Download Tecnicas Experimenta.. - Grupo de Física experimental de altas

Introducción al LHC y CMS
Isidro González Caballero
( gonzalezisidro@uniovi.es )
0
Técnicas Experimentales en
Física de Partículas
Curso 2010 - 2011
El Gran Colisionador de Hadrones (LHC)
LHC
CERN
El LHC es un colisionador circular protón-protón de 27 Km construido en el CERN, cerca de
Ginebra
-2-
LHC: Large Hadron Collider


El complejo de aceleradores del
CERN se usa para alcanzar la
energía de colisión
El campo magnético lo producen
1232 imanes dipolares
superconductores
–

Habrá 4 detectores operando en
el LHC:
–
–
–
3
Además hay cientos de imanes
focalizadores y correctores a lo
largo del anillo.
2 de propósito general: ATLAS y
CMS
1 especializado en física de iones
pesados: ALICE
1 especializado en física del quark
b: LHCb
LHC: Large Hadron Collider


Colisionador hadrónico
protón-protón e ion-ion
Comienzo: 2009?
Parámetros nominales:

4


√s = 14 TeV
Luminosidad instantánea= 1034cm-2s-1
Luminosidad integrada = 100 fb-1/year
CMS: Compact Muon Solenoid

CMS es un detector de
propósito general
–
–
–

Componentes principales:
–
–
–
5
Muy compacto y
relativamente pequeño
Énfasis en la detección de
muones
Un solenoide de alto campo
magnético (4T)
–
–
Un sistema central de
tracking de alta calidad:
Píxeles y tiras (strips) de
silicio
Un calorímetro electromagnético de alta resolución: cristales de
PbWO4
Un calorímetro hadrónico hermético: Cu + centelladores
Un solenoide superconductor de 4 Tesla (+ retorno del imán)
Un espectrómetro de muones de alta eficiencia
Objetivos de CMS


6
Detección de nuevas física: bosón de Higgs, supersimetría, …
Medidas de parámetros del Modelo Estándar: Masa y
acoplamientos del quark top, …
CMS: Compact Muon Solenoid
Colaboradores: 2350
Institutos: 180
Países: 38
-7-
Cámaras de muones (Barrel)
Coil + inner vacuum tank
Cámaras de muones (Endcap)
Cristales del calorímetro
Electromagnético (ECAL)
8
Calorímetro Hadrónico
(Barrel HCAL)
Detector de trazas de silicio
(Silicon Tracker)
CMS

Detector de trazas:
–
–


9
Detecta la huella de las particulas
Ayuda a determinar el momento y
trayectoria de las partículas cargadas
Imán:
–

Ayuda a determinar la relación
carga/masa de las partículas.
Detector de Muones:
Calorímetro Electromagnético:
–

Mide la energía electromagnética de
partículas cargadas (electrones, piones,
protones,…)
Calorímetro hadrónico:
–
Mide la energía hadrónica de los
hadrones
Producción de datos en el LHC



Las colisiones de LHC se
producirán con una tasa de 40
MHz
Sin embargo el sistema offline
puede grabar datos en disco
sólo a 150-300 Hz  Trigger
Un detector tipo CMS o
ATLAS producirá:
–
–
–

10
10 Terabytes/día
1.5 Petabyte/año (directos)
5-10 PB/año (derivados)
En un análisis de búsqueda
típico se produce un suceso
interesante con una
frecuencia de 10-4 Hz
1 TB = 1012 bytes
1 PB = 1015 bytes
El software de un experimento AAEE

El software de una experimento se suele dividir en dos grandes
áreas: Offline y online
–
–

Tareas que debe realizar el
software online:
–
–
–
11
Online: El que es ejecutado durante la toma de datos
Offline: El que es ejecutado sobre los datos recogidos y almacenados
durante la toma de datos
Operación y monitorización del
detector
Trigger: Selecciona en un tiempo
muy corto los sucesos que son
interesantes para su
almacenamiento (HLT)
Almacenamiento de los datos y
puesta a disposición de los
sistemas on-line

Tareas que debe realizar el
software offline:
–
–
–
Simulación de MC, con su
correspondientes mecanismos de
validación
Reconstrucción de los datos en
bruto del detector para producir
objetos de más alto nivel: trazas,
jets, identificación
Entorno de análisis de datos,
incluyendo los mecanismo de
acceso a los mismos
Ejemplo de software: CMSSW

CMSSW es el nombre bajo el que se aglutina todo el
conjunto de utilidades de software de CMS
–
–


Incluye herramientas para la gestión de paquetes de
código, recompilaciones parciales, empaquetado
dinámico, validación de código, etc…
Permite entre otras cosas:
–
–
–
–
–

12
Escrito en C++
Varios millones de líneas de código
Simulación de MC
Reconstrucción de sucesos
Simulación del trigger
Análisis de datos en varios formatos y con varias técnicas
…
En constante evolución y mejora
–
Se añaden funcionalidades y algoritmos constantemente
Simulación: ¿Para qué?

