untersuchungen der Jet
Bachelorarbeit Theoretische Untersuchungen der Jet-Substruktur in QCD Zweijetereignissen am LHC Theoretical studies of jet-substructure in QCD dijet events at the LHC angefertigt von Edgar Kellermann aus Leninabad am II. Physikalischen Institut Arbeitsnummer: II.Physik-UniGö-BSc-2012/04 Bearbeitungszeit: 13. April 2012 bis 20. Juli 2012 Erstgutachter/in: Jun.-Prof. Dr. Steffen Schumann Zweitgutachter/in: Prof. Dr. Arnulf Quadt Zusammenfassung Die Untersuchung hadronisch zerfallender highly boosted Top-Quarks hat sich für die Entdeckung neuer physikalischer Prozesse als viel versprechend erwiesen. Um den QCDUntergrund zu diesem Zerfallskanal zu betrachten, werden in dieser Arbeit hochenergetische QCD-Teilchenjets mit dem √ MC-Ereignisgenerator Sherpa simuliert und die √ Abhängigkeit ihrer kt -splitting scales d12 und d23 von der Jetmultiplizität im Matrixelement untersucht. Mithilfe vorliegender Atlas-Daten wird gezeigt, dass die kt -splitting scales der Simulationen mit den experimentellen Daten weitesgehend übereinstimmen. In einem zweiten Schritt wird der HEPTopTagger für die Identifikation von highly boosted Top-Quarks auf die QCD-Teilchenjets angewendet und eine top-mistagging efficiency bestimmt. Wie sich herausstellen wird, findet eine signifikante Steigung dieser mistagging efficiency mit zunehmender Jetmultiplizität im Matrixelement statt. Es zeichnet sich letztendlich ab, dass in zukünftigen Untersuchungen von highly boosted Single-Top-Produktionen vier Jets im Matrixelement verwendet werden sollten, um den QCD-Untergrund korrekt zu simulieren. Abstract Studies of hadronically decaying highly boosted top quarks have been found promising. In order to observe the QCD-background of this channel, high pt QCD-jets are simulated with the MC event √ Sherpa. Furthermore we study the dependency of their √ generator kt -splitting scales d12 and d23 on the jet multiplicity of the matrixelement. As we will see, there is a broad agreement in the kt -splitting scales between Atlas data and the simulated events. In a second step the top-tagging algorithm HEPTopTagger is applied to the QCD-jets to determine a top-mistagging efficiency. We show that there is a significant rise of the mistagging efficiency with increasing jet multiplicity of the matrixelement. It becomes apparent that in future studies of highly boosted single top productions four jets should be used in the matrixelemt to simulate the QCD-background properly. iii Inhaltsverzeichnis 1. Einleitung 1 2. Grundlagen 3 2.1. Modellierung von LHC-Proton-Proton-Kollisionen . . . . . . . . . . . . . . 3 2.1.1. Partonschauer-Näherungen . . . . . . . . . . . . . . . . . . . . . . . 5 2.1.2. Matching- und Merging-Verfahren . . . . . . . . . . . . . . . . . . . 5 2.2. Jetphysik und Jetalgorithmen . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.2.1. kt -, Anti-kt - und C/A-Algorithmus . . . . . . . . . . . . . . . . . . 7 2.2.2. kt -splitting scale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.2.3. Korrekturen auf Grund von UE und Hadronisierung . . . . . . . . . 9 2.3. HEPTopTagger . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 3. Methode 13 3.1. Ereignisgenerierung mit Sherpa . . . . . . . . . . . . . . . . . . . . . . . . 13 3.1.1. Sherpa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 3.1.2. Die generierten Ereignisse . . . . . . . . . . . . . . . . . . . . . . . 14 3.2. Ereignisanalyse mit Rivet . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 3.2.1. Rivet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 3.2.2. Die verwendete Analyse . . . . . . . . . . . . . . . . . . . . . . . . 16 4. Ergebnisse 19 4.1. Ergebnisse der kt -splitting scale . . . . . . . . . . . . . . . . . . . . . . . . 19 4.1.1. ATLAS-Daten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 4.1.2. Ereignisse ohne Hadronisierung und UE . . . . . . . . . . . . . . . 19 4.1.3. Ereignisse mit Hadronisierung und UE . . . . . . . . . . . . . . . . 23 √ √ 4.1.4. Beziehung zwischen d12 und d23 . . . . . . . . . . . . . . . . . . 25 4.2. Ergebnisse des HEPTopTaggers . . . . . . . . . . . . . . . . . . . . . . . . 27 4.2.1. kt -splitting scale für toptaged Jets . . . . . . . . . . . . . . . . . . . 27 4.2.2. Top-mistagging efficiency . . . . . . . . . . . . . . . . . . . . . . . . 28 v Inhaltsverzeichnis 5. Zusammenfassung 35 A. Sherpa-Run-Card 37 B. kt -splitting scale für toptaged Jets 39 C. Ergebnisse der Analyse mit C/A R = 1.0 45 vi Nomenklatur Abkürzungen Abkürzung Bedeutung C/A LO ME NLO UE Cambridge/Aachen leading order Matrixelement next to leading order Underlying Events vii 1. Einleitung Die Untersuchung des Top-Quarks und die experimentelle Bestimmung seiner physikalischen Größen stellen heutzutage eine zentrale Aufgabe der Teilchenphysik und insbesondere des Lhc-Projekts dar. Seinen hohen Stellenwert verdankt das Top seinen besonderen Eigenschaften, die es von allen anderen Quarks unterscheiden. So ist dieses Elementarteilchen auf Grund von Top-Schleifen (engl. top quark loops) für die größten Korrekturen in der Masse des Higgs-Bosons verantwortlich [1]. Zudem spielt es in einer Vielzahl von Theorien jenseits des Standard Modells eine wichtige Rolle [2]. Es gibt unterschiedliche Zerfallskanäle des Tops, die für eine Detektion im Lhc in Frage kommen. Neben den bekannteren semileptonischen Zerfällen hat sich die Untersuchung von hadronisch zerfallenden highly boosted Tops (deutsch hochenergetischen Tops) als vielversprechend erwiesen [3]. Die Besonderheit dieses Zerfallskanals liegt in dem Effekt, dass sich die QCD-Jets, die sich aus den Zerfallsprodukten des highly boosted Tops ergeben, stark überlappen und dadurch einen einzelnen großen Jet bilden. Die gewünschten Informationen zu dem ursprünglichen Elementarteilchen lassen sich durch eine Untersuchung der Jetsubstruktur bestimmen, was in sogenannten Top Tagging Algorithms (deutsch TopIdentifizierungs-Algorithmen) durchgeführt wird [2]. Bevor solche Algorithmen zu der Analyse von Lhc-Messdaten herangezogen werden können, ist es unter anderem notwendig, ihr Verhalten auf dem QCD-Untergrund zu untersuchen um ihre ordnungsgemäße Funktion zu überprüfen. Für die Erzeugung eines reinen QCD-Untergrunds müssen Monte-Carlo-Ereignisgeneratoren (MC-Generatoren) wie Sherpa [4] hinzugezogen werden. Es ist offensichtlich, dass solche simulierten Ereignisse den tatsächlichen QCD-Untergrund im Lhc nur bedingt korrekt wiedergeben können. Ebenso kann die Qualität der Simulation von den gewählten Einstellungen des Generators abhängig sein. Um die korrekte Beschreibung des QCD-Untergrunds zu prüfen, werden in dieser Arbeit hochenergetische QCD-Teilchenjets mithilfe von Sherpa simuliert und die Abhängigkeit 1 1. Einleitung ihrer Substruktur von der Anzahl der Jets im Matrixelement (ME) der Simulation untersucht. Im Konkreten werden die kt -splitting scales 1 (deutsch kt -Abspaltungsgrößen) der ersten und zweiten Abstrahlung betrachtet, die sich als gute physikalische Observablen für die Untersuchung von Jetsubstrukturen bewährt haben [5]. Neben der Variation der Jetanzahl, auch Jetmultiplizität genannt, wird außerdem ein Vergleich von Simulationen mit und ohne Hadronisierung und underlying events (UE, deutsch zugrundeliegende Ereignisse) durchgeführt. Mithilfe aktuell vorliegender Atlas-Daten [5] wird im Folgenden gezeigt, dass Sherpa in der Lage ist, die kt -splitting scales im Rahmen der Messungenauigkeit korrekt wiederzugeben. Andere Substrukturgrößen wurden bereits in [6] mit dem Ergebnis überprüft, dass Sherpa-Simulationen mit den experimentellen Daten übereinstimmen. Nachdem eine korrekte Beschreibung des QCD-Untergrunds sichergestellt worden ist, kann im zweiten Schritt dieser Arbeit das Verhalten des sogenannten HEPTopTaggers [2] auf den simulierten Untergrund untersucht werden. Durch die Anwendung dieses Algorithmus auf die QCD-Ereignisse lässt sich eine mistagging efficiency (deutsch Fehlidentifikationseffizienz) für Top-Quarks bestimmen und eine Abhängigkeit dieser Effizienz von der Jetmultiplizität im ME sowie von Hadronisierung und UE untersuchen. Wie sich letztendlich herausstellen wird, ist ein signifikanter Anstieg dieser Größe mit zunehmender Anzahl von Jets im ME festzustellen. Bevor die Ergebnisse präsentiert werden, erfolgt in Abschnitt 2 eine kurze Erläuterung der physikalischen Grundlagen, die für diese Arbeit notwendig sind. Abschnitt 3 gibt einen Einblick in den MC-Ereignisgenerator Sherpa und die hier verwendete Analysesoftware Rivet [7]. Zudem werden die simulierten Ereignisse und die für diese Arbeit genutzte Analyse vorgestellt. In Abschnitt 4 werden die Ergebnisse erläutert und diskutiert und in Abschnitt 5 erfolgt eine Zusammenfassung der Resultate sowie mögliche Folgen, die sich aus ihnen ergeben. 1 2 auch kt jet resolution genannt. 