Post on 08-Jan-2017
Universidade do Estado do Rio de Janeiro
Centro de Tecnologia e Ciências
Instituto de Física Armando Dias Tavares
Diego Matos Figueiredo
Análise da produção de dijatos de difração simples no
experimento CMS/LHC
Rio de Janeiro
2011
Diego Matos Figueiredo
Análise da produção de dijatos de difração simples no experimento
CMS/LHC
Dissertação apresentada, como requisito parcial paraobtenção do título de Mestre, ao Programa de Pós-Graduação em Física, da Universidade do Estado do Riode Janeiro.
Orientador: Prof. Dr. Alberto Franco de Sá Santoro
Coorientador: Prof. Dr. Carley Martins
Rio de Janeiro
2011
CATALOGAÇÃO NA FONTEUERJ/REDE SIRIUS/BIBLIOTECA CTC-D
F475 Figueiredo, Diego MatosAnálise da produção de dijatos de difração simples no
experimento CMS/LHC / Diego Matos Figueiredo. - 2011.165 f.: il. color.
Orientador: Alberto Franco de Sá Santoro.Coorientador: Carley Pedro de Oliveira Martins.Dissertação - Universidade do Estado do Rio de Janeiro,
Instituto de Física Armando Dias Tavares.
1. Partículas(Física Nuclear) - Teses. 2. Pomeron - Teses. 3.Aceleradores de Partículas - Teses. I. Santoro, Alberto, 1941 - II.Martins, Carley Pedro de Oliveira. III. Universidade do Estado doRio de Janeiro, Instituto de Física Armando Dias Tavares. IV. Título.
CDU 539.12
Autorizo, apenas para �ns acadêmicos e cientí�cos, a reprodução total ou parcial desta
dissertação, desde que citada a fonte.
Assinatura Data
AGRADECIMENTOS
À essência de todo o amor. O pensador dos mecanismos do mundo e fora dele.
Grande parte desse trabalho é fruto do espírito coletivo, através dos comentários
construtivos dos colegas pro�ssionais, das palavras de conforto dos amigos, pelos pequenos
atos dos desconhecidos ou pelo amor dos meus parentes e do próprio "amor" personi�cado
da minha vida. Renata Dias, a Rezinha e pretinha.
Aos meus pais Ronaldo e Ana Figueiredo por me tornarem o que sou hoje. Meus
irmãos Júlia, Patrícia e Rômulo Figueiredo. Meus avós que tanto amo: o Murrinha
Aquilino, o vô Agostinho, Felismina, Dalva e Wilma, que me ensinou a ver alegria em
tudo. Aos meus sobrinhos e sobrinhas que tanto animam a minha vida: Giggio, Mamá,
Biel e Macaca Clarinha. Em ordem cronológica. O amor é igual para todos!
Agradeço ao meu Orientador Alberto Franco de Sá Santoro por todo zelo na minha
educação cientí�ca, pelas inúmeras lições sobre difração, interação forte e por tantos
debates construtivos. Compartilharei o que pude aprender, dentro dos meus limites, aos
outros e mais outros que virão. Agradeço também ao meu coorientador Carley Martins,
pelos ensinamentos, pelo espírito experimental e pelo apoio incondicional desde os tempos
de iniciação cientí�ca.
Ao professor Wagner Carvalho pelas inúmeras lições e comentários. Paciência
extrema ao me ajudar! Ao professor Luiz Mundim pela solução de algumas (diria muitas)
di�culdades técnicas. À professora Wanda Prado e ao professor Vítor Oguri pelas soluções
das dúvidas em estatística e pelo empréstimo sem prazo de devolução dos livros. Ao
professor Hélio Nogima pelas conversas sobre instrumentação. Aos professores Francisco
Caruso e José Mahon por compartilharem curiosidades históricas da Física em conversas
informais e pela visão matemática! Muito obrigado!
Aos pesquisadores Michele Arneodo e Alexander Proskuryakov pelos inúmeros co-
mentários e sugestões da análise dessa dissertação.
Nesse parágrafo, não menos importante (não mesmo!), agradeço a amizade. São a
esses amigos que eu divido, com todo o carinho, qualquer mérito que eu tenha um dia.
Sem a ajuda deles não teria completado esse ciclo.
Agradeço pela sinceridade na crítica e por toda forma de ajuda. Em qualquer
momento, deixavam de fazer tarefas para me ajudar. Antônio Vilela Pereira, Eliza Melo,
Dilson de Jesus Damião, Sandro Fonseca e Sheila Amaral.
