E-01 A Aachen Robert Fischer III. Physikalisches Institut A RWTH ...

Messung der W-assoziierten Produktion einzelner Top-Quarks
mit dem CMS-Experiment
Robert Fischer
III. Physikalisches Institut A, RWTH Aachen
Das Standardmodell der Teilchenphysik hat mehrere Teilchen bereits vor ihrer experimentellen
Entdeckung vorhergesagt. Eines der zuletzt entdeckten Teilchen ist das Top-
Quark, das zunächst 1995 in Form von Top-Antitop-Quark-Paaren von den Experimenten
des Tevatron-Teilchenbeschleunigers am Fermilab beobachtet wurde. Diese Paarproduktion
findet über die starke Wechselwirkung statt. 2009 gelang schließlich die Beobachtung
einzelner Top-Quarks, deren Produktionsmechanismus über die elektroschwache
Wechselwirkung abläuft. Insgesamt erlaubt das Standardmodell drei Kanäle aus denen
einzelne Top-Quarks hervorgehen: den t-Kanal, den s-Kanal und die W-assoziierte Produktion,
bei der zusammen mit dem Top-Quark ein reales W-Boson entsteht.
In diesem Vortrag wird eine Messung des Produktionswirkungsquerschnitts einzelner
Top-Quarks in der W-assozierten Produktion, auch tW-Kanal genannt, mit dem CMS-
Experiment bei einer Schwerpunktsenergie von √ s = 7 TeV vorgestellt. Das assoziierte
W-Boson zerfällt bei diesem Vorgang weiter in Quark-Antiquark- oder Lepton-
Antilepton-Paare. Das Top-Quark zerfällt nahezu immer in ein Bottom-Quark und ein
weiteres W-Boson, das schließlich wieder in Quark- bzw. Lepton-Paare zerfällt. Für
die vorgestellte Messung des Wirkungsquerschnitts werden Ereignisse mit Jets, die aus
den Quark-Paaren entstehen, und Leptonen ausgewählt. Eines der beiden W-Bosonen
zerfällt bei diesen Ereignissen also in Leptonen, während das andere hadronisch in Quarks
zerfällt, weshalb man auch vom semi-leptonischen Kanal spricht. Die Datenanalyse erfolgt
nach der Vorselektion in mehreren Schritten: der Ereigniskategorisierung, der Trennung
von Signal und Untergrund sowie einer anschließenden statistischen Auswertung
mittels eines Bayes’schen Verfahrens.
Die selektierten Ereignisse werden, basierend auf der Anzahl der enthaltenen Jets und
b-Jets, in Kategorien eingeteilt. Dabei sind b-Jets diejenigen Jets, die mit Hilfe eines
sogenannten b-Tagging-Algorithmus als von einem Bottom-Quark stammend identifiziert
wurden. Derartige Algorithmen nutzen für die Identifizierung spezielle Eigenschaften von
Bottom-Mesonen aus, etwa die hohe Masse und die lange Lebensdauer.
Die beiden Hauptuntergründe in der Messung sind die Top-Quark-Paarproduktion sowie
Ereignisse, bei denen W-Bosonen zusammen mit weiteren Jets entstehen. Um das
tW-Signal von den Untergründen trennen zu können, kommt ein multivariates Klassifikationsverfahren,
die sogenannte Boosted-Decision-Trees-Methode (BDT-Methode),
zum Einsatz. In diesem Verfahren werden simulierte Signal- und Untergrundereignisse
in einem Trainingsschritt verwendet, um mehrere hundert Entscheidungsbäume zu
generieren. Diese lernen anhand ausgesuchter Variablen Signal und Untergrund voneinander
zu separieren. Für die eigentliche Analyse wird eine über alle Entscheidungsbäume

gemittelte Ausgabevariable verwendet, der sogenannten BDT-Output. Dieser wird für
alle, in die einzelnen Kategorien vorselektierten, Datenereignisse bestimmt und als Histogramm
aufgetragen. Die so erhaltenen diskreten Verteilungen sind Gegenstand der
folgenden statistischen Auswertung.
In dieser Auswertung wird zunächst ein Modell erzeugt, das aus Templates zusammengesetzt
ist. Jedes Template ist eine aus simulierten Ereignissen bestimmte Vorhersage, wie
viele Ereignissen aus einem bestimmten physikalischen Prozess, an einem bestimmten
Punkt der Verteilung beobachtet werden. Das Modell ergibt sich nun als Linearkombination
aller Templates. Die zu den Templates gehörenden Koeffizienten hängen von diversen
Modellparametern ab. Einer diese Parameter ist die gesuchte Signalstärke, die sich in
den Produktionswirkungsquerschnitt umrechnen lässt. Weitere Parameter beschreiben,
z.B. die einzelnen Untergrundanteile.
Ziel der statistischen Auswertung ist es, den wahrscheinlichsten Wert aller Modellparameter
und dazugehörige Unsicherheiten zu finden. Für alle Parameter werden A-priori-
Wahrscheinlickeitsfunktionen eingebracht und anschließend über alle Parameter außer
der Signalstärke integriert. Hieraus ergibt sich eine A-posteriori-Wahrscheinlichkeitsverteilung
für die Signalstärke.