2. Grundlagen Die notwendigen physikalischen Grundkenntnisse dieser Arbeit beschränken sich zum einen auf die Art und Weise der Modellierung von Proton-Proton-Kollisionen in MCEreignisgeneratoren. So ist ein grobes Verständnis über die Simulation von Partonschauern oder der Hadronisierung erforderlich, um ihre Einflüsse auf die Substruktur von Jets zu verstehen. Eine Erläuterung der wichtigsten Aspekte dieses Themas findet in Abschnitt 2.1 statt. Zum anderen sind die Jetphysik und der HEPTopTagger elementare Analyseverfahren, die in dieser Arbeit im großen Maße verwendet werden. In Abschnitt 2.2 werden die relevanten Jetalgorithmen vorgestellt sowie Unterschiede und Eigenschaften erläutert. Abschnitt 2.3 stellt die Funktionsweise des HEPTopTaggers dar. 2.1. Modellierung von LHC-Proton-Proton-Kollisionen Der Lhc führt derzeit Proton-Proton-Kollisionen mit einer Schwerpunktsenergie von ca. 8 TeV durch. Auf Grund dieser enormen Energie kommt es zwischen zwei Protonen zu einer tief-unelastischen Streuung, d.h. die tatsächliche Wechselwirkung findet zwischen den in den Hadronen enthaltenen Partonen statt, die nur einen Bruchteil der Energien der Hadronen tragen. Die Verwendung von Protonen im Lhc hat somit zur Folge, dass die Schwerpunktsenergie des Beschleunigers deutlich höher sein muss als bei nichthadronischen Collidern wie dem Lep. Wie lässt sich nun der Wirkungsquerschnitt eines Ereignisses aus Protonenkollisionen mit so hoher Schwerpunktsenergie berechnen? Das Modell, das in den MC-Generatoren verwendet wird, geht davon aus, dass aus jedem Proton zunächst nur ein einziges Parton a beziehungsweise b miteinander wechselwirkt. Der Wirkungsquerschnitt, der sich bei einem Ereignis ab → n mit n als Endzustand (englisch final state) ergibt, lässt sich über 3 2. Grundlagen die folgende Faktorisierungsformel ausdrücken [8]: σ= XZ 1 a,b 0 dxa dxb Z dΦn fah1 (xa , µF )fbh2 (xb , µF ) 1 |M(Φn ; µF , µR )|2 . 2sb (2.1) Dabei sind xa und xb die Impulsanteile der Partonen a und b an den Gesamtimpulsen der h Protonen. fa,b1,2 (x, µ) sind die sogenannten parton distribution functions (PDFs, deutsch Partonverteilungsfunktion), die als Maß für die Wahrscheinlichkeitsdichte verstanden werden können, das Parton a oder b mit dem Impulsanteil x an dem Protonimpuls zu erhalten. Die Faktorisierungsskala µF ist eine Integrationsgrenze für den Impuls. Diese Grenze wird gesetzt, da auftretende kollinearer Divergenzen bei Impulsen unterhalb von µF bereits in den PDFs berücksichtigt werden. µR stellt die Renormierungsskala der Kopplungskonstanten αs für die starke Wechselwirkung zwischen a und b dar. Die Größe M ist das Matrixelement und sb die Schwerpunktsenergie der Partonenwechselwirkung. Es ist wichtig zu beachten, dass die PDFs Funktionen sind, die aus störungstheoretischer QCD und experimentellen Daten entwickelt wurden [9–11], und insbesondere für kleine x große Unsicherheiten aufweisen. In einem MC-Generator wird ein Ereignis ab → n üblicherweise durch das Berechnen des Matrixelements bis zu einer festgelegten Ordnung bezüglich der Kopplungskonstanten αS bestimmt (englisch fixed-order matrix elements). Diese Methode eignet sich gut für getrennte harte Partonen, divergiert jedoch bei der Berechnung kollinearer oder weicher Teilchen [12]. Außerdem nimmt der Aufwand der Berechnungen mit wachsender Teilchenzahl im Endzustand rapide zu. Wie in Abschnitt 2.1.1 erläutert wird, können diese Schwierigkeiten durch die Verwendung von Partonschauer-Näherungen teilweise kompensiert werden. Die Modellierung von nur zwei wechselwirkenden Partonen in MC-Generatoren vernachlässigt bisher die underlying events, d.h. die Interaktionen, die durch die Reste der Protonen verursacht werden. Dieser Effekt lässt sich berücksichtigen, indem zusätzliche niederenergetische Teilchen generiert werden [13]. So treten beispielsweise Korrekturterme für die invariante Masse und den transversalen Impuls eines Jets auf (siehe Abschnitt 2.2). Es ist offensichtlich, dass die Energie der QCD-Teilchen1 im Partonschauer auf Grund der zahlreichen Abstrahlungen mit der Zeit abnimmt, was wiederum zu einer Verstärkung der starken Wechselwirkung führt. Aus diesem Grund wird in MC-Generatoren ab 1 4 Als QCD-Teilchen werden im Folgenden Quarks und Gluonen bezeichnet. 2.1. Modellierung von LHC-Proton-Proton-Kollisionen einer gewissen Energieskala die Hadronisierung der Partonen simuliert [14–18]. Ähnlich zu den UE muss auch die Hadronisierung durch Korrekturen beispielsweise in den Impulsen und invarianten Massen der Jets berücksichtigt werden (siehe Abschnitt 2.2). 2.1.1. Partonschauer-Näherungen Für die Berechnung kollinearer weicher Abstrahlungen und um eine hohe Multiplizität von Teilchen mit relativ wenig Rechenaufwand zu generieren, wird die PartonschauerNäherung neben dem Verfahren des fixed order matrix elements verwendet [19, 20]. Eine solche Approximation wird auf die Matrixelemente führender Ordnung angewendet (englisch LO, Leading Order) und für jedes simulierte Ereignis einzeln durchgeführt. Die Partonschauer-Näherung besitzt eine gewisse Analogie zu der Abstrahlung eines Photons in der QED. Wichtigster Bestandteil ist die Berechnung der Wahrscheinlichkeit ∆i , dass ein Parton i nicht abstrahlt. Unter Kenntnis von ∆i kann ein Algorithmus entwickelt werden, der Zufallszahlen generiert, um zu entscheiden, ob ein Parton abstrahlt oder nicht. Der Algorithmus wird anschließend iterativ auf die Tochterteilchen angewendet, sodass schließlich ein Partonschauer simuliert wird [21]. Eine Abwandlung des Partonschauers ist die Dipolnäherung, die beispielsweise in Sherpa verwendet wird [22]. Die grundlegende Idee ist, dass nicht Partonen betrachtet werden, sondern Farbdipole. Es entstehen Farbflüsse (englisch colour flows), die im Limes Nc gegen Unendlich unabhängig von den anderen Linien Farbdipole emittieren [22]. Die Dipolnäherung besitzt einige Vorteile. Zum einen werden die harten Abstrahlungen zu Anfang generiert, zum anderen befinden sich alle Partonen in jedem Schritt der Näherung auf der Massenschale [21]. 2.1.2. Matching- und Merging-Verfahren Es gibt viele Strategien, die Vorteile der Schauernäherung und der fixed-order-Methode in einer gemeinsamen Näherung zu verwenden. Ein gravierendes Problem bei der Kombination beider Methoden ist, dass Gebiete im Phasenraum fälschlicherweise doppelt gezählt werden können. Im Allgemeinen lassen sich diese Verfahren in zwei Gruppen einteilen, der matching- [23] und der merging-Gruppe [24, 25]. In Ersteren wird die Berechnung durch die PartonschauerNäherung mit Matrixelementen höherer Ordnung angepasst (englisch matching). Beim 5 2. Grundlagen heutigen Stand der Technik wird dazu meistens die next-to-leading order (NLO, deutsch nächst führenden Ordnung) verwendet [21]. In der merging-Gruppe (deutsch vermischen) wird eine Skala Q2Cut eingeführt, sodass ein Parton, dessen Viererimpuls Q2 sich über der festgesetzten Skala befindet, mit einem ME höherer Ordnung genähert wird, während im anderen Fall das Partonschauer-Verfahren genutzt wird [24]. Ein solches mergingVerfahren wird in Sherpa verwendet [26]. 2.2. Jetphysik und Jetalgorithmen Das Konzept der Teilchenjets ist ein mächtiges Werkzeug für die Analyse von Ereignissen. Die grundlegende Idee der Jetphysik ist es, die aus der Hadronisierung von Partonen entstandenen Teilchen durch einen Algorithmus zu Jets zu gruppieren. Es gibt mehrere etablierte Algorithmen, die über unterschiedliche Eigenschaften verfügen und Teilchen unterschiedlich zuordnen. In Abbildung 2.1 sind die active areas (deutsch aktive Bereiche) der in dieser Arbeit verwendeten Algorithmen zu sehen: der kt - [27], Anti-kt - [28] und Cambridge/Aachen-Algorithmus (C/A) [29]. Die Wahl des richtigen Jetalgorithmus und der optimalen Parameter ist von der jeweiligen Analyse abhängig und ein bis heute diskutiertes Thema. Abb. 2.1.: Beispiel für unterschiedliche Jetalgorithmen und ihre active areas in der η − φ−Ebene. Graphiken entnommen aus [30]. 6 2.2. Jetphysik und Jetalgorithmen Ebenso ist immer noch fraglich, welche Eigenschaften ein Jetalgorithmus eigentlich erfüllen muss. Einigkeit besteht zumindest in der IRC safety, die ein Jet aufweisen sollte [30]. IRC steht für Infrared und Collinear Safety und bedeutet im Konkreten, dass die Zuordnung der Teilchen in Jets unabhängig davon sein sollte, ob ein Teilchen vorher ein zusätzliches weiches Gluon abgestrahlt hat (infrared) und ob es zuvor zu einem kollinearen Zerfall eines Teilchens gekommen ist. Alle in dieser Arbeit verwendeten Algorithmen weisen eine IRC Sicherheit auf [30]. 2.2.1. kt -, Anti-kt - und C/A-Algorithmus Es gibt unterschiedliche Versionen des kt -, Anti-kt - und C/A-Algorithmus. In dieser Arbeit handelt es sich um inklusive Jetalgorithmen mit einfallenden Hadronen [30]. Der einzige Parameter, der zu Anfang gesetzt werden muss, ist R. Er kann als Maß für den Radius der jet areas verstanden werden. Die Algorithmen berechnen zunächst Abstände in der η-φ-Ebene mit η als Pseudorapidität. Es gilt für diesen Abstand zweier Teilchen i und j: 2 ∆Rij = (ηi − ηj )2 + (φi − φj )2 . (2.2) 2 wird eine Art Abstand dij definiert: Unter Nutzung von ∆Rij dij = 2p min(p2p ti , ptj ) 2 ∆Rij , R2 (2.3) diB = p2p ti . pti ist der transversale Impuls des Teilchens und diB bezeichnet den Abstand zwischen Teilchen i und Hadronenstrahl (englisch beam). Für kt gilt p = 1, für C/A p = 0 und für Anti-kt p = −1 (daher auch das ”Anti” im Namen). Unter Kenntnis dieser Größen haben die Algorithmen folgende Gestalt [30]: 1. Berechne alle dij und diB unter Nutzung von Gl. (2.3). 2. Finde das Minimum von dij , diB . 3. Wenn das Minimum ein dij ist, kombiniere i und j zu einem einzelnen neuen Teilchen und kehre zu Schritt 1 zurück. 7 2. Grundlagen 4. Andererseits, wenn das Minimum ein diB ist, erkläre i zu einem fertigen Jet und entferne es aus der Liste von Teilchen. Kehre zu Schritt 1 zurück. 5. Stoppe, wenn keine Teilchen übrig geblieben sind. Der entscheidende Unterschied zwischen kt und Anti-kt liegt in der Berechnung von dij in Gl. (2.3). Die Konsequenz ist, dass kt die Kombination weicher Teilchen favorisiert und erst später die Einverleibung der energiereichen Teilchen erfolgt. Im Anti-kt -Algorithmus stellen wir den umgekehrten Fall fest. Der Verbund harter Teilchen wird bevorzugt. Das hat zur Folge, dass sich harte Kerne bilden (englisch seed), um die sich die Jets entwickeln und wachsen [30]. Wie in Abbildung 2.1 zu sehen ist, ergeben sich somit bei dem Anti-kt -Algorithmus kreisrunde jet areas. Andererseits ist Anti-kt nicht geeignet, um einen Partonschauer zu rekombinieren. Für diese Aufgabe ist wiederum der kt -Algorithmus optimal, da ein Partonschauer in der Regel mit harten QCD-Abstrahlungen beginnt und im Laufe des Schauers die weiche Abstrahlung an Überhand gewinnt, wie in Abschnitt 2.1 erwähnt wurde. Cambridge/Aachen ist im Vergleich dazu von den Transversalimpulsen der Teilchen unabhängig. Hier wird nur die geometrische Anordnung der Teilchen in der η-φ-Ebene berücksichtigt. 