Também quero agradecer alguns amigos que sempre foram muito prestativos: Lu-
ana Soares, Walter Aldá, Jordan Martins, Ana Thereza, Marília Carneiro e Felipe Silva.
Especial agradecimento ao Laboratório de Computação T2 HEPGrid-Brazil onde
as amostras de dados foram analisadas. Agradeço ao empenho e ao trabalho de Eduardo
Revoredo, José Afonso Sanches e aos técnicos do suporte.
Aos membros da banca de dissertação professores Alberto Santoro, Carley Martins,
Ronald Cintra Shellard, Hélio da Motta Filho, Wagner Carvalho, Wanda Prado pelos
comentários e sugestões de correção. Aprendi com os comentários tanto quanto escrevi a
dissertação.
Ao Instituto de Física Armando Dias Tavares, ao Programa de Pós-Graduação
em Física (PPGF) e ao Departamento de Física Nuclear e Altas Energias (DFNAE)
pela infraestrutura e suporte oferecidos. Aos secretários Márcio Farias (DFNAE), Felipe
(DFNAE), Mônica Noronha (DFNAE) e Rogério (PPGF). Aos idealizadores do projeto
HELEN pela oportunidade em exercer atividades no experimento CMS/LHC. À CAPES
pelo apoio �nanceiro.
Por �m, agradeço a todos que de alguma forma tiveram participação nesse trabalho
e também gostaria de lembrar que qualquer equívoco ou incoerência é de responsabilidade
do autor.
Há pessoas que desejam saber só por saber, e isso é curiosidade; outras, para alcançarem
fama, e isso é vaidade; outras, para enriquecerem com a sua ciência, e isso é um negócio
torpe; outras, para serem edi�cadas, e isso é prudência; outras, para edi�carem os
outros, e isso é caridade.
Santo Agostinho
A batalha mais difícil a ser travada ocorre no teu mundo íntimo.
Joanna de Ângelis
People are always asking for the latest developments in the uni�cation of this theory with
that theory, and they don't give us a chance to tell them anything about what we know
pretty well. They always want to know the things we don't know.
Richard Feynman
RESUMO
FIGUEIREDO, Diego Matos. Análise da produção de dijatos de difração simples no ex-perimento CMS/LHC. 2011. 165 f. Dissertação (Mestrado) - Instituto de Física ArmandoDias Tavares, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2011.
O escopo desse trabalho é a observação de dijatos de difração simples em colisõespp com
√s = 7 TeV, durante os primeiros períodos de aquisição de dados do experimento
CMS/LHC. A técnica utilizada foi a medida da multiplicidade no calorímetro HF. Osdados foram analisados para diferentes períodos de aquisição de dados do ano de 2010,com
∫Ldt ' 3,2 pb−1. Comparamos os dados observados com o Monte Carlo simulado
com efeito de empilhamento e sem esse efeito.
Palavras-chave: Difração simples dura. Física de partículas. Física nuclear. Pomeron.Dijatos.
ABSTRACT
This work concerns the observation of di�ractive dijets in pp collisions with√s =
7 TeV, during the �rst period of data taking at the CMS/LHC experiment. The techniqueused was to measure the multiplicity of forward calorimeters at HF. The data was analyzedfor di�erent periods of data acquisition in the year 2010, with
∫Ldt ' 3,2 pb−1. We
compared the observed data with Monte Carlo simulations with and without pile-up.
Keywords: Single hard di�raction. Particle physics. Nuclear physics. Pomeron. Dijets.
LISTA DE ARTIGOS RELACIONADOS
• FIGUEIREDO D.; et. al. Production of quartz plates for CMS-CASTOR
Experiment. Relatório CMS-NOTE-2008-035, 2008.
• CMS COLLABORATION. Observation of a di�ractive contribution to dijet
production in proton-proton collisions at√s = 7 TeV. Relatório CMS-FWD-
10-004, 2012. Disponível em: <http://arxiv.org/abs/arXiv:1209.1805>.