Para entender mejor la respuesta de nuestro detector
–

Preparar el análisis en ausencia de datos
–
Refinar nuestros algoritmos de selección de sucesos

En análisis de búsquedas, compararlos con los datos reales

Se trata de comparar la señal y el fondo con los datos reales:
–
–
–
13
Importante para prever comportamientos dada su complejidad
Opción1: Los datos se “parecen” al fondo  No tendríamos nada
nuevo
Opción 2: Los datos no se “parecen” al fondo
 Podríamos tener nueva física
 … o nuestra simulación podría estar mal (más frecuentemente)
Opción 3: Los datos se parecen a la suma de los señal y el fondo
 Podríamos estar ante indicios de las nuevas partículas o los
nuevos procesos de nuestra señal
Fondo: Todo aquello que suponemos conocido
Señal: Todo aquello que queremos «medir»
Datos: Todo aquello que medimos con el detector
Simulación de Monte-Carlo: ¿Qué es?

Con las simulaciones se pretende reproducir
computacionalmente de la manera más real posible:
1.
Los procesos físicos que se van pretenden estudiar:


2.
El paso de las partículas por el detector

3.
14
Interacción entre las partículas y la materia de que está
constituido nuestro detector
La función respuesta del detector


Tanto física conocida (Modelo estándar) como predicha por
nuevas teorías
Producción y desintegración de partículas
Señal digital producida por la electrónica de los detectores a
partir de los depósitos de energía que las partículas dejan en los
mimos
Se divide en tres fases: Generación (1), Simulación (2)
y Digitalización (3)
Simulación: Estructura I

Generación (GEN):
–
Mediante métodos de MC se simulan los procesos
físicos oportunos (señal/es y fondo/s)


–
–
–
15
–
Reproducimos la interacción inicial que se produce en el
vacío
En primer orden solo depende de las secciones eficaces y
de las fracciones de desintegración
El resultado es un conjunto de partículas elementales
con unas determinadas propiedades de energíamomento
Existen numerosos generadores más o menos
especializados u optimizados para determinados
procesos
Los generadores especializados están en general
integrados en otros más genéricos (ej. PYTHIA)
Algunos generadores usados: Pythia, Tauola,
Susygen, Alpgen…
Simulación: Estructura II

Simulación (SIM):
–
–
–
–
–

16
Principal herramienta de simulación: Geant4
Simulación de los procesos físicos que acompañan el paso de
partículas a través de la jerarquía de volúmenes y materiales
que componen el detector
Se tienen en cuenta todas las interacciones y
desintegraciones con sus correspondientes secciones
eficaces
Simulación de las respuestas de los subdetectores (simulated
hits): deposiciones de energía en cada subdetector
El grado de precisión es configurable y viene determinado por
nuestras necesidades
Digitalización (DIGI):
–
Simulación de la respuesta electrónica a los hits en el detector
Estructura jerárquica de los datos




RAW Data: Los datos según proviene
del Detector
RECO: Contiene todos los objetos
creados por el proceso de
reconstrucción: Hits, segmentos de
traza, trazas, …
Full Event (FEVT): contiene RAW +
RECO
AOD: subconjunto de RECO,
suficiente para la gran mayoría de los
análisis físicos estándar
–


17
~2MB/suceso
RAW
~1.5 MB/suceso
RECO
~ 500 kB/suceso
AOD
~ 100 kB/suceso
FEVT
Incluye la identificación de partículas
Existen subconjuntos aún más
pequeños y específicos (PAT tuples,
MiniTrees,…)
Los datos provenientes de la
simulación tienen el mismo formato
que el RAW Data
GEN+SIM+DIGI = RAW en sucesos simulados con MC
Evolución de los datos
18
Resultado
19