2.2.2. kt -splitting scale Die besondere Eigenschaft des kt -Algorithmus, die QCD-Abstrahlung eines Partonschau√ √ ers zu rekombinieren, wird für die Bestimmung der kt -splitting scales d12 und d23 zunutze gemacht. Demnach entspricht die letzte Rekombination des kt -Algorithmus, d.h. die Kombination von zwei Subjets zu dem endgültigen Jet, der ersten Abstrahlung eines Partons im Schauer. In Anlehnung an den dabei berechneten Abstand nach Gl. (2.3) lässt √ sich die kt -splitting scale d12 definieren als [5]: q 8 d12 = min(pt1 , pt2 ) ∆R12 . (2.4) 2.2. Jetphysik und Jetalgorithmen Mit den Indizes 1 und 2 werden die zwei Subjets des letzten kt -Schrittes bezeichnet. Es √ ist zu beachten, dass d12 im Gegensatz zu dem Abstand in Gl. (2.3) unabhängig von dem Parameter R ist. Die Betrachtung der Wurzel und nicht des normalen Wertes d12 ist gemeinhin üblich und hat den einfachen √ Grund, dass d12 die Einheit der Energie besitzt. R d23 d12 Abb. 2.2.: Vereinfachte Darstellung √ √ von d12 beziehungsweise d23 in Analog lässt sich die kt -splitting scale der zwei√ einem Jet (rot). Blaue Linien ten Abstrahlung d23 bestimmen, indem die stellen die Partonen des MEs Subjets der vorletzten Rekombination des kt dar, und grüne Linien die ParAlgorithmus betrachtet werden. tonen des Partonschauers. 2.2.3. Korrekturen auf Grund von UE und Hadronisierung In Abschnitt 2.1 wurde bereits darauf hingewiesen, dass UE-Effekte durch Korrekturterme berücksichtigt werden können. Da die niederenergetischen Teilchen der underlying events in die Jets mit einverleibt werden können, steigt im Mittel der Jetimpuls und die invariante Masse. Die mittlere Korrektur lässt sich wie folgt abschätzen [30]: ! hδpt iUE hδM iUE R2 R4 − + ... , ' ΛUE 2 8 ! R4 R8 ' ΛUE pt + + ... , 4 4608 (2.5) (2.6) mit Λ als einer Größe vergleichbar mit der Landauskala. Für den Lhc kann mit ΛUE ' 10 GeV genähert werden. Mit z.B. R = 1.0 beziehungsweise R = 1.5 ergibt sich für den Impuls eine Korrektur von ungefähr 3.75 beziehungsweise 5 GeV. Auch der Hadronisierung muss durch Korrekturen an den Jetgrößen gedacht werden. Der Einfluss der Hadronisierung lässt sich bildlich als Auffächerung der Teilchenverteilung im Jet darstellen. Dadurch kann es vorkommen, dass die Hadronen den Rand des Jetbereichs überschreiten und nicht mehr in den Jet einverleibt werden. Der Jetimpuls sinkt, während die invariante Masse aufgrund der Auffächerung zunimmt. Es kann folgende Abschätzung 9 2. Grundlagen verwendet werden [30]: 2CF ΛHadr , πR 2CF ΛHadr ' pt R + O(R3 ) . π hδpt iHadr ' − (2.7) hδM iHadr (2.8) Für den Lhc kann ΛHadr ' 0.6 GeV gesetzt werden. Der Effekt ist also deutlich schwächer als der des UE. Handelt es sich um einen Gluonjet, so muss der Farbfaktor CF durch CA ersetzt werden. 2.3. HEPTopTagger Der HEPTopTagger2 ist ein Algorithmus zur Identifikation von Top-Quarks in großen Jets. Er wird typischerweise nach Durchführung eines Jetalgorithmus einzeln auf die zu untersuchenden Jets angewendet, wobei der HEPTopTagger standardmäßig mit einem Cambridge/Aachen von R = 1.5 arbeitet. Diese Standardeinstellung erlaubt es, Tops mit einem Transversalimpuls von mindestens 200 GeV zu erfassen [2]. Der zugrundeliegende Algorithmus hat folgende Gestalt [31]: 1. Mache die letzte Kombination des Jetalgorithmus für den Jet j rückgängig. Die Subjets werden mit j1 , j2 bezeichnet, wobei mj1 > mj2 gilt. Wenn die invarianten Massen mj1 < 0.8 mj erfüllen, behalte beide Subjets. Diese Bedingung wird auch als mass drop criterion bezeichnet [2]. Ist sie nicht erfüllt, so behalte lediglich j1 . Wenn mji > 30 GeV für einen behaltenen Subjet gilt, wende wiederum Schritt 1 auf ihn an. 2. Es folgt ein Filterungsschritt: Iteriere über alle Kombinationen von drei Subjets. Wende auf die Teilchen dieser Subjets einen C/A-Algorithmus mit Rfilter = min(0.3, ∆Rjk /2) an. ∆Rjk bezeichnet den kleinsten Abstand, den die drei Subjets zueinander besitzen. Wähle im nächsten Schritt die fünf härtesten dieser neuen Subjets aus und berechne ihre invariante Masse msub . Wähle die drei SubjetKonfiguration aus, dessen msub am nächsten an der Topmasse liegt. 2 HEP für ”Heidelberg-Eugene-Paris” [2]. 10 2.3. HEPTopTagger 3. Sortiere die drei Subjets nach ihrem pt . Wenn ihre Massen (m12 , m13 , m23 ) eine der folgenden Bedingungen erfüllen, akzeptiere sie als Topkandidat: m13 m23 < 1.3 und Rmin < < Rmax , m12 m123 ! ! m13 2 m23 2 m13 2 m23 2 1+ <1− < Rmax 1 + und > Rsoft , m12 m123 m12 m123 ! ! m12 2 m12 2 m23 2 m23 2 1+ <1− < Rmax 1 + und > Rsoft . m13 m123 m13 m123 I. 0.2 < arctan 2 II. Rmin 2 III. Rmin 4. Aus Konsistenzgründen prüfe, ob der kombinierte Impuls der drei Subjets über 200 GeV liegt. Rmin = 0.85 · mW /mt und Rmax = 1.15 · mW /mt sind feste Werte, die mithilfe von experimentellen Ergebnissen weiter optimiert werden [2]. Die Relationen mit Rsoft sollen störende weiche Abstrahlungen heraus filtern. 11 3. Methode Das Verfahren zu der Untersuchung von hochenergetischen QCD-Teilchenjets besteht im Grunde aus zwei Schritten: Der Generierung der Ereignisse mit Sherpa und die Analyse dieser Ereignisse mit Rivet. Aus diesem Grund erfolgt zunächst in Abschnitt 3.1 eine kurze Vorstellung des MC-Generators und eine Erläuterung der simulierten Ereignisse. Anschließend wird ausführlich auf die verwendete Analyse eingegangen, in der die Anwendung der Jetalgorithmen, die Bestimmung der kt -splitting scales sowie die Anwendung des HEPTopTaggers implementiert sind (siehe Abschnitt 3.2). 3.1. Ereignisgenerierung mit Sherpa 3.1.1. Sherpa Sherpa [4] ist ein MC-Ereignisgenerator, der in der Lage ist, unterschiedliche Kollisionen von Lepton-Lepton- bis hin zu tief-unelastischen Proton-Proton-Streuungen zu simulieren. Zudem unterstützt Sherpa neben dem Standard Modell eine Reihe von zusätzlichen Theorien wie beispielsweise das Minimale Supersymmetrische Standard Modell [32]. Vereinfacht betrachtet besteht Sherpa aus einer Vielzahl unabhängiger Module, die durch handlers (deutsch Steuerungsprogramme) aufgerufen werden. Die wichtigsten Module sollen im Folgenden erläutert werden: Ein nicht zu unterschätzender Vorteil von Sherpa ist die Verwendung von zwei unterschiedlichen Generatoren Amegic++ [33] und Comix [34] für die Berechnung der Matrixelemente bis zu einer festgelegten Ordnung (vergleiche Abschnitt 2.1). Der erste implementierte ME-Generator Amegic++ erlaubt es, Matrixelemente bis zu der next-to-leading order zu berechnen [21]. Im Gegensatz dazu ist Comix ein LOGenerator, der besonders für Ereignisse mit hohen Multiplizitäten geeignet ist [21]. Sherpa ist automatisch in der Lage, den effektiveren ME-Generator für ein vorliegendes Ereignis auszuwählen und anzuwenden. 13 3. Methode Ein weiteres Modul ist der Standardpartonschauer Csshower++. Das merging-Verfahren (vergleiche Abschnitt 2.1.2) zwischen Partonschauer und ME-Methode ist ein weiterentwickeltes CKKW-Verfahren und wird in [35] ausführlich erläutert. Ebenfalls wichtige Module sind Amisic++ [13] und Ahadic++, die für UE beziehungsweise Hadronisierung zuständig sind. In Amisic++ werden zusätzliche weiche Partonen generiert und der Partonschauernäherung ausgesetzt [21]. Ahadic++ beinhaltet ein cluster-Modell (deutsch Ballungsmodell), das je nach Größe dieser Gruppierungen darüber entscheidet, ob die Partonen hadronisieren oder in kleinere clusters zerlegt werden und anschließend die Hadronisierung stattfindet [21]. Schließlich erfolgen über Hadrons++ und Photons++ [36] die Zerfälle kurzlebiger Teilchen sowie weitere QED-Effekte. In Sherpa generierte Events können im Hepmc-Format [37] ausgegeben werden. Vorteilhaft ist außerdem die Kompatibilität zu Rivet, die unter anderem eine Analyse ohne zwischenzeitliches Abspeichern aller Ereignisse erlaubt. 3.1.2. Die generierten Ereignisse Da in dieser Arbeit die Abhängigkeit der Jetsubstruktur und des HEPTopTaggers von unterschiedlichen Einstellungen der Teilchengenerierung untersucht wird, ist es notwendig, mehrere Sätze von Ereignissen zu erzeugen, die sich in den wichtigen Einstellungen unterscheiden. Die Einstellungen der Ereignisgenerierung erfolgen über eine Run-Card, das ist eine Text-Datei, die an Sherpa übergeben wird. In Anhang A ist die verwendete Run-Card mit einigen Erläuterungen dargestellt. Jeder dieser Ereignissätze besteht aus 2 Millionen Ereignissen, in denen Proton-ProtonKollisionen mit einer Schwerpunktsenergie von 7 TeV simuliert wurden. Es handelt sich dabei um ungewichtete Ereignisse, da diese, wie sich herausgestellt hat, in Anbetracht des Rechenaufwands eine deutlich bessere Statistik aufweisen als gewichtete Ereignisse. Ebenso ist für jeden Ereignissatz der gleiche Qcut von 20 GeV für das merging-Verfahren in Sherpa verwendet worden (vergleiche Abschnitt 2.1.2). Ein wesentlicher Unterschied in den Ereignissätzen tritt bei der Berechnung des Matrixelements auf. Für jedes Ereignis werden im ME mindestens zwei Partonen im Endzustand generiert, die Anzahl an zusätzlichen Partonen wird jedoch von Reihe zu Reihe variiert. 