LISTA DE FIGURAS
Figura 1 - Modelo padrão das partículas elementares organizadas em três gerações
de partículas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Figura 2 - Trajetória de Regge Mesônica.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Figura 3 - Seção de Choque diferencial em função de -t para o espalhamento elástico
pp e para várias energias [26]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Figura 4 - Seção de Choque total para o espalhamento elástico pp. Nota-se que há
medidas no Tevatron e nas experiências E710/E711 em ' 1,8 TeV que
podem determinar a extensão da curva [29]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
Figura 5 - Comparação entre os dados do Experimento UA8 e o modelo de Ingelman
e Schlein para a Difração Dura. O modelo não se ajusta perfeitamente
aos dados o que nos indica a falta de alguma outra função de estrutura. . . . 38
Figura 6 - Esquema do espalhamento elástico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
Figura 7 - Esquema da Difração Simples. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
Figura 8 - Esquema da Difração Dupla. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Figura 9 - Esquema da Dupla Troca de pomeron. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Figura 10 - Comparação entre as funções de estrutura no DDIS e no DIS. Na
esquerda, as funções de estrutura difrativa do próton estão em função de
β. Na �gura da direita, a função de estrutura do próton está em função
de xB. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
Figura 11 - Distribuições partônicas do singleto (esquerda) e gluônica (direita) para
eventos difrativos determinadas no experimento H1. . . . . . . . . . . . . . . . . . . . . . . . . . 44
Figura 12 - Funções de estrutura para dijatos em difração simples no experimento
CDF, comparadas com as funções encontradas no HERA. . . . . . . . . . . . . . . . . . . . 45
Figura 13 - Esquema com as seções de choque esperadas para o LHC. . . . . . . . . . . . . . . . 47
Figura 14 - Foto dentro do túnel do LHC. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Figura 15 - Esquema de um dos setores do LHC. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Figura 16 - Fonte de prótons do LHC.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
Figura 17 - Esquema do complexo de aceleradores do CERN. . . . . . . . . . . . . . . . . . . . . . . . . . 51
Figura 18 - Esquema e localização do PLT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Figura 19 - Experimentos do LHC. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Figura 20 - Instrumentação Frontal instalada no CMS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Figura 21 - Resolução domomentum do múon em função domomentum, utilizando-
se somente o sistema de múons, apenas o sistema de trajetogra�a e ambos
sistemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
Figura 22 - O detector CMS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Figura 23 - Sistema de Referência do detector CMS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
Figura 24 - Esquema do sistema de trajetogra�a do CMS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
Figura 25 - E�ciência e resolução de traços do sistema de trajetogra�a. . . . . . . . . . . . . . . 63
Figura 26 - Esquema do Calorímetro Eletromagnético do CMS. . . . . . . . . . . . . . . . . . . . . . . 64
Figura 27 - Aceptância do Calorímetro Eletromagnético. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
Figura 28 - Resolução em energia do ECAL em função da energia medida do elétron
durante o teste com feixe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
Figura 29 - O detector CMS em comprimentos de interação para diferentes camadas
(ECAL, HCAL e sistema de múons). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
Figura 30 - Esquema em corte longitudinal do calorímetro hadrônico do CMS. . . . . . . 68
Figura 31 - Resolução da energia transversa dos jatos reconstruídos nas diferentes
regiões dos calorímetros EB, EE e HF. Os jatos foram reconstruídos com
o algoritmo de cone interativo e raio do cone de 0,5. . . . . . . . . . . . . . . . . . . . . . . . . . 69
Figura 32 - Esquema do calorímetro CASTOR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
Figura 33 - Esquema das câmaras de múons no barril do CMS. . . . . . . . . . . . . . . . . . . . . . . . 72
Figura 34 - Tampas das câmaras de múons no CMS.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
Figura 35 - Estimativa da quantidade de dados armazenados em �ta para o LHC. . . 74
Figura 36 - Topologia da difração simples dura com produção de dijatos. . . . . . . . . . . . . 78
Figura 37 - Luminosidade Instantânea no PI do CMS em diferentes épocas durante
as colisões pp em 7 TeV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Figura 38 - Distribuição normalizada do pT gerado para amostras de Monte Carlo. . 84
Figura 39 - Distribuição do efeito de empilhamento no CMS estimado para o ano
de 2010, forma de uma distribuição de probabilidades de poisson. . . . . . . . . . . 84
Figura 40 - Esquema da reconstrução de jatos no CMS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Figura 41 - Distribuição normalizada de η do primeiro jato mais energético. Com-
