Introducción al LHC y CMS Isidro González Caballero ( Técnicas Experimentales en Física de Partículas.

Presentación del tema: "Introducción al LHC y CMS Isidro González Caballero ( Técnicas Experimentales en Física de Partículas."— Transcripción de la presentación:

1 Introducción al LHC y CMS Isidro González Caballero ( gonzalezisidro@uniovi.es )gonzalezisidro@uniovi.es Técnicas Experimentales en Física de Partículas Curso 2010 - 2011 0

2 - 2 - El Gran Colisionador de Hadrones (LHC) Lago Leman CERN Aeropuerto Montes del Jura LHC El LHC es un colisionador circular protón-protón de 27 Km construido en el CERN, cerca de Ginebra

3 3 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 – Además hay cientos de imanes focalizadores y correctores a lo largo del anillo. Habrá 4 detectores operando en el LHC: – 2 de propósito general: ATLAS y CMS – 1 especializado en física de iones pesados: ALICE – 1 especializado en física del quark b: LHCb

4 4 LHC: Large Hadron Collider Colisionador hadrónico protón-protón e ion-ion Comienzo: 2009? Parámetros nominales: √s = 14 TeV Luminosidad instantánea= 10 34 cm -2 s -1 Luminosidad integrada = 100 fb -1 /year

5 5 CMS: Compact Muon Solenoid CMS es un detector de propósito general – Muy compacto y relativamente pequeño – Énfasis en la detección de muones – Un solenoide de alto campo magnético (4T) Componentes principales: – Un sistema central de tracking de alta calidad: Píxeles y tiras (strips) de silicio – Un calorímetro electromagnético de alta resolución: cristales de PbWO 4 – Un calorímetro hadrónico hermético: Cu + centelladores – Un solenoide superconductor de 4 Tesla (+ retorno del imán) – Un espectrómetro de muones de alta eficiencia

6 6 Objetivos de CMS Detección de nuevas física: bosón de Higgs, supersimetría, … Medidas de parámetros del Modelo Estándar: Masa y acoplamientos del quark top, …

7 - 7 - CMS: Compact Muon Solenoid Colaboradores: 2350 Institutos: 180 Países: 38

8 8 Cámaras de muones (Endcap) Detector de trazas de silicio (Silicon Tracker) Coil + inner vacuum tank Cristales del calorímetro Electromagnético (ECAL) Cámaras de muones (Barrel) Calorímetro Hadrónico (Barrel HCAL)

9 9 CMS Detector de trazas: – 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

10 10 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 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 = 10 12 bytes 1 PB = 10 15 bytes

11 11 El software de un experimento AAEE El software de una experimento se suele dividir en dos grandes áreas: Offline y online – 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 Tareas que debe realizar el software online: – 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

12 12 Ejemplo de software: CMSSW CMSSW es el nombre bajo el que se aglutina todo el conjunto de utilidades de software de CMS – Escrito en C++ – Varios millones de líneas de código Incluye herramientas para la gestión de paquetes de código, recompilaciones parciales, empaquetado dinámico, validación de código, etc… Permite entre otras cosas: – 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

13 13 Simulación: ¿Para qué? Para entender mejor la respuesta de nuestro detector – Importante para prever comportamientos dada su complejidad 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: – 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 Fondo:Todo aquello que suponemos conocido Señal:Todo aquello que queremos «medir» Datos:Todo aquello que medimos con el detector

14 14 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: Tanto física conocida (Modelo estándar) como predicha por nuevas teorías Producción y desintegración de partículas 2. El paso de las partículas por el detector Interacción entre las partículas y la materia de que está constituido nuestro detector 3. La función respuesta del detector 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)

15 15 Simulación: Estructura I Generación (GEN): – Mediante métodos de MC se simulan los procesos físicos oportunos (señal/es y fondo/s) 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 energía- momento – 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…

16 16 Simulación: Estructura II Simulación (SIM): – 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

17 17 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 – 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 RAW RECO AOD ~1.5 MB/suceso ~ 500 kB/suceso ~ 100 kB/suceso ~2MB/suceso FEVT GEN+SIM+DIGI = RAW en sucesos simulados con MC

18 18 Evolución de los datos

19 19 Resultado