14 3.1. Ereignisgenerierung mit Sherpa In dieser Arbeit werden Ereignissätze, dessen Ereignisse zwischen mindestens zwei bis maximal n Jets im ME besitzen, kurzerhand als n-Jet Ereignissätze bezeichnet (siehe Tabelle 3.1). Der Wirkungsquerschnitt für ein generiertes Ereignis dieser Art liegt in der Größenordnung von 103 pb. Eine weitere bedeutende Einstellung in der Run-Card ist ein sogenannter NJetFinder, der dafür sorgt, dass lediglich Ereignisse mit mindestens zwei Jets mit einem pt über 150 GeV auftreten. Da wir in der späteren Analyse letztendlich nur hochenergetische Jets betrachten wollen, d.h. Jets mit mindestens 200 GeV an Transversalimpuls, würden ohne einen NJetFinder unzählige Jets mit weniger Impuls unnötig berechnet werden. Diese Konfiguration erspart somit erheblichen Rechenaufwand. Nichtsdestotrotz ist die Einstellung von 150 GeV immer noch ausreichend inklusiv, wie sich nach Vergleichen mit anderen NJetFinder-Einstellungen gezeigt hat. Neben der Variation der Jetmultiplizität im ME unterscheiden sich die Ereignissätze außerdem durch das Ein- und Ausschalten von Hadronisierung und UE. Letztendlich stehen sieben Ereignissätze zur Verfügung, die in Tabelle 3.1 dargestellt sind. Ereignisse mit fünf Jets im ME und gleichzeitiger Hadronisierung sowie UE konnten auf Grund des immensen Rechenaufwands nicht für diese Arbeit generiert werden. Satz # Jets im ME ohne Hadron. & UE mit Hadron. & UE 2-Jet 3-Jet 4-Jet 5-Jet 2 2 bis 3 2 bis 4 2 bis 5 X X X X X X X - Tab. 3.1.: Übersicht über die unterschiedlichen Ereignissätze, die mithilfe von Sherpa generiert wurden. Das Häkchen (X) bedeutet, dass ein Ereignissatz mit beziehungsweise ohne Hadronisierung und UE verfügbar ist. Jeder Ereignissatz besteht aus 2 · 106 Ereignissen. 15 3. Methode 3.2. Ereignisanalyse mit Rivet 3.2.1. Rivet Die Analysesoftware Rivet [7] ist ein nützliches Mittel, um eigene Analysen schnell und problemlos zu schreiben. Es bietet weiterhin eine Vielzahl bereits bestehender experimenteller Analysen zur eigenen Verwendung an, darunter auch Atlas- und Cms-Analysen [7]. Ein Vorteil von Rivet ist außerdem seine Kompatibilität mit dem Fastjet-Paket [38], was eine Bestimmung von Größen der Jetsubstruktur wie der kt -splitting scale erleichtert. 3.2.2. Die verwendete Analyse Die Analyse der generierten Ereignisse beschränkt sich auf die Bestimmung der kt -splitting scales und der mistagging efficiency für Top-Quarks unter Verwendung des HEPTopTaggers. Auf alle Ereignissätze wird die Analyse zweimal angewendet, wobei sich beide Anwendungen lediglich in dem genutzten Jetalgorithmus unterscheiden. In der ersten wird der Anti-kt mit einem Radius von R = 1.0 genutzt. Diese Auswertung erlaubt es, die Substruktur der Jets mit Atlas-Messdaten zu vergleichen (siehe Abschnitt 4.1.1). In der zweiten Anwendung kommt ein Cambridge/Aachen-Algorithmus mit R = 1.5 zum Einsatz. Dies entspricht der Standardeinstellung des HEPTopTaggers (siehe Abschnitt 2.3). Im Wesentlichen werden in der Analyse folgende Schritte durchgeführt: 1. Zunächst wird auf die Teilchen des Endzustandes der entsprechende Jetalgorithmus (Anti-kt oder C/A) angewendet. Anschließend erfolgt ein Filterungsprozess, sodass nur noch Jets mit pt ∈ [200 GeV, 600 GeV] und einer Pseudorapidität von |η| < 2 im weiteren Verlauf betrachtet werden. 2. a) Um die kt -splitting scale zu bestimmen, wird auf jeden Jet einzeln ein kt Algorithmus mit R = 1.5 angewendet. Dieser Schritt soll die Partonschauerabstrahlung des Jets rekombinieren (vergleiche Abschnitt 2.2.1). Die Einstellung von R = 1.5 soll sicherstellen, dass alle Teilchen des Anti-kt - beziehungsweise C/A-Jets in einem einzelnen kt -Jet kombiniert werden. Aus dem kt -Algorithmus werden die splitting scales der letzten und vorletzten √ √ Kombination ausgelesen, also d12 und d23 . b) Parallel zu dem vorherigen Schritt wird auf jeden Anti-kt - beziehungsweise C/A-Jet der HEPTopTagger angewendet. Die Anzahl an Jets, die als Topkandidaten in Frage kommen, wird in NTop gezählt. Dabei nehmen wir für diese 16 3.2. Ereignisanalyse mit Rivet q Größe einen Fehler von NTop an. Analog dazu wird auch die Anzahl aller Jets √ in diesem Ereignissatz in NJets gezählt und ein Fehler von NJets angenommen. 3. Die splitting scales werden in normierten Histogrammen ausgegeben. Zudem wird die mistagging efficiency für diesen Ereignissatz mit mistag = NTop /NJets berechnet. Der Fehler für mistag ergibt sich aus einer Gauß’schen Fehlerfortpflanzung. In einer dritten Anwendung der Analyse wurde außerdem ein Cambridge/Aachen-Algorithmus mit R = 1.0 getestet. Da sich hier kaum nennenswerte Ergebnisse zeigen, wird diese Anwendung nur am Rande erwähnt. Die mistagging efficiency etc. zu C/A mit R = 1.0 ist in Anhang C zu finden. 17 4. Ergebnisse 4.1. Ergebnisse der kt-splitting scale 4.1.1. ATLAS-Daten Die im Folgenden verwendeten Atlas-Daten entstammen dem Datensatz des Jahres 2010 √ mit s = 7 TeV [5]. Die integrierte Luminosität beträgt generell (35.0±1.1) pb−1 . Jedoch wurde der für diese Messung gewünschte Trigger nur für einen Bruchteil des Datensatzes verwendet, sodass in den Jets mit niedrigstem pt (200 bis 300 GeV) lediglich eine integrierte Luminosität von (2.0 ± 0.1) pb−1 vorliegt [5]. Es ist wichtig zu beachten, dass in diesem Datensatz ausschließlich Ereignisse ohne pile-up verwendet wurden, da dies einen erheblichen Einfluss auf die Substruktur der Jets besitzt. Um eine Vergleichbarkeit zu diesen Daten zu gewährleisten wurde auch in den SherpaSimulationen auf mehr als eine Proton-Proton-Kollisionen pro Ereignis verzichtet. Die Bestimmung der kt -splitting scales in den experimentellen Daten erfolgte nach derselben Analyse, denen auch die Sherpa-Simulationen unterzogen wurden (siehe Abschnitt 3.2.2) [5]. Dabei wurde lediglich ein Anti-kt -Algorithmus mit R = 1.0 verwendet (aber kein C/A mit R = 1.5). Die Ergebnisse der ATLAS-Daten sind in Abbildung 4.1 und 4.2 dargestellt. 4.1.2. Ereignisse ohne Hadronisierung und UE Wir betrachten im ersten Teil der Ergebnisse die Histogramme der kt -splitting scale durch Anwendung des Anti-kt -Algorithmus für die Ereignissätze ohne Hadronisierung und UE. Die splitting scales sind bezüglich der Transversalimpulse ihrer Jets getrennt in den vier Histogrammen in Abbildung 4.1 und 4.2 aufgetragen. √ √ Die Verteilung von d12 und d23 weist sowohl für die Atlas-Messdaten, als auch für die simulierten Ereignisse generell die gleiche Form auf. So befindet sich im Bereich kollinearer, weicher Abstrahlung (0 bis 20 GeV) eine starke Anhäufung an Jets. Mit zu- 19 4. Ergebnisse nehmender splitting scale, d.h. mit härterer Abstrahlung, fällt der differentielle Wirkungsquerschnitt rapide ab. Vergleichen wir die Atlas-Daten mit den verschiedenen Simulationen, so ist zu erkennen, dass sich die simulierten Ereignisse größtenteils im σ-Band der experimentellen Daten √ befinden. Auffällig ist jedoch, dass das erste Bin für d12 sowie die ersten beiden Bins q √ für d23 deutlich zu hoch liegen, während die darauffolgenden Bins ( dij > 10 GeV) zu niedrig sind. Es liegt die Vermutung nahe, dass dieser signifikante Unterschied durch das Fehlen der UE hervorgerufen wird. Theoretisch können diese zusätzlichen weichen Partonen energiereicher sein als die extrem weichen Partonen, die bei Abstrahlungen von q dij < 10 GeV entstanden sind. Durch den kt -Algorithmus aus der Analyse kann nun ein Parton aus dem UE als erste beziehungsweise zweite Abstrahlung des hochenergetischen Mutterpartons identifiziert werden und nicht das tatsächlich abgestrahlte Parton. Die UE würden damit eine Migration der Jets in Bins mit größeren splitting scales bewirken. Diese Vermutung soll in den Ergebnissen mit Hadronisierung und UE (Abschnitt 4.1.3) überprüft werden. Der Bereich härterer Abstrahlung (20 bis 100 GeV) weist weniger starke Abweichungen zu den Atlas-Daten auf. Der Grund hierfür könnte der geringere Einfluss der UE auf härtere Abstrahlungen sein. Der Ereignissatz ohne zusätzliche Jets (2-Jet) gibt den experimentellen Datensatz am besten wieder. Mit steigender Anzahl der Jets im ME liegen die Bins in diesem Bereich deutlich höher. Die 4-Jet und 5-Jet Ereignissätze befinden sich sogar auffällig häufig außerhalb der σ-Umgebung. Grund dieser Abweichungen könnte ein etwas zu ungenaues merging-Verfahren sein, dessen Wirkung mit zunehmender Anzahl von Jets im ME stärker hervortritt. Ein unpräzises merging könnte dafür sorgen, dass das Verhältnis harter Jets zu weichen Jets zu groß ist. Die Folge wäre ein zu hoher differentieller Wirkungsquerschnitt für härtere Abstrahlungen und ein zu niedriger für weiche, ähnlich wie er in Abbildung 4.1 und 4.2 zu sehen ist. Die Überprüfung dieser Vermutung liegt außerhalb des Rahmens dieser Arbeit. Die Gründe dafür sind zum einen, dass dieser Effekt deutlich schwächer ausgeprägt ist als der Einfluss der Hadronisierung und der UE. Zum anderen geben die Simulationen mit vier beziehungsweise fünf Jets nichtsdestotrotz √ √ die splitting scales im sehr hohen Bereich ( d12 > 90 GeV, d23 > 30 GeV) korrekt wieder, weshalb sie für die weitere Untersuchung durch den HEPTopTagger verwendet werden können. 20 4.1. Ergebnisse der kt -splitting scale dσ 1 √ σ d d12 0.04 b 0.03 i 1 GeV h 0.03 0.02 b b b b b b b b b b b b b b b b b b b b b b b 0 1.4 b b 1.2 MC/data MC/data b 0.005 b 0 1.4 1 0.8 0.6 b b b 1.2 1 0.8 0.6 20 40 60 80 √ 100 d12 [GeV] k T -splitting scale with pt ∈ [400 GeV, 500 GeV], int.Lum. 35 pb−1 0.03 0.025 b 0.02 1 GeV b 0.03 0.025 b 0.02 b b b 0.01 b b b 0.005 b b b b b b b b 0 1.4 b b 0.005 b b b 1 0.8 0.6 b b b b b b 0 1.4 MC/data 1.2 100 d12 [GeV] b 0.015 b 80 √ ATLAS data 2-Jet 3-Jet 4-Jet 5-Jet Sherpa b 0.04 0.035 b 0.01 60 k T -splitting scale with pt ∈ [500 GeV, 600 GeV], int.Lum. 35 pb−1 b 0.015 40 h h 0.035 20 0.045 ATLAS data 2-Jet 3-Jet 4-Jet 5-Jet Sherpa b b dσ 1 √ σ d d12 0.04 0 i 0 i b 0.01 b 0.01 1 GeV b 0.015 b dσ 1 √ σ d d12 b 0.025 b 0.02 ATLAS data 2-Jet 3-Jet 4-Jet 5-Jet Sherpa b b 0.04 0.035 b MC/data k T -splitting scale with pt ∈ [300 GeV, 400 GeV], int.Lum. 35 pb−1 0.045 ATLAS data 2-Jet 3-Jet 4-Jet 5-Jet Sherpa b b dσ 1 √ σ d d12 0.05 h 1 GeV i k T -splitting scale with pt ∈ [200 GeV, 300 GeV], int.Lum. 2 pb−1 b b b b b b b 1.2 1 0.8 0.6 0 20 40 60 80 √ 100 d12 [GeV] 0 20 40 60 80 √ 100 d12 [GeV] √ Abb. 4.1.: Die normierte Verteilung von d12 für die ATLAS-Messdaten [5] und die Sherpa-Simulationen mit unterschiedlichen Jetmultiplizitäten im ME. Es wurde ein Anti-kt -Algorithmus mit R = 1.0 verwendet. 