paramos o Monte Carlo com e sem o efeito de empilhamento para dife-
rentes períodos de aquisição aos dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Figura 42 - Distribuição normalizada de φ do primeiro jato mais energético. Com-
paramos o Monte Carlo com e sem o efeito de empilhamento para dife-
rentes períodos de aquisição aos dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
Figura 43 - Distribuição normalizada de pT do primeiro jato mais energético. Com-
paramos o Monte Carlo com e sem o efeito de empilhamento para dife-
rentes períodos de aquisição aos dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
Figura 44 - Distribuição normalizada de η do segundo jato mais energético. Compa-
ramos o Monte Carlo com e sem o efeito de empilhamento para diferentes
períodos de aquisição aos dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
Figura 45 - Distribuição normalizada de φ do segundo jato mais energético. Compa-
ramos o Monte Carlo com e sem o efeito de empilhamento para diferentes
períodos de aquisição aos dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
Figura 46 - Distribuição normalizada de pT do segundo jato mais energético. Com-
paramos o Monte Carlo com e sem o efeito de empilhamento para dife-
rentes períodos de aquisição aos dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
Figura 47 - Lado Negativo: soma da energia por evento do calorímetro HF. . . . . . . . . . 91
Figura 48 - Lado Positivo: soma da energia por evento do calorímetro HF. . . . . . . . . . . 91
Figura 49 - Lado Negativo: soma da multiplicidade por evento do calorímetro HF. . 92
Figura 50 - Lado Positivo: soma da multiplicidade por evento do calorímetro HF. . . 92
Figura 51 - Lado Positivo: distribuição de multiplicidade do calorímetro HF divi-
dido em duas partes. Comparando-se Monte Carlo aos dados do primeiro
período de aquisição. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
Figura 52 - Lado Negativo: distribuição de multiplicidade do calorímetro HF divi-
dido em duas partes. Comparando-se Monte Carlo aos dados do primeiro
período de aquisição. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
Figura 53 - Lado Positivo: distribuição de multiplicidade do calorímetro HF divi-
dido em duas partes. Comparando-se Monte Carlo aos dados do segundo
período de aquisição. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
Figura 54 - Lado Negativo: distribuição de multiplicidade do calorímetro HF divi-
dido em duas partes. Comparando-se Monte Carlo aos dados do segundo
período de aquisição. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
Figura 55 - Lado Positivo: distribuição de multiplicidade do calorímetro HF divi-
dido em duas partes. Comparando-se Monte Carlo aos dados do terceiro
período de aquisição. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
Figura 56 - Lado Negativo: distribuição de multiplicidade do calorímetro HF divi-
dido em duas partes. Comparando-se Monte Carlo aos dados do terceiro
período de aquisição. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
Figura 57 - Distribuição de Assimetria na Energia dos Calorímetros. . . . . . . . . . . . . . . . . . 97
Figura 58 - ξ medido e reconstruído utilizando-se o Monte Carlo. . . . . . . . . . . . . . . . . . . . . 99
Figura 59 - Multiplicidade de Ntracks. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
Figura 60 - Lado Positivo: distribuição de multiplicidade do calorímetro HF divi-
dido em duas partes. Comparando-se Monte Carlo aos dados do primeiro
período de aquisição com seleção difrativa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
Figura 61 - Lado Negativo: distribuição de multiplicidade do calorímetro HF divi-
dido em duas partes. Comparando-se Monte Carlo aos dados do primeiro
período de aquisição com seleção difrativa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
Figura 62 - Lado Positivo: distribuição de multiplicidade do calorímetro HF divi-
dido em duas partes. Comparando-se Monte Carlo aos dados do segundo
período de aquisição com seleção difrativa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
Figura 63 - Lado Negativo: distribuição de multiplicidade do calorímetro HF divi-
dido em duas partes. Comparando-se Monte Carlo aos dados do segundo
período de aquisição com seleção difrativa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
Figura 64 - Lado Positivo: distribuição de multiplicidade do calorímetro HF divi-
dido em duas partes. Comparando-se Monte Carlo aos dados do terceiro
período de aquisição com seleção difrativa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
Figura 65 - Lado Negativo: distribuição de multiplicidade do calorímetro HF divi-
dido em duas partes. Comparando-se Monte Carlo aos dados do terceiro
período de aquisição com seleção difrativa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
Figura 66 - Distribuição de Assimetria na Energia dos Calorímetros com seleção
difrativa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
Figura 67 - Lado Negativo: ξ dos eventos selecionados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
Figura 68 - Lado Positivo: ξ dos eventos selecionados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
