Poszukiwanie neutrin taonowych w wiązce CNGS Paweł Przewłocki Seminarium doktoranckie IPJ, 17.05.2005.

Prezentacja na temat: "Poszukiwanie neutrin taonowych w wiązce CNGS Paweł Przewłocki Seminarium doktoranckie IPJ, 17.05.2005."— Zapis prezentacji:

1 Poszukiwanie neutrin taonowych w wiązce CNGS Paweł Przewłocki Seminarium doktoranckie IPJ, 17.05.2005.

2 Moje poprzednie seminarium...

3 Tym razem... Neutrina z wiązki (odpowiednio przygotowanej), nie atmosferyczne Droga oscylacji stała, równa 730km Argonowy detektor typu TPC, a nie wodny detektor czerenkowowski (możemy dosłownie zobaczyć interakcje)

4 Plan prezentacji Trochę o oscylacjach neutrinTrochę o oscylacjach neutrin Układ eksperymentalny czyli wiązka CNGS i eksperyment ICARUSUkład eksperymentalny czyli wiązka CNGS i eksperyment ICARUS Oddziaływania neutrin w argonieOddziaływania neutrin w argonie Jak wybierać przypadki taonowe?Jak wybierać przypadki taonowe? –Analizy standardowe –Nasza analiza z użyciem sieci neuronowych

5 Jeśli neutrina mają masę, możliwa jest zmiana zapachu neutrin. Przyjmujemy, że stany własne zapachu są pewną kombinacją stanów własnych masy: Stany własne masy propagują się z różną prędkością 1 (t)= 1 (0)exp(-iE 1 t) 2 (t)= 2 (0)exp(-iE 2 t) Oscylacje neutrin

6 Oscylacje neutrin - stan obecny Eksperymenty słoneczne i reaktorowe: SK, SNO, Kamland 0.00005<Δ m 2 sol <0.00008 eV 2, 0.73<sin 2 2θ sol <0.97 Eksperymenty atmosferyczne SK, K2K 0.0019 0.89

7 Oscylacje - 3 zapachy

8 Oscylacje – 3 zapachy Zauważmy, że Δ m 2 sol << Δ m 2 atm, dla trzech zapachów są więc dwie możliwości: Δ m 2 sol Δ m 2 atm 3 2 1 Δ m 2 sol 3 2 1 Δ m 2 atm normalna odwrócona

9 Oscylacje – 3 zapachy Zakładając Δ m 2 sol << Δ m 2 atm, Δ m 2 13 = Δ m 2 23 = Δ m 2 atm, Δ m 2 12 = Δ m 2 sol, δ=0 mamy dwa przypadki: atmosferyczny – małe L/E słoneczny – duże L/E Gdy θ 13 =0 (a jest na pewno małe), to… wzory redukują się do 2-zapachowych!

10 Układ eksperymentalny, czyli jak to wszystko wygląda

11 Produkcja wiązki w CERNie

12

13 Przyspieszone protony (400GeV) rozpraszają się na grafitowej tarczy Powstałe w wyniku rozpraszania dodatnie piony i kaony są ogniskowane w odpowiednim kierunku za pomocą rożków magnetycznych (cząstki ujemne są eliminowane z wiązki) Cząstki rozpadają się w rurze rozpadowej, głównie na neutrina i miony: Własności wiązki kontrolują monitory mionowe (ulokowane za grafitowo-betonową blokadą hadronową). Neutrina mionowe: Neutrina elektronowe:

14 Wiązka oryginalnaprodukty oscylacji Dla pięciu lat pracy detektora i Δm 2 =2.5*10 -3 eV 2

15 Detektory są w Gran Sasso:

16 Dwa eksperymenty: Opera i Icarus

17 Icarus

18 Icarus: jeden moduł od środka Detektor typu TPC (Time Projection Chamber) Każdy moduł to metalowe pudełko, napełnione ciekłym argonem (LAr). Moduł przedzielony jest w środku katodą Wzdłuż bocznych ścianek umieszczone są trzy płaszczyzny drutów, zbierających sygnały z detektora Cząstki naładowane, przechodząc przez materiał detektora jonizują go; pod wpływem pola elektrycznego, elektrony jonizacji wędrują w stronę drutów, które je rejestrują. Każda płaszczyzna drutów, w połączeniu z mierzonym czasem dryfu, daje nam dwuwymiarowy obraz zdarzeń w detektorze

19 Icarus: zasada działania

20 Wyjściowe dane z detektora Poniżej widać mały fragment obrazka wygenerowanego przez jedną z płaszczyzn. Widać na nim rozpadające się pi zero. Oczywiście każdy przypadek to trzy takie widoki, z których dopiero procedury rekonstrukcji są w stanie złożyć obraz trójwymiarowy. sygnały z kolejnych drutów czas

21 Rekonstrukcja Wszystkie informacje zawarte są na trzech dwuwymiarowych projekcjach Rekonstruujemy: energię, kierunek toru lotu bardziej energetycznych cząstek, rodzaj cząstki –Rekonstrukcja energii na podstawie zdeponowanego ładunku na płaszczyźnie collection –Tory – kombinatoryczna rekonstrukcja 3D punktów torów –Typ cząstki – na podstawie strat energii zależnie od długości toru – dE/dx