21 dσ 1 √ σ d d23 b b 0.1 0.08 b 1 GeV i 0.08 b b b b b b 0.02 0.02 b b b b b b b 0 1.4 b b b b b b 1.2 1 0.8 b b b b b 0 1.4 b MC/data MC/data b 0.04 0.04 0.6 b b b b 1.2 1 0.8 0.6 5 10 15 20 25 30√ 35 d23 [GeV] b h 0.08 b 0.06 5 10 15 20 25 30√ 35 d23 [GeV] k T -splitting scale with pt ∈ [500 GeV, 600 GeV], int.Lum. 35 pb−1 ATLAS data 2-Jet 3-Jet 4-Jet 5-Jet Sherpa b 0.1 h ATLAS data 2-Jet 3-Jet 4-Jet 5-Jet Sherpa b b dσ 1 √ σ d d23 0.1 1 GeV k T -splitting scale with pt ∈ [400 GeV, 500 GeV], int.Lum. 35 pb−1 0 i 0 i ATLAS data 2-Jet 3-Jet 4-Jet 5-Jet Sherpa b b 0.1 b b 1 GeV 0.12 0.06 0.06 dσ 1 √ σ d d23 k T -splitting scale with pt ∈ [300 GeV, 400 GeV], int.Lum. 35 pb−1 h ATLAS data 2-Jet 3-Jet 4-Jet 5-Jet Sherpa b 0.12 dσ 1 √ σ d d23 0.14 k T -splitting scale with pt ∈ [200 GeV, 300 GeV], int.Lum. 2 pb−1 h 1 GeV i 4. Ergebnisse b b 0.08 b 0.06 b 0.04 b 0.04 b b b b b 0.02 b b b b b 0 1.4 b b b b b 1.2 1 0.8 0.6 b b b b b b 0 1.4 MC/data MC/data b 0.02 b b b b b b 1.2 1 0.8 0.6 0 5 10 15 20 25 30√ 35 d23 [GeV] 0 5 10 15 20 25 30√ 35 d23 [GeV] √ Abb. 4.2.: Die normierte Verteilung von d23 für die ATLAS-Messdaten [5] und die Sherpa-Simulationen mit unterschiedlichen Jetmultiplizitäten im ME. Es wurde ein Anti-kt -Algorithmus mit R = 1.0 verwendet. 22 4.1. Ergebnisse der kt -splitting scale 4.1.3. Ereignisse mit Hadronisierung und UE In Abbildung 4.3 und 4.4 sind die kt -splitting scales der simulierten Ereignisse mit Hadronisierung und UE aufgetragen. Wie wir im vorherigen Abschnitt bereits vermutet haben, liegen die Bins im Bereich von 0 bis 5 GeV deutlich niedriger als die Bins im Falle fehlender UE. Die dazu benachbarten Bins sind wiederum gestiegen, wobei sich der Anstieg wie erwartet mit größerer splitting scale abschwächt. Somit ist die Vermutung einer durch UE verursachten Migration bestätigt worden. Die simulierten Ereignisse geben nun sowohl den kollinearen Bereich als auch den Bereich harter Abstrahlung im Rahmen der Messungenauigkeit korrekt wieder. Wie schon im vorherigen Abschnitt beobachtet, steigt auch in den Simulationen mit Hadronisierung und UE die Abweichung zu den Atlas-Daten mit zunehmender Anzahl von Jets im ME. Auch in diesem Fall wird das merging-Verfahren als Ursache vermutet. √ Derzeit liegen keine experimentellen Daten jenseits der 100 GeV für d12 beziehungs√ weise 40 GeV für d23 vor. Diese wären hilfreich gewesen, um die Simulationen bei sehr harten Abstrahlungen zu überprüfen, die in Abschnitt 4.2 relevant sind. 23 4. Ergebnisse dσ 1 √ σ d d12 0.04 b 0.03 i 1 GeV h 0.03 b b b b b b b b 0.005 b b 0 1.4 b b b b b b b b b b b b b 0 1.4 b b 1.2 MC/data MC/data b 0.01 b b 1 0.8 0.6 b b b 1.2 1 0.8 0.6 20 40 60 80 √ 100 d12 [GeV] k T -splitting scale with pt ∈ [400 GeV, 500 GeV], int.Lum. 35 pb−1 0.03 0.025 b 0.02 1 GeV b 0.03 0.025 b 0.02 b b b 0.01 b b b 0.005 b b b b b b b b 0 1.4 b b 0.005 b b b 1 0.8 0.6 b b b b b b 0 1.4 MC/data 1.2 100 d12 [GeV] b 0.015 b 80 √ ATLAS data 2-Jet Hadr. u. UE 3-Jet Hadr. u. UE 4-Jet Hadr. u. UE Sherpa b 0.04 0.035 b 0.01 60 k T -splitting scale with pt ∈ [500 GeV, 600 GeV], int.Lum. 35 pb−1 b 0.015 40 h h 0.035 20 0.045 ATLAS data 2-Jet Hadr. u. UE 3-Jet Hadr. u. UE 4-Jet Hadr. u. UE Sherpa b b dσ 1 √ σ d d12 0.04 0 i 0 i b 0.015 0.01 1 GeV b 0.02 b b dσ 1 √ σ d d12 b 0.025 0.02 ATLAS data 2-Jet Hadr. u. UE 3-Jet Hadr. u. UE 4-Jet Hadr. u. UE Sherpa b b 0.04 0.035 b MC/data k T -splitting scale with pt ∈ [300 GeV, 400 GeV], int.Lum. 35 pb−1 0.045 ATLAS data 2-Jet Hadr. u. UE 3-Jet Hadr. u. UE 4-Jet Hadr. u. UE Sherpa b b dσ 1 √ σ d d12 0.05 h 1 GeV i k T -splitting scale with pt ∈ [200 GeV, 300 GeV], int.Lum. 2 pb−1 b b b b b b b 1.2 1 0.8 0.6 0 20 40 60 80 √ 100 d12 [GeV] 0 20 40 60 80 √ 100 d12 [GeV] √ Abb. 4.3.: Die normierte Verteilung von d12 für die ATLAS-Messdaten [5] und die Sherpa-Simulationen mit unterschiedlichen Jetmultiplizitäten im ME mit Hadronisierung & UE. Es wurde ein Anti-kt -Algorithmus mit R = 1.0 verwendet. 24 dσ 1 √ σ d d23 b b 0.1 0.08 1 GeV i 0.08 b 0.04 b b b b b 0.02 0.02 b b b b b b b 0 1.4 b b b b b b 1.2 1 0.8 b b b b b 0 1.4 b MC/data MC/data b b 0.04 0.6 b b b b 1.2 1 0.8 0.6 5 10 15 20 25 30√ 35 d23 [GeV] b h 0.08 b 0.06 5 10 15 20 25 30√ 35 d23 [GeV] k T -splitting scale with pt ∈ [500 GeV, 600 GeV], int.Lum. 35 pb−1 ATLAS data 2-Jet Hadr. u. UE 3-Jet Hadr. u. UE 4-Jet Hadr. u. UE Sherpa b 0.1 h ATLAS data 2-Jet Hadr. u. UE 3-Jet Hadr. u. UE 4-Jet Hadr. u. UE Sherpa b b dσ 1 √ σ d d23 0.1 1 GeV k T -splitting scale with pt ∈ [400 GeV, 500 GeV], int.Lum. 35 pb−1 0 i 0 i ATLAS data 2-Jet Hadr. u. UE 3-Jet Hadr. u. UE 4-Jet Hadr. u. UE Sherpa b b 0.1 0.06 b 1 GeV 0.12 b 0.06 dσ 1 √ σ d d23 k T -splitting scale with pt ∈ [300 GeV, 400 GeV], int.Lum. 35 pb−1 h ATLAS data 2-Jet Hadr. u. UE 3-Jet Hadr. u. UE 4-Jet Hadr. u. UE Sherpa b 0.12 dσ 1 √ σ d d23 0.14 k T -splitting scale with pt ∈ [200 GeV, 300 GeV], int.Lum. 2 pb−1 h 1 GeV i 4.1. Ergebnisse der kt -splitting scale b b 0.08 b 0.06 b 0.04 b 0.04 b b b b b 0.02 b b b b b 0 1.4 b b b b b 1.2 1 0.8 0.6 b b b b b b 0 1.4 MC/data MC/data b 0.02 b b b b b b 1.2 1 0.8 0.6 0 5 10 15 20 25 30√ 35 d23 [GeV] 0 5 10 15 20 25 30√ 35 d23 [GeV] √ Abb. 4.4.: Die normierte Verteilung von d23 für die ATLAS-Messdaten [5] und die Sherpa-Simulationen mit unterschiedlichen Jetmultiplizitäten im ME mit Hadronisierung & UE. Es wurde ein Anti-kt -Algorithmus mit R = 1.0 verwendet. 4.1.4. Beziehung zwischen √ d12 und √ d23 Neben dem Vergleich der kt -splitting scales zwischen simulierten Ereignissen und Messdaten lässt sich außerdem die Beziehung zwischen der ersten und der zweiten Abstrahlung an sich untersuchen. Diese Beziehung spielt für die toptaged Jets in Abschnitt 4.2.1 eine √ √ wichtige Rolle. In Abbildung 4.5 sind d12 und d23 eines Jets gegeneinander aufgetragen. Wie nicht anders zu erwarten war, befindet sich der Großteil der Jets im kollinearen, weichen Bereich. Mit größerer erster Abstrahlung hat auch die zweite Abstrahlung an 25 4. Ergebnisse Härte dazu genommen, sodass in der erkennen ist. √ √ d12 - d23 -Ebene eine markante steigende Linie zu √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[200 GeV, 300 GeV] 0.012 2-Jet Sherpa 35 30 0.01 25 d23 [GeV] 40 √ √ d23 [GeV] √ Weiterhin ist gut zu sehen, dass für jeden Jet die kt -splitting scale d12 größer ist als √ d23 , was eine Konsequenz der Verwendung des kt -Algorithmus ist (da die Einverleibung weicher Teilchen bevorzugt wird). 0.006 0.004 5 0.01 0.008 0.006 40 60 80√ 100 d12 [GeV] 5 0 0 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[200 GeV, 300 GeV] 0.012 2-Jet Sherpa 30 0.002 0.01 25 0.008 20 0.006 15 d23 [GeV] 20 0.004 10 √ d23 [GeV] √ 0 35 40 0.002 0 20 40 60 80√ 100 d12 [GeV] √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[200 GeV, 300 GeV] 0.012 2-Jet Sherpa 35 30 0 0.01 25 0.008 20 0.006 15 0.004 10 5 0 30 15 10 40 0.012 2-Jet Sherpa 35 20 15 0 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[200 GeV, 300 GeV] 25 0.008 20 40 0 20 40 60 80√ 100 d12 [GeV] 0.004 10 0.002 5 0 0 0.002 0 20 40 60 80√ 100 d12 [GeV] 0 √ √ Abb. 4.5.: Die normierte Verteilung von d23 gegen d12 für die 2-Jet-Simulation ohne Hadronisierung & UE. Es wurde ein Anti-kt -Algorithmus mit R = 1.0 verwendet. 26 4.2. Ergebnisse des HEPTopTaggers 4.2. Ergebnisse des HEPTopTaggers Nachdem in Abschnitt 4.1 die korrekte Beschreibung der kt -splitting scale durch SherpaSimulationen sichergestellt wurde, betrachten wir im Folgenden die Ergebnisse der toptaged Jets, die mithilfe des HEPTopTaggers identifiziert wurden (siehe Abschnitt 3.2.2). 4.2.1. kt -splitting scale für toptaged Jets In Abschnitt 4.1.4 haben wir die Beziehung der ersten und zweiten Abstrahlung hochenergetischer Jets für einen Anti-kt -Algorithmus untersucht. Ein gewisser Bruchteil dieser Jets wurden durch den HEPTopTagger als Top-Quarks identifiziert. Um den Unterschied zwischen diesen toptaged Jets und dem Rest der Jets zu verstehen, betrachten wir √ √ in Abbildung 4.6 die Verteilung von d12 und d23 von ausschließlich toptaged Jets. Im Vergleich zu Abbildung 4.5 aus dem vorherigen Abschnitt ist eine grundlegend andere Verteilung zu erkennen. √ √ Der Großteil der toptaged Jets besitzt ein d12 zwischen 50 und 150 GeV und ein d23 im Bereich von 10 bis 80 GeV und liegt damit teilweise außerhalb des Bereichs, der in [5] untersucht wurde. Die Verteilung ist ellipsenförmig, wobei das Maximum der Verteilung √ √ bei ( d12 = 80-90 GeV, d23 = 45-60 GeV) liegt. Die toptaged Jets sind damit eindeutig dem Bereich zuzuordnen, der maßgeblich durch die Berechnung des Matrixelements in Sherpa bestimmt wird. Aus diesem Grund ist es äußerst wahrscheinlich, dass sich Änderungen im ME wie z.B. die Jetmultiplizität im ME auf die toptaged Jets auswirken √ √ werden (siehe Abschnitt 4.2.2). So sind bereits im Vergleich der d12 - d23 -Verteilungen für Ereignisse mit unterschiedlichen Anzahlen an Jets im ME deutliche Unterschiede zu erkennen (siehe Anhang B). Mehr Jets im ME bewirken eine starke Zunahme an toptaged Jets. Die generelle Form der Verteilung ändert sich jedoch nicht. Ebenso ist im Vergleich zwischen Anti-kt mit R = 1.0 und dem Cambridge/AachenAlgorithmus mit R = 1.5 eine deutliche Zunahme an toptaged Jets für C/A zu erkennen. Auch in diesem Fall bleibt die qualitative Verteilung der toptaged Jets nahezu unverändert. Die Hadronisierung lässt nur geringfügige Effekte auf die toptaged Jets erkennen (siehe Anhang B). So ergibt sich durch die Hadronisierung eine Verschiebung der Verteilung zu höheren splitting scales. Für C/A ist dieser Effekt schwächer ausgeprägt. UE haben in diesen Abstrahlungsbereichen höchstwahrscheinlich keine Auswirkungen. 