Improvement of tracking for b-tagging at HLT by exploiting phase-1 pixel detector

Abstract

ABSTRACT: The aim of this thesis is to understand and improve the way that events are quickly filtered and saved in the Compact Muon Solenoid (CMS) experiment at the Large Hadron Collider (LHC). Particularly, the main objective of my work has been to improve an algorithm to reconstruct the primary vertex of a collision to make better the trigger performance. This thesis begins explaining the theoretical framework for the research performed, the Standard Model, then it explains the experimental setup used, the CMS experiment. The collisions happen every 25 ns, providing in total around 600 million of collisions per seconds at the beginning of each run. Given the large quantity of data, we can not store all of it. We try to keep only those events that are more similar to the particular phenomena we are interested to study. To do this, the experiment has a trigger system, the High Level Trigger (HLT). This system runs different algorithms to select the interesting events. A quick event reconstruction is executed at the HLT. The second chapter will present the physics objects involved in the event reconstruction. The third chapter will introduce the CMS Trigger System. Furthermore, having an event with a precise primary vertex (PV) determination helps to understand the physics behind the collision. At the HLT the primary vertex is found using tracks originating from the primary vertex. The chapter four is dedicated to describe the algorithm used to find the PV at the HLT in order to speed up the tracking. It takes into account the factors that would pollute the resolution of the detector, like high luminosity and energy collisions, small bunch spacing and high pile-up. This algorithm is called Fast Primary Vertex (FPV). The FPV algorithm uses the pixel clusters detected by CMS. My work begins with a selection of these pixel clusters according to their coordinate, cluster width and length, cluster φ coordinate, cluster charge and jet momentum. Afterwards, the pixel clusters are projected back to the beam line, along the jet η direction of the jet. The FPV is enclosed in the region with more pixel clusters projected. Finally the thesis ends with some results and conclusions obtained when the FPV is applied to tt events generated with Monte Carlo. The final efficiency obtained was of 82% with pile-up 35. The programming language was developed in Python and ROOT was the scientific software framework used in the analysis.

RESUMEN: El objetivo de esta tesis es entender y mejorar el rápido filtrado y guardado de datos en el experimento del Solenoide de Muones Compacto (CMS). En particular, el principal propósito de mi trabajo ha sido mejorar un algoritmo capaz de reconstruir el vértice primario tras una colisión para aumentar la eficiencia del proceso de filtrado de datos. La tesis comienza con una explicación teórica al Modelo Estándar. Después, se explica el dispositivo experimental utilizado, el experimento de CMS. En él, colisiones ocurren cada 25 ns, lo que supone 600 millones de colisiones por segundo. Dada la enorme cantidad de datos que este proceso implica, solo podemos guardar unos pocos. Se trata de almacenar aquellos que presentan las mejores características para ser estudiados. Para ello, el experimento tiene su propio sistema de filtrado, el High Level Trigger (HLT). Este sistema se encarga de correr diferentes algoritmos para filtrar los datos interesantes. El HLT se encarga de una primera reconstrucción de eventos. De esta forma, en el segundo capítulo del trabajo se presentan los objetos físicos involucrados. El tercer capítulo introduce el CMS Trigger System. Además, determinar con precisión el vértice primario (PV) ayuda a entender la física detrás de la colisión. El cuarto capítulo explica el algoritmo usado por el HLT para encontrar el PV y agilizar la reconstrucción de trazas. Tiene en cuenta los factores que contaminan la resolución del detector, como alta luminosidad y energía en las colisiones, pequeño espaciado entre colisiones y alto apilamiento. Este algoritmo es llamado Fast Primary Vertex (FPV) El FPV usa los pixel clusters detectados por CMS. Mi trabajo comienza con una selección de esos pixel clusters de acuerdo a su coordenada , anchura, longitud, coordenada φ y carga de los clusters y momento del jet. A continuación, los pixel clusters son proyectados sobre línea de haz de protones en la dirección η del jet. En la región con más proyecciones de clusters se encuentra el FPV. Finalmente, el trabajo termina mostrando algunos de los resultados y conclusiones obtenidas al aplicar el FPV a datos generados por Monte Carlo. La eficiencia final obtenida ha sido del 82%. El lenguaje de programación usado ha sido Python y ROOT el software manejado en el análisis de datos.