22 Oddziaływania neutrin w argonie NN NC l NN CC NN tau CC

23 Neutrina w detektorze W typowym przypadku neutrino mionowe rozprasza się na jądrze argonu i produkuje mion, piony i wybite z jądra protony Neutrino taonowe zamiast mionu powoduje powstanie taonu, który rozpada się na mion/elektron/piony Topologia przypadków jest inna

24 Prosta selekcja wykorzystująca pojedyncze zmienne Możemy selekcjonować przypadki taonowe na podstawie różnic w rozkładach różnych zmiennych Najlepiej nadają się do tego przypadki z elektronem (tzw. golden channel) –Przypadki z elektronem daje około 17% oddziaływań neutrin taonowych –Tło pochodzi tylko od oddziaływań neutrin elektronowych, których w wiązce jest bardzo mało –Mamy bardzo korzystny stosunek sygnału do tła

25 Prosta selekcja wykorzystująca pojedyncze zmienne

26 Sieci neuronowe x 1 x 2... x n f akt ( ) 1.0 output (inputs) w1w1w1w1 w2w2w2w2 wnwnwnwn w n+1 Neuron Sieć

27 Sieci neuronowe - uczenie Dzielimy dane wejściowe na dwa zbiory: uczący i testowy Zbiorem uczącym karmimy sieć, dla każdego przypadku mówiąc jej, czy jest to przypadek tła czy sygnału –Porównujemy wartość zwracaną przez sieć na wyjściu (jest to wyjście jedynego neuronu w warstwie wyjściowej) z wartością pożądaną (np. 0 dla tła, 1 dla sygnału) –Liczymy błąd na wyjściu i propagujemy wstecz błędy, jednocześnie tak modyfikując wagi neuronów we wszystkich warstwach, aby zmniejszyć możliwie najwięcej błąd na wyjściu. Proces uczenia kończymy gdy: –Błąd na wyjściu zmniejszy się do pewnej zadanej z góry wartości, albo –(lepiej) błąd w zbiorze testowym zacznie się systematycznie zwiększać (dalsze kontynuowanie nauki prowadzi wtedy do przeuczenia sieci – sieć uczy się na pamięć zbioru uczącego) Nauczona (np. danymi symulacyjnymi) sieć ma zakodowany w sobie algorytm selekcji i jest gotowa do używania jej na prawdziwych danych z eksperymentu.

28 Nasza analiza Podział na klasy ze względu na typ występującego leptonu –Klasa z jednym elektronem (1E) –Klasa z jednym mionem (1M) –Klasa bezleptonowa (OL) Analizy dla klasy 1E były już robione. My chcemy dodać coś nowego – zobaczyć czy dobre efekty można uzyskać w pozostałych klasach.

29 Zmienne wykorzystane w analizie Variable descriptionVariable name 1 charged lepton events (1E and 1M classes) No charged lepton events (0L class) Total momentum of the event (vector sum of momenta of produced particles) p­ tot xx Scalar sum (sum of lengths) of particles momenta p scal xx Transverse momentum of the event with respect to the beam axis ptpt xx Transverse momentum of the lepton having the largest momentum with respect to the beam axis p t lep x- Ratio of scalar sum of momenta to total momentum. p tot /p scal xx Number of electrons and gammas N el xx Number of charged pions NπNπ xx Number of protons NpNp xx Momentum of particle having the largest momentum p max -x Transverse momentum of the particle with the largest momentum with respect to the momentum of remaining particles p t max -x ρlρl x- Zakładamy idealny detektor i rekonstrukcję następujących cząstek: Mionów Elektronów, Pionów naładowanych (o pędzie > 50 MeV) Gamm z rozpadów pizer Kaonów Protonów (o pędzie > 250 MeV)

30 Przykładowe rozkłady Dlaczego podział na klasy? Charakter rozkładów dla sygnału i tła jest drastycznie różny w różnych klasach P scal [MeV]

31 Odpowiedź sieci Aby uzyskać wynik, należy postawić granicę dla wybranej wartości odpowiedzi sieci. purity = N sig (OutputSet) / ( N bkg (OutputSet) + N sig (OutputSet) ) efficiency = N sig (OutputSet) / N sig (InputSet), Implementacja sieci - program NetMaker – Robert Sulej

32 Wynik selekcji purity cut 1E1M0L signalbackgroundsignalbackgroundsignalbackground 60%28.3190.5610.4085.824.14 50%29.2291.461.53109.39 40%29.745.61.672.341419.7 Wyniki dla pięciu lat pracy detektora, przy założeniu trzech poziomów purity.

33 Wyniki selekcji - suplement

34 Wyniki 1E – porównanie z wynikami Antonio Bueno

35 Podsumowanie W kanale 1E wyniki podobne jak w innej analizie z użyciem sieci neuronowychW kanale 1E wyniki podobne jak w innej analizie z użyciem sieci neuronowych Nasz wkład – selekcja w klasie 0L (klasa 1M raczej bezużyteczna)Nasz wkład – selekcja w klasie 0L (klasa 1M raczej bezużyteczna) Warto by w szerszy sposób uwzględnić efekty detektoroweWarto by w szerszy sposób uwzględnić efekty detektorowe