Estudio de algoritmos de reconstrucción de vértices usando información del detector “MIPs Timing Detector” del Solenoide Compacto de Muones

Abstract

Se han estudiado 6 algoritmos de clustering distintos aplicados a la reconstrucción de vértices en el experimento CMS para el futuro HL-LHC, teniendo en cuenta la información temporal que proporcionará el MTD. Los algoritmos seleccionados son K-Means, MeanShift, DBSCAN, Agglomerative Hierarchical Clustering, Expectation Maximization-Gaussian Mixture Models y BIRCH. Los resultados obtenidos en estos algoritmos fueron comparados con el utilizado actualmente en el experimento CMS, “Deterministic Annealing”, observándose que ninguno de ellos es capaz de mejorarlo en cuanto al acierto en la reconstrucción de vértices, siendo el algoritmo K-Means (Vértices OK/TotalesK-Means = 0.022±0.009) el más cercano al nominal (Vértices OK/TotalesCMS = 0.034±0.010). En cuanto a la asignación correcta de trazas a vértices, se observa que los algoritmos proporcionan valores similares e incluso superiores al “Deterministic Annealing” (Trazas OK/Trazas totalesCMS = 0.49±0.03), siendo el algoritmo Expectation Maximization-Gaussian Mixture Models el más destacado (Trazas OK/Trazas totalesEM-GMM = 0.26±0.02). Con esta información se concluye que los algoritmos clásicos de clustering estudiados no mejoran de manera general la reconstrucción de vértices y por tanto no se recomienda su uso en el futuro HL-LHC.

Six different clustering algorithms have been studied for vertex reconstruction in the CMS experiment for the future HL-LHC, taking into account the temporal information provided by the MTD. The selected algorithms are K-Means, Mean- Shift, DBSCAN, Agglomerative Hierarchical Clustering, Expectation Maximization- Gaussian Mixture Models, and BIRCH. The results obtained from these algorithms were compared with the currently used algorithm in the CMS experiment, “Deterministic Annealing”. It was found that none of the studied algorithms improve upon “Deterministic Annealing” in correctly reconstructed vertices. Among them, the K-Means algorithm (Vertices OK/TotalK-Means = 0.022±0.009) is the closest to the current algorithm (Vertices OK/TotalCMS = 0.034±0.010). Neither, any of the studied algorithms improved “Deterministic Annealing” in well-assigned tracks (Tracks OK/Total tracksCMS = 0.49±0.03), with the Expectation Maximization- Gaussian Mixture Models algorithm being the most prominent (Tracks OK/Total tracksEM-GMM = 0.26±0.02). Therefore, based on this information, it is concluded that the studied classical clustering algorithms are not suitable for track-to-vertex assignment in the CMS experiment for the future HL-LHC.