Improvement on the Track Reconstruction Algorithms at the LHCb Experiment

Abstract

In this MSc. Thesis work, the performance of the ghost categorization algorithms at the LHCb experiment were studied, using the $B_s^0\rightarrow J/\psi(\mu^+ \mu^-)\phi(K^+ K^-)$, $B^0\rightarrow J/\psi(\mu^+ \mu^-)$\\ $K_s^0(\pi^+ \pi^-)$, $B^0\rightarrow \mu^+ \mu^- K^*(K^+ \pi^-)$ and $D^{*+}\rightarrow D^0(K^- \pi^+) \pi^+$ simulated data samples for the years 2011 and 2012. Since, ghost tracks which correspond to reconstructed tracks that were not simulated, affect directly the error of the experimental measurements. Several studies were made in order to have better reconstruction algorithms. The first simulated data samples were used to check the differences between all the variables involved in the reconstruction process. An adaptive binning was done with the information of the $\chi^2_{ndof}$ and the transverse momentum ($\mathrm{P_T}$), the pseudorapidity ($\eta$) and the number of tracks per event. A selection criterion in the $\chi^2_{ndof}$ variable discards ghost tracks, however, some signal is also lost. Furthermore, two kaon tracks, coming from the same $\phi$ meson, were analyzed to discriminate the differences between the meson containing one or two ghost tracks. If one of the kaons is a ghost, a peak in the mass distribution was observed, meanwhile, a flat distribution was obtained for two ghost kaons. The compatibility of this peaking distribution with the real signal was tested using a multivariated selection which gave us as a result that only a few ghost events are compatible with the signal. Finally, the $D^{*+}$ sample for the year 2012 was used to test the modification of the linking fraction between the reconstructed and the generated particle. Decreasing this fraction results in a reduction of ghost tracks and therefor an increase in the signal yields, although the background increases as well. Two scenarios are discussed maximizing the signal gain and minimizing the background increase, and a proposal to improve the linking is presented.

En este trabajo de tesis de maestría el desempeño de los algoritmos de categorización de trazas fantasma fue estudiado, empleando para ello muestras de datos simulados de las desintegraciones de los mesones: $B_s^0\rightarrow J/\psi(\mu^+ \mu^-)\phi(K^+ K^-)$, $B^0\rightarrow J/\psi(\mu^+ \mu^-)$\\ $K_s^0(\pi^+ \pi^-)$, $B^0\rightarrow \mu^+ \mu^- K^*(K^+ \pi^-)$ y $D^{*+}\rightarrow D^0(K^- \pi^+) \pi^+$, para los años 2011 y 2012. Ya que las trazas fantasma son aquellas trazas reconstruidas las cuales no fueron generadas y estas afectan directamente el error de las medidas experimentales. Varios estudios fueron realizados para implementar mejoras en los algoritmos de reconstrucción. Las primeras muestras de datos simulados fueron empleadas en la búsqueda de diferencias entre las distribuciones de todas las variables cinemáticas involucradas en el proceso de reconstrucción. Un estudio de paso adaptativo fue llevado a cabo con la información del $\chi^2_{ndof}$ y el momento transversal ($P_T$), la pseudorapidez ($\eta$) y el número de trazas por evento. Un criterio de selección en la variable $\chi^2_{ndof}$ fue empleado para descartar trazas fantasmas sin embargo éste también descarta eventos de señal. Además, dos trazas de kaones, proveninetes del mismo meson $\phi\rightarrow K^+K^-$, fueron analizadas para observar las diferencias entre el meson que contiene una o dos trazas fantasma. Un pico en la distribución de masa fue observado cuando tan solo uno de los kaones es fantasma, en caso contrario se obtiene una distribución plana. La compatibilidad de los eventos en el pico de la distribución eventos fue comparada con la distribución de eventos de señal arrojando como resultado que sólo unos pocos eventos fantasmas son compatibles con la señal. Finalmente la muestra de datos para el $D^{*+}$ del año 2012 fue empleada para testear una modificación en la fracción de relación entre las partículas reconstruidas con las partículas generadas. Imponiendo una condición menos severa sobre esta fracción la cantidad de trazas fantasma reconstruidas se reduce y adicionalmente la cantidad de trazas bien reconstruidas aumenta. Sin embargo, hay también un aumento de la cantidad de fondo reconstruidos. En este trabajo dos escenarios son discutidos, minimizando la cantidad de fondo y maximizando la cantidad de señal reconstruidos para los cuales la propuesta de ganar eventos de señal es cumplida.