27 2-Jet Sherpa 70 60 0.0003 √ 0.00025 50 d23 [GeV] √ 80 0 50 100 150 √ 200 d12 [GeV] 2-Jet Sherpa 70 60 0.0005 0.0004 40 0.0003 30 0.0002 20 0.0001 10 0 0 0.0006 50 0 50 100 150 √ 200 d12 [GeV] 0.0003 0.00025 0.0002 0.00015 0.0001 5e-05 10 0 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[400 GeV, 500 GeV] 60 20 5e-05 10 2-Jet Sherpa 70 30 0.0001 20 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] 0.00035 pt ∈[300 GeV, 400 GeV] 40 0.00015 30 80 50 0.0002 40 0 d23 [GeV] √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[200 GeV, 300 GeV] d23 [GeV] 80 √ √ d23 [GeV] 4. Ergebnisse 0 80 0 50 100 150 √ 200 d12 [GeV] √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[500 GeV, 600 GeV] 2-Jet Sherpa 70 60 0.0006 0.0005 50 0.0004 40 0.0003 30 0.0002 20 0.0001 10 0 0 0 50 100 150 √ 200 d12 [GeV] 0 √ √ Abb. 4.6.: Die normierte Verteilung von d23 gegen d12 der toptaged Jets in einer 2Jet-Simulation ohne Hadronisierung & UE. Es wurde ein Cambridge/AachenAlgorithmus mit R = 1.5 verwendet. 4.2.2. Top-mistagging efficiency Parallel zu der Bestimmung der kt -splitting scales, deren Ergebnisse wir in den vorherigen Abschnitten untersucht haben, wurden in der Analyse die Anzahl an toptaged Jets NTop und die Gesamtanzahl an Jets NJets gezählt sowie die mistagging efficiency bestimmt (siehe Abschnitt 3.2.2). Diese Größen erlauben es uns nun, auch quantitative Aussagen zu den Unterschieden der Ereignissätze zu treffen. In Tabelle 4.1 bis 4.4 sind die besagten Größen aufgetragen. 28 4.2. Ergebnisse des HEPTopTaggers Anti-kt mit R = 1.0 pt [GeV] 2-Jet 3-Jet 4-Jet 5-Jet NTop 200-300 300-400 400-500 500-600 120 253 109 42 185 388 163 37 186 503 177 69 213 508 227 75 NJets 200-300 300-400 400-500 500-600 696448 80266 15018 3671 911221 114277 20625 4765 972640 126791 23856 5715 937075 124253 23793 5865 mistag [10−2 ] 200-300 300-400 400-500 500-600 0.0172 ± 0.0016 0.32 ± 0.02 0.73 ± 0.07 1.14 ± 0.18 0.0203 ± 0.0015 0.34 ± 0.02 0.79 ± 0.07 0.78 ± 0.13 0.019 ± 0.002 0.40 ± 0.02 0.74 ± 0.06 1.21 ± 0.15 0.023 ± 0.002 0.41 ± 0.02 0.95 ± 0.07 1.3 ± 0.2 Tab. 4.1.: Die Anzahl der toptaged Jets NTop , die Gesamtanzahl aller Jets NJets und die mistagging efficiency mistag für die unterschiedlichen Ereignissätze ohne Hadronisierung und UE. Es wurde ein Anti-kt -Algorithmus mit R = 1.0 verwendet. Anti-kt mit R = 1.0 pt [GeV] 2-Jet (Hadr.,UE) 3-Jet (Hadr.,UE) 4-Jet (Hadr.,UE) NTop 200-300 300-400 400-500 500-600 70 160 53 19 120 286 69 21 124 319 100 40 NJets 200-300 300-400 400-500 500-600 746660 83428 14701 3408 963340 116906 20909 4928 1058424 134078 24419 5947 mistag [10−2 ] 200-300 300-400 400-500 500-600 0.0125 ± 0.0012 0.245 ± 0.015 0.33 ± 0.04 0.43 ± 0.10 0.012 ± 0.001 0.238 ± 0.013 0.41 ± 0.05 0.67 ± 0.11 0.0094 ± 0.192 ± 0.36 ± 0.58 ± 0.0012 0.016 0.05 0.13 Tab. 4.2.: Die Anzahl der toptaged Jets NTop , die Gesamtanzahl aller Jets NJets und die mistagging efficiency mistag für die unterschiedlichen Ereignissätze mit Hadronisierung und UE. Es wurde ein Anti-kt -Algorithmus mit R = 1.0 verwendet. 29 4. Ergebnisse Cambridge/Aachen mit R = 1.5 pt [GeV] 2-Jet 3-Jet 4-Jet 5-Jet NTop 200-300 300-400 400-500 500-600 9451 2299 500 148 11622 3555 743 170 13061 4617 999 244 12498 4661 1082 270 NJets 200-300 300-400 400-500 500-600 830743 96146 17964 4367 1057447 137284 24817 5692 1128468 153308 28918 6788 1082846 150496 28926 7058 mistag [10−2 ] 200-300 300-400 400-500 500-600 1.154 ± 0.011 3.012 ± 0.05 3.45 ± 0.12 3.59 ± 0.24 1.16 ± 0.02 3.10 ± 0.05 3.74 ± 0.12 3.8 ± 0.3 1.138 ± 0.012 1.01 ± 0.01 2.39 ± 0.05 2.59 ± 0.05 2.78 ± 0.13 2.99 ± 0.12 3.4 ± 0.3 2.99 ± 0.23 Tab. 4.3.: Die Anzahl der toptaged Jets NTop , die Gesamtanzahl aller Jets NJets und die mistagging efficiency mistag für die unterschiedlichen Ereignissätze ohne Hadronisierung und UE. Es wurde ein C/A-Algorithmus mit R = 1.5 verwendet. Cambridge/Aachen mit R = 1.5 pt [GeV] 2-Jet (Hadr.,UE) 3-Jet (Hadr.,UE) 4-Jet (Hadr.,UE) NTop 200-300 300-400 400-500 500-600 8273 2526 534 130 9482 3979 844 206 11135 5190 1171 293 NJets 200-300 300-400 400-500 500-600 938930 104553 18366 4227 1170390 147203 26172 6014 1280064 169940 30730 7407 mistag [10−2 ] 200-300 300-400 400-500 500-600 0.88 ± 0.01 2.42 ± 0.05 2.91 ± 0.13 3.1 ± 0.3 0.810 ± 0.009 2.70 ± 0.05 3.22 ± 0.12 3.43 ± 0.24 0.870 ± 0.009 3.05 ± 0.05 3.81 ± 0.11 4.0 ± 0.3 Tab. 4.4.: Die Anzahl der toptaged Jets NTop , die Gesamtanzahl aller Jets NJets und die mistagging efficiency mistag für die unterschiedlichen Ereignissätze mit Hadronisierung und UE. Es wurde ein C/A-Algorithmus mit R = 1.5 verwendet. 30 4.2. Ergebnisse des HEPTopTaggers Wie schon im vorherigen Abschnitt 4.2.1 festgestellt wurde, steigt NTop immens von Anti-kt auf C/A an. Ein Grund für diesen Anstieg liegt in der generellen Zunahme der Jetanzahl NJets um durchschnittlich 20%. Dieser Effekt kann durch die Zunahme des Radius von R = 1.0 auf R = 1.5 verstanden werden. Ein größerer Radius bedeutet im Durchschnitt mehr Teilchen in einem Jet. Dies wiederum bewirkt einen höheren Jetimpuls, sodass letztendlich mehr Jets die Impulsschwelle von 200 GeV überschreiten und in der Analyse berücksichtigt werden. Die Vergrößerung des Jetradius hat außerdem zur Folge, dass die invariante Masse des Jets im Durchschnitt höher liegt. Dadurch steigt die Wahrscheinlichkeit, das mass drop criterium in Schritt 1 des HEPTopTaggers zu erfüllen (siehe Abschnitt 2.3), und mehr Jets werden durchschnittlich als Top-Quarks identifiziert. Ein weiterer Grund für die Zunahme von NTop ist der Wechsel des verwendeten Algorithmus von Anti-kt auf C/A. Wie in der Analysebeschreibung (siehe Abschnitt 3.2.2) bereits erwähnt wurde, haben wir kurzzeitig einen C/A mit R = 1.0 untersucht (siehe Anhang C). Es ist gut zu erkennen, dass der Wechsel von Anti-kt auf C/A mit gleichem Radius eine Verdopplung oder sogar Vervierfachung der toptaged Jets bewirkt hat. Somit scheint die Wahl des C/A-Algorithmus nicht nur die Erkennung von boosted Top-Quarks zu erleichtern wie in [2] beschrieben, sondern verursacht gleichzeitig einen wesentlichen Anstieg der mistagging efficiency. Die enorme Zunahme von NTop lässt sich also mit einfachen Mitteln verstehen. Sie führt letztendlich dazu, dass die mistagging efficiency für C/A deutlich höher liegt als die für den Anti-kt -Algorithmus (bei gleichen ME-Einstellungen). Einen weiteren Effekt, den wir durch Tabelle 4.1 bis 4.4 untersuchen können, ist der Einfluss der Hadronisierung und der underlying events auf die toptaged Jets. Für den Cambridge/Aachen-Algorithmus zeigen sich abhängig von dem Jet-pt unterschiedliche Effekte auf die mistagging efficiency. So sehen wir für Jets mit einem Impuls zwischen 200 und 300 GeV einen deutlichen Abfall von mistag . Betrachten wir NTop und NJets , so ist deutlich zu erkennen, dass dies auf dem vergleichsweise starken Anstieg von NJets beruht. Auch aus dem Grund heraus, dass diese Tendenz für Jets mit höherem pt schwächer ausgeprägt ist, lassen sich die UE als Ursache vermuten. Durch den Impulsanstieg, den die UE bewirken, gelangen mehr Jets über die 200 GeV-Schwelle und werden in der Analyse registriert. Im Filterungsprozess des HEPTopTaggers fallen sie jedoch schnell als Topkandidaten heraus, sodass letztendlich die mistagging efficiency sinkt. Für Jets mit einem Impuls über 300 GeV bleiben die mistagging efficiencies im Rahmen der Fehler nahezu gleich oder weisen eine geringe Zunahme auf. Hier wird die Hadro- 31 4. Ergebnisse nisierung als Ursache vermutet, die auf Grund ihres auffächernden Effekts auf Jets die invariante Masse erhöht (vergleiche Abschnitt 2.2.3) und dadurch vergleichsweise mehr Jets als Top-Quarks identifiziert werden können. Im Gegensatz dazu sehen wir für den Anti-kt -Algorithmus ein deutliches Absinken von NTop um etwa 40% unabhängig von dem Jetimpuls. Dagegen fällt NJets nur um geringfügige 2 bis 6% ab. Schließlich kommen wir zu dem wohl bedeutendsten Teil der Ergebnisse, nämlich der Abhängigkeit der mistagging efficiency mistag von der Anzahl an Jets im ME. Der Vergleich der unterschiedlichen mistag erweist sich für den Anti-kt -Algorithmus als schwierig, da auf Grund der geringen Anzahl der toptaged Jets NTop relativ große Fehler für die Effizienz auftreten. Andererseits sind die Effekte in der C/A-Analyse relativ gut erkennbar. Vergleichen wir zunächst die Ereignisse mit zwei Jets und drei Jets. Es ist kein einheitliches Verhalten der mistagging efficiency zu erkennen. Für unterschiedliche pt -Werte kommt es zum Anstieg (max. 12%) oder Abfall (min. -27%) der Effizienz. Im Gegensatz dazu findet bei der Veränderung des ME für C/A von drei auf vier Jets eine signifikante Erhöhung der Effizienz in allen pt -Schnitten statt. Der Effekt ist, wo es der Fehler zulässt, auch in der Anti-kt -Analyse zu erkennen. Für C/A nimmt mistag für Ereignisse ohne Hadronisierung und UE um 14 bis 20% zu, während die Zunahme mit diesen Effekten lediglich 7 bis 16% beträgt. Der Grund für diesen enormen Anstieg der Effizienz liegt wahrscheinlich in der Ähnlichkeit, die ein Ereignis mit vier harten Jets zu einem Top-Zerfall hat. So kann es vorkommen, dass drei dieser harten Partonen aus dem ME einem C/A-Jet mit R = 1.5 zugeordnet und fälschlicherweise als Bottom-Quark und hadronische Zerfallsprodukte des W -Bosons identifiziert werden. Sollte diese Erklärung für die Zunahme der mistagging efficiency zutreffen, so sollte es beim Vergleich zwischen vier und fünf zusätzlichen Jets zu gar keiner oder einer relativ kleinen Erhöhung von mistag kommen, da der zusätzliche fünfte Jet die Ähnlichkeit zu Top-Zerfällen nicht weiter fördert. Die geringe Zunahme könnte sich dadurch erklären lassen, dass es bei insgesamt fünf harten Jets wahrscheinlicher zu einer Konstellation kommt, in der ein C/A-Jet als Top identifiziert wird. In Tabelle 4.3 ist im Rahmen der Fehler für fünf Jets tatsächlich ein Sättigungseffekt sowohl für C/A als auch für Anti-kt erkennbar. Um letztendlich den Sättigungseffekt voll und ganz zu bestätigen, wäre eine Untersuchung von 5-Jet Ereignissen mit Hadronisierung und UE erforderlich. Dieser Ereignissatz konnte auf Grund des immensen Rechenaufwands für diese Arbeit nicht generiert wer- 32 4.2. Ergebnisse des HEPTopTaggers den. Da die zur Verfügung stehenden Ereignisse mit Hadronisierung an sich bereits eine schwächere Zunahme der mistagging efficiency gezeigt haben, ist zu vermuten, dass der 5-Jet Ereignissatz mit Hadronisierung ein noch deutlicheres Sättigungsverhalten zeigen wird als in den Ereignissen ohne Hadronisierung. Neben der mistagging efficiency, die wir nun ausführlich betrachtet haben, lässt sich außerdem untersuchen, wie viele Jets pro Ereignis als Top-Quarks identifiziert wurden. In Tabelle 4.5 und 4.6 sind die Anzahl der Ereignisse mit einem und zwei toptaged Jets aufgetragen. Ereignisse mit mehr als zwei toptaged Jets sind in keinem Ereignissatz vorgekommen. Es ist deutlich zu erkennen, dass im Vergleich zu Ein-Top-Ereignissen die Anzahl an Zwei-Top-Ereignissen äußerst gering ist. Aus diesem Grund sind die in dieser Arbeit simulierten Ereignissätze nicht als QCD-Untergrund für tt̄-Ereignisse zu gebrauchen, sehr wohl aber für Ereignisse mit einem auftretenden Top. Anti-kt mit Rkt = 1.0 # Tops 2-Jet 3-Jet 4-Jet 5-Jet 2-Jet (H) 3-Jet (H) 4-Jet (H) 1 2 524 0 771 1 931 2 1021 1 302 0 494 1 579 2 NEvents Tab. 4.5.: Die Anzahl der Ereignisse mit einem beziehungsweise zwei toptaged Jets für den Anti-kt -Algorithmus. Das (H) bezeichnet Ereignissätze mit Hadronisierung und underlying events. Cam/Aachen mit RC/A = 1.5 NEvents # Tops 2-Jet 3-Jet 4-Jet 5-Jet 2-Jet (H) 3-Jet (H) 4-Jet (H) 1 2 12,278 60 15,836 127 18,573 174 18,155 178 11,323 70 14,281 115 17,447 171 Tab. 4.6.: Die Anzahl der Ereignisse mit einem beziehungsweise zwei toptaged Jets für den Cambridge/Aachen-Algorithmus. Das (H) bezeichnet Ereignissätze mit Hadronisierung und underlying events. 33 5. Zusammenfassung Die Untersuchung der Substruktur hochenergetischer Teilchenjets und die Anwendung des HEPTopTaggers führten zu einigen nennenswerten Ergebnissen. Die wichtigsten Punkte lassen sich wie folgt zusammenfassen: 1. Die Sherpa-Simulationen mit Hadronisierung und underlying events sind in der √ Lage, die kt -splitting scales der Atlas-Daten aus dem Jahr 2010 mit s = 7 TeV im Rahmen der Messungenauigkeit korrekt zu beschreiben. Für die Beschreibung des Gebiets harter Abstrahlung können außerdem die Ereignisse ohne Hadronisierung und UE verwendet werden. 2. Die durch den HEPTopTagger als Top-Quarks identifizierten Jets besitzen relativ √ √ große kt -splitting scales ( d12 = 50 bis 150 GeV, d12 = 10 bis 80 GeV) und liegen damit klar in dem Bereich, der maßgeblich von der Berechnung des Matrixelements bestimmt wird. 3. Mit einer höheren Anzahl an Jets im Matrixelement nimmt die mistagging efficiency zu. Vor allem bei Ereignissen mit bis zu vier Jets im Matrixelement kommt es zu einem signifikanten Anstieg um durchschnittlich 15% (im Vergleich zu 3-JetEreignissen). Bei fünf Jets ist dagegen ein Sättigungseffekt zu erkennen. In absehbarer Zeit werden die neuen Atlas-Daten aus 2011 und 2012 mit Sicherheit die Substruktur im Allgemeinen und konkret die kt -splitting scales großer hochenergetischer Jets mit deutlich höherer Statistik bestimmen. Spätestens dann wird sich wieder die Frage stellen, ob und mit welchen Einstellungen Sherpa die Substruktur der Jets korrekt beschreibt. Wie schon erwähnt, wäre auch die Bestimmung sehr hoher kt -splitting scales in Atlas erwünscht, um den QCD-Untergrunds für Top-Quarks besser untersuchen zu können. Der dritte Punkt der Ergebnisse hat wichtige Konsequenzen für die zukünftige Untersuchung von einzelnen highly boosted Top-Quarks. Um den QCD-Untergrund durch MCSimulationen richtig abzuschätzen, sollten bis zu vier Jets im Matrixelement eingestellt 35 5. Zusammenfassung werden. Ansonsten könnte es dazu kommen, dass eine zu geringe mistagging efficiency berechnet wird. Auf Grund des relativ hohen Wirkungsquerschnitts des QCD-Untergrunds in der Größenordnung von 103 pb ist eine präzise Berechnung dieser mistagging efficiency nicht zu unterschätzen. 36 A. Sherpa-Run-Card Listing A.1: Die verwendete Run-Card für Sherpa. Über Ein- und Auskommentierung von Zeile 5 und 36 lassen sich Hadronisierung und UE ein- und ausstellen. 1 2 3 4 5 6 7 ( run ) { EVENTS 2 0 0 0 0 0 0 ; NJET: = 2 ; QCUT: = 2 0 ; // G e n e r i e r u n g von 2 M i l l i o n e n // E r e i g n i s s e n und E i n s t e l l u n g von Parametern ANALYSIS R i v e t ; //FRAGMENTATION O f f ; // Ein− und A u s s c h a l t e n d e r H a d r o n i s i e r u n g YFS_MODE 0 ; } ( run ) ; 8 9 10 11 12 ( beam ) { BEAM_1 2 2 1 2 ; BEAM_ENERGY_1 3 5 0 0 ; // P r o t o n e n s t r a h l mit 3 . 5 TeV BEAM_2 2 2 1 2 ; BEAM_ENERGY_2 3 5 0 0 ; } ( beam ) ; 13 14 15 16 17 18 19 20 21 22 23 ( p r o c e s s e s ){ P r o c e s s 93 93 −> 93 93 93{NJET} ; // P r o z e s s d e s MEs : 2 Partonen nach // m i n d e s t e n s 2 b i s maximal 2+NJET Partonen CKKW s q r (QCUT/E_CMS) ; // E i n s t e l l u n g d e s merging−V e r f a h r e n s Order_EW 0 ; Max_N_Quarks 4 ; I n t e g r a t i o n _ E r r o r 0 . 0 2 { 2 } ; // E i n s t e l l u n g d e s I n t e g r a t i o n s f e h l e r s I n t e g r a t i o n _ E r r o r 0 . 0 3 { 3 } ; // f ü r e i n e e f f e k t i v e r e S i m u l a t i o n Integration_Error 0.04 {4}; End p r o c e s s ; }( p r o c e s s e s ) ; 24 25 26 27 28 ( s e l e c t o r ){ NJetFinder 2 150 0 1 −1; // G e n e r a t i o n von m i n d e s t e n s 2 J e t s mit // einem Impuls j e w e i l s über 150 GeV }( s e l e c t o r ) ; 29 30 31 32 (me) { ME_SIGNAL_GENERATOR Comix ; // E i n s t e l l u n g d e s ME−G e n e r a t o r s } (me ) ; 37 A. Sherpa-Run-Card 33 34 35 36 37 ( mi ) { MI_HANDLER Amisic // Ein− und A u s s c h a l t e n d e r UEs } ( mi ) ; 38 39 ( a n a l y s i s ){ 40 41 42 43 BEGIN_RIVET { −a ATLAS_D_002 // Wahl d e r Analyse } END_RIVET; 44 45 }( a n a l y s i s ) 38 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[200 GeV, 300 GeV] 0.0003 3-Jet Sherpa 70 0.00025 √ 60 50 0.0002 40 0.00015 30 50 100 150 √ 200 d12 [GeV] 0 0.00045 3-Jet Sherpa 70 60 60 0.0004 0.00035 0.0002 40 0.00015 80 50 40 0.00025 40 30 0.0002 30 0.00015 0.0001 0 5e-05 0 50 100 150 √ 200 d12 [GeV] 0 5e-05 0 50 100 150 √ 200 d12 [GeV] 0 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] 0.0006 pt ∈[500 GeV, 600 GeV] 3-Jet Sherpa 60 0.0003 10 0.0001 70 50 20 0.00025 50 0 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[400 GeV, 500 GeV] 0.0003 3-Jet Sherpa 70 10 √ d23 [GeV] √ 80 0 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[300 GeV, 400 GeV] 20 5e-05 10 80 30 0.0001 20 0 d23 [GeV] 80 d23 [GeV] √ d23 [GeV] B. kt-splitting scale für toptaged Jets 0.0005 0.0004 0.0003 0.0002 20 0.0001 10 0 0 50 100 150 √ 200 d12 [GeV] 0 √ √ Abb. B.1.: Die normierte Verteilung von d23 gegen d12 der toptaged Jets für die 3-Jet-Simulation ohne Hadronisierung & UE. Es wurde ein Cambridge/Aachen-Algorithmus mit R = 1.5 verwendet. 39 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[200 GeV, 300 GeV] 0.0003 4-Jet Sherpa 70 60 0.00025 d23 [GeV] 80 √ √ d23 [GeV] B. kt -splitting scale für toptaged Jets 50 0.00015 0.0001 0.00025 0.0002 0.00015 0 50 100 150 √ 200 d12 [GeV] 0.0001 20 5e-05 10 5e-05 10 0 0 0 50 100 150 √ 200 d12 [GeV] 0 50 0.00025 50 40 0.0002 40 0.0004 30 0.00015 30 0.0003 20 0.0001 20 0.0002 5e-05 10 pt ∈[400 GeV, 500 GeV] 70 10 0 d23 [GeV] 60 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] 0.0004 4-Jet 0.00035 Sherpa 0.0003 80 √ d23 [GeV] 60 30 20 √ 0.0003 4-Jet Sherpa 70 40 30 0 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[300 GeV, 400 GeV] 50 0.0002 40 80 0 50 100 150 √ 200 d12 [GeV] 0 80 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[500 GeV, 600 GeV] 60 0 0.0007 4-Jet Sherpa 70 0.0006 0.0005 0.0001 0 50 100 150 √ 200 d12 [GeV] 0 √ √ Abb. B.2.: Die normierte Verteilung von d23 gegen d12 der toptaged Jets für die 4-Jet-Simulation ohne Hadronisierung & UE. Es wurde ein Cambridge/Aachen-Algorithmus mit R = 1.5 verwendet. 40 5-Jet Sherpa 70 60 0.0003 √ 0.00025 50 50 100 150 √ 200 d12 [GeV] 0 0 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[400 GeV, 500 GeV] 0.0004 5-Jet Sherpa 70 60 0.00035 0.0003 50 0.00025 40 0.0002 30 0.00015 80 10 200 d12 [GeV] 0 0 50 100 150 √ 200 d12 [GeV] 0 0 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[500 GeV, 600 GeV] 5-Jet Sherpa 0.0006 0.0005 0.0004 0.0003 30 5e-05 150 √ 5e-05 40 10 100 0.0001 50 20 50 0.00015 60 0.0001 0 0.0002 70 20 0 0.00025 10 √ d23 [GeV] √ 80 0 60 20 5e-05 10 0.0003 5-Jet Sherpa 70 30 0.0001 20 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[300 GeV, 400 GeV] 40 0.00015 30 80 50 0.0002 40 0 d23 [GeV] √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[200 GeV, 300 GeV] d23 [GeV] d23 [GeV] √ 80 0.0002 0.0001 0 50 100 150 √ 200 d12 [GeV] 0 √ √ Abb. B.3.: Die normierte Verteilung von d23 gegen d12 der toptaged Jets für die 5-Jet-Simulation ohne Hadronisierung & UE. Es wurde ein Cambridge/Aachen-Algorithmus mit R = 1.5 verwendet. 41 2-Jet Hadr. u. UE Sherpa 70 50 d23 [GeV] √ 80 0 50 100 150 √ 200 d12 [GeV] 2-Jet Hadr. u. UE Sherpa 70 60 50 0.0004 0.0003 40 0.0002 30 20 0.0001 10 0 0 0.0005 0 50 100 150 √ 200 d12 [GeV] 0 0.0003 0.00025 0.0002 0.00015 0.0001 5e-05 10 0 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[400 GeV, 500 GeV] 60 20 5e-05 10 2-Jet Hadr. u. UE Sherpa 70 30 0.0001 20 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[300 GeV, 400 GeV] 40 0.00015 30 80 50 0.0002 40 0 0.00025 √ 60 0.0003 d23 [GeV] √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[200 GeV, 300 GeV] d23 [GeV] 80 √ √ d23 [GeV] B. kt -splitting scale für toptaged Jets 80 0 50 100 150 √ 200 d12 [GeV] √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[500 GeV, 600 GeV] 2-Jet Hadr. u. UE Sherpa 70 60 0.001 0.0008 50 0.0006 40 30 0.0004 20 0.0002 10 0 0 0 50 100 150 √ 200 d12 [GeV] 0 √ √ Abb. B.4.: Die normierte Verteilung von d23 gegen d12 der toptaged Jets für die 2Jet-Simulation mit Hadronisierung & UE. Es wurde ein Cambridge/AachenAlgorithmus mit R = 1.5 verwendet. 42 3-Jet Hadr. u. UE Sherpa 70 60 0.00025 d23 [GeV] √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[200 GeV, 300 GeV] √ d23 [GeV] √ 80 0.0002 50 30 0.0001 5e-05 50 100 150 √ 200 d12 [GeV] 0 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] 0.0004 pt ∈[400 GeV, 500 GeV] 3-Jet Hadr. u. UE Sherpa 70 60 0.00035 0.0003 60 10 5e-05 80 40 30 0.00015 30 20 0.0001 20 10 5e-05 10 200 d12 [GeV] 0 50 100 0 150 √ 200 d12 [GeV] 0 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[500 GeV, 600 GeV] 3-Jet Hadr. u. UE Sherpa 60 50 150 √ 0 70 0.0002 100 0.0002 0.0001 0.00025 50 0.00025 20 40 0 0.0003 30 50 0 0.00035 0.00015 0 d23 [GeV] 80 0 √ √ d23 [GeV] 0 3-Jet Hadr. u. UE Sherpa 70 40 20 10 √ √ d2 σ/(σd d23 d d23 )[GeV−2 ] pt ∈[300 GeV, 400 GeV] 50 0.00015 40 80 0.0005 0.0004 0.0003 0.0002 0.0001 0 50 100 150 √ 200 d12 [GeV] 0 √ √ Abb. B.5.: Die normierte Verteilung von d23 gegen d12 der toptaged Jets für die 3Jet-Simulation mit Hadronisierung & UE. Es wurde ein Cambridge/AachenAlgorithmus mit R = 1.5 verwendet. 43 C. Ergebnisse der Analyse mit C/A R = 1.0 Cambridge/Aachen mit R = 1.0 pt [GeV] 2-Jet 3-Jet 4-Jet 5-Jet NTop 200-300 300-400 400-500 500-600 233 510 224 72 364 790 290 73 387 976 398 120 387 1033 425 112 NJets 200-300 300-400 400-500 500-600 688434 79392 14929 3634 900445 112983 20448 4715 959964 125316 23637 5642 924444 122783 23588 5773 mistag [10−2 ] 200-300 300-400 400-500 500-600 0.034 ± 0.003 0.64 ± 0.03 1.5 ± 0.1 2.0 ± 0.3 0.040 ± 0.003 0.70 ± 0.03 1.42 ± 0.09 1.5 ± 0.2 0.040 ± 0.002 078 ± 0.03 1.68 ± 0.09 2.1 ± 0.2 0.042 ± 0.003 0.84 ± 0.03 1.80 ± 0.09 1.9 ± 0.2 Tab. C.1.: Die Anzahl der toptaged Jets NTop , die Gesamtanzahl aller Jets NJets und die mistagging efficiency mistag für die unterschiedlichen Ereignissätze ohne Hadronisierung und UE. Es wurde ein C/A-Algorithmus mit R = 1.0 verwendet. 45 C. Ergebnisse der Analyse mit C/A R = 1.0 Cambridge/Aachen mit R = 1.0 pt [GeV] 2-Jet (Hadr.,UE) 3-Jet (Hadr.,UE) 4-Jet (Hadr.,UE) NTop 200-300 300-400 400-500 500-600 159 499 193 49 252 804 293 92 299 988 417 122 NJets 200-300 300-400 400-500 500-600 715714 80743 14367 3333 923440 113012 20308 4818 1012460 129383 23718 5796 mistag [10−2 ] 200-300 300-400 400-500 500-600 0.022 ± 0.002 0.62 ± 0.03 1.3 ± 0.1 1.4 ± 0.02 0.027 ± 0.002 0.71 ± 0.03 1.44 ± 0.09 1.9 ± 0.2 0.030 ± 0.002 076 ± 0.02 1.76 ± 0.09 2.1 ± 0.2 Tab. C.2.: Die Anzahl der toptaged Jets NTop , die Gesamtanzahl aller Jets NJets und die mistagging efficiency mistag für die unterschiedlichen Ereignissätze mit Hadronisierung und UE. Es wurde ein C/A-Algorithmus mit R = 1.0 verwendet. 46 Literaturverzeichnis [1] D. E. Morrissey, T. Plehn, T. M. Tait, Physics searches at the LHC, Phys.Rept. 515, 1 (2012), 0912.3259 [2] T. Plehn, M. Spannowsky, Top Tagging (2011), 1112.4441 [3] A. Abdesselam, et al., Boosted objects: a probe of beyond the Standard Model physics (2011), arXiv:1012.5412v2[hep-ex] [4] T. Gleisberg, S. Hoeche, F. Krauss, M. Schonherr, S. Schumann, et al., Event generation with SHERPA 1.1, JHEP 0902, 007 (2009), 0811.4622 [5] G. Aad, et al. (ATLAS Collaboration), Jet mass and substructure of inclusive jets in sqrt(s) = 7 TeV pp collisions with the ATLAS experiment, JHEP 1205, 128 (2012), 1203.4606 [6] Jet Shapes in ATLAS and MC modeling, Technical Report ATL-PHYS-PUB-2011010, CERN, Geneva (2011) [7] A. Buckley, J. Butterworth, L. Lonnblad, H. Hoeth, J. Monk, et al., Rivet user manual (2010), 1003.0694 [8] J. C. Collins, D. E. Soper, G. Sterman, Heavy Particle Production in High-Energy Hadron Collisions, Nucl. Phys. B 263, 37 (1986) [9] Y. L. Dokshitzer, Calculation of the Structure Functions for Deep Inelastic Scattering and e+ e- Annihilation by Perturbation Theory in Quantum Chromodynamics., Sov.Phys.JETP 46, 641 (1977) [10] V. Gribov, L. Lipatov, Deep inelastic e p scattering in perturbation theory, Sov.J.Nucl.Phys. 15, 438 (1972) [11] G. Altarelli, G. Parisi, Asymptotic Freedom in Parton Language, Nucl.Phys. B126, 298 (1977) 47 Literaturverzeichnis [12] M. E. Peskin, D. V. Schroeder, An Introduction to Quantum Field Theory, Perseus Books, Cambridge, Massachusetts (1995) [13] T. Sjöstrand, M. van Zijl, A multiple-interaction model for the event structure in hadron collisions, Phys. Rev. D 36, 2019 (1987), URL http://link.aps.org/doi/ 10.1103/PhysRevD.36.2019 [14] B. Andersson, G. Gustafson, G. Ingelman, T. Sjostrand, Parton Fragmentation and String Dynamics, Phys.Rept. 97, 31 (1983) [15] B. Andersson, Cambridge University Press (1998), URL http://dx.doi.org/10. 1017/CBO9780511524363 [16] S. Wolfram, PARTON AND HADRON PRODUCTION IN e+ e- ANNIHILATION (1980) [17] G. C. Fox, S. Wolfram, A Model for Parton Showers in QCD, Nucl.Phys. B168, 285 (1980) [18] R. D. Field, S. Wolfram, A QCD Model for e+ e- Annihilation, Nucl.Phys. B213, 65 (1983) [19] T. Sjostrand, A Model for Initial State Parton Showers, Phys.Lett. B157, 321 (1985) [20] G. Marchesini, B. Webber, Monte Carlo Simulation of General Hard Processes with Coherent QCD Radiation, Nucl.Phys. B310, 461 (1988) [21] A. Buckley, J. Butterworth, S. Gieseke, D. Grellscheid, S. Hoche, et al., Generalpurpose event generators for LHC physics, Phys.Rept. 504, 145 (2011), 1101.2599 [22] S. Schumann, F. Krauss, A Parton shower algorithm based on Catani-Seymour dipole factorisation, JHEP 0803, 038 (2008), 0709.1027 [23] M. Bengtsson, T. Sjostrand, Coherent parton showers versus matrix elements implications of PETRA/PEP data, Physics Letters B 185(3), 435 (1987), URL http://www.sciencedirect.com/science/article/pii/0370269387910318 [24] S. Catani, F. Krauss, R. Kuhn, B. Webber, QCD matrix elements + parton showers, JHEP 0111, 063 (2001), hep-ph/0109231 [25] L. Lonnblad, Correcting the color dipole cascade model with fixed order matrix elements, JHEP 0205, 046 (2002), hep-ph/0112284 48 Literaturverzeichnis [26] S. Hoeche, F. Krauss, S. Schumann, F. Siegert, QCD matrix elements and truncated showers, JHEP 0905, 053 (2009), 0903.1219 [27] S. D. Ellis, D. E. Soper, Successive combination jet algorithm for hadron collisions, Phys.Rev. D48, 3160 (1993), hep-ph/9305266 [28] M. Cacciari, G. P. Salam, G. Soyez, The Anti-k(t) jet clustering algorithm, JHEP 0804, 063 (2008), 0802.1189 [29] Y. L. Dokshitzer, G. Leder, S. Moretti, B. Webber, Better jet clustering algorithms, JHEP 9708, 001 (1997), hep-ph/9707323 [30] G. P. Salam, Towards Jetography, Eur.Phys.J. C67, 637 (2010), 0906.1833 [31] T. Plehn, M. Spannowsky, M. Takeuchi, D. Zerwas, Stop Reconstruction with Tagged Tops, JHEP 1010, 078 (2010), 1006.2833 [32] K. Hagiwara, W. Kilian, F. Krauss, T. Ohl, T. Plehn, et al., Supersymmetry simulations with off-shell effects for CERN LHC and ILC, Phys.Rev. D73, 055005 (2006), hep-ph/0512260 [33] F. Krauss, F. Kuhn, G. Soff, AMEGIC++ 1.0: A Matrix Element Generator In C++, JHEP 02 (2002), arXiv:hep-ph/0109036 [34] T. Gleisberg, S. Hoeche, Comix, a new matrix element generator, JHEP 0812, 039 (2008), 0808.3674 [35] S. Hoeche, F. Krauss, S. Schumann, F. Siegert, QCD matrix elements and truncated showers, JHEP 0905, 053 (2009), 0903.1219 [36] M. Schonherr, F. Krauss, Soft Photon Radiation in Particle Decays in SHERPA, JHEP 0812, 018 (2008), 0810.5071 [37] M. Dobbs, J. B. Hansen, The HepMC C++ Monte Carlo event record for High Energy Physics, Comput.Phys.Commun. 134, 41 (2001) [38] M. Cacciari, G. P. Salam, G. Soyez, FastJet user manual, Eur.Phys.J. C72, 1896 (2012), 1111.6097 49 Danksagung Zunächst möchte ich Jun.-Prof. Dr. Steffen Schumann für die stets freundliche und kompetente Betreuung und Unterstützung danken. Mein Dank gilt auch dem II. Physikalischen Institut, das mich herzlich aufgenommen hat. Zudem möchte ich meinen Eltern, meinem Bruder, der Familie und meiner Freundin für die Unterstützung während des gesamten Bachelorstudiengangs danken. Ebenso geht ein Dankeschön an alle Freunde, die diese Arbeit Korrektur gelesen haben. 51 Erklärung nach §13(8) der Prüfungsordnung für den Bachelor-Studiengang Physik und den Master-Studiengang Physik an der Universität Göttingen: Hiermit erkläre ich, dass ich diese Abschlussarbeit selbständig verfasst habe, keine anderen als die angegebenen Quellen und Hilfsmittel benutzt habe und alle Stellen, die wörtlich oder sinngemäß aus veröffentlichten Schriften entnommen wurden, als solche kenntlich gemacht habe. Darüberhinaus erkläre ich, dass diese Abschlussarbeit nicht, auch nicht auszugsweise, im Rahmen einer nichtbestandenen Prüfung an dieser oder einer anderen Hochschule eingereicht wurde. Göttingen, den 11. Januar 2013 (Edgar Kellermann)