Figura 69 - Run 135528, no bloco de luminosidade 180865832. . . . . . . . . . . . . . . . . . . . . . . . . 107
Figura 70 - E�ciência para Seleção de Dois Jatos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
Figura 71 - Seleção de Dois Jatos em um dos lados do CMS.. . . . . . . . . . . . . . . . . . . . . . . . . . 109
Figura 72 - Seleção de Dois Jatos em um dos lados do CMS quando o lado oposto
é o menos energético. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
Figura 73 - E�ciência do Número de Traços em Relação à Variação do pT dos Jatos.110
Figura 74 - E�ciência para pT dos Jatos �xo e Variação do Número de Traços. . . . . . 111
Figura 75 - Comportamento do sinal para corte em NTracks. . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
Figura 76 - Comportamento do sinal para corte em pT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
Figura 77 - Foto dos módulos FED. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
Figura 78 - Conexões MPO e cabos do sistema de trajetogra�a. . . . . . . . . . . . . . . . . . . . . . . 126
Figura 79 - Conexões MU e MFS do sistema de trajetogra�a.. . . . . . . . . . . . . . . . . . . . . . . . . 127
Figura 80 - Foto de um dos setores contendo 4 cassetes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
Figura 81 - Dispositivos para limpeza das �bras ópticas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
Figura 82 - Instrumento de medida OTDR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
Figura 83 - Esquema com as divisões nos cabos de testes do OTDR. . . . . . . . . . . . . . . . . . 129
Figura 84 - Pastas contendo as resultados manuscritos dos testes. . . . . . . . . . . . . . . . . . . . . 130
Figura 85 - Cabos conectados nos bastidores. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
Figura 86 - Tela do programa que gera o arquivo com os comprimentos dos cabos
MR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
Figura 87 - Tela do programa que gera o arquivo de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
Figura 88 - Tela do programa que gera os arquivos para análise. . . . . . . . . . . . . . . . . . . . . . . 132
Figura 89 - Histograma com os valores dos comprimentos dos fanouts medidos pelo
OTDR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
Figura 90 - Histograma com os valores dos comprimentos dos Pigtails medidos pelo
OTDR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
Figura 91 - Histograma com regiões de comprimentos não esperadas quando com-
paradas com os valores nominais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
Figura 92 - Histograma com os valores dos comprimentos dos cabos MR medidos
pelo OTDR.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
Figura 93 - Histograma com os valores dos comprimentos dos Fanouts, Pigtails e
Fantasmas somados.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
Figura 94 - Esquema do teste com feixe. A WCA, a primeira a ser sensibilizada
pelo feixe e a mais afastada, não estava funcionando. . . . . . . . . . . . . . . . . . . . . . . . . 139
Figura 95 - Nas �guras a,b,c e d os grá�cos da esquerda são as reconstruções do
feixe e os da direita os per�s frontais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
Figura 96 - Superposição de per�s nas câmaras WCB, WCC e WCD e regiões sem
atividade na câmara WCD.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
Figura 97 - Em ambos grá�cos as câmaras B e C apresentam valores correlaci-
onados. A câmara D ao longo do tempo aumentou a porcentagem de
repetição e a câmara E um comportamento aleatório. . . . . . . . . . . . . . . . . . . . . . . . . 141
Figura 98 - Distribuição normalizada de η do jato mais energético. Comparamos o
Monte Carlo com e sem o efeito de empilhamento aos dados para diferentes
períodos de aquisição. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
Figura 99 - Distribuição normalizada de φ do jato mais energético. Comparamos o
Monte Carlo com e sem o efeito de empilhamento aos dados para diferentes
períodos de aquisição. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
Figura 100 - Distribuição normalizada de pT do jato mais energético. Comparamos o
Monte Carlo com e sem o efeito de empilhamento aos dados para diferentes
períodos de aquisição. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
Figura 101 - Distribuição normalizada de η do segundo jato mais energético. Com-
paramos o Monte Carlo com e sem o efeito de empilhamento aos dados
para diferentes períodos de aquisição.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
Figura 102 - Distribuição normalizada de φ do segundo jato mais energético. Com-
paramos o Monte Carlo com e sem o efeito de empilhamento aos dados
para diferentes períodos de aquisição.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
Figura 103 - Distribuição normalizada de pT do segundo jato mais energético. Com-
paramos o Monte Carlo com e sem o efeito de empilhamento aos dados
para diferentes períodos de aquisição.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
Figura 104 - Soma da Energia por evento do calorímetro HF para cada um dos lados
em separado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
Figura 105 - Soma da Multiplicidade por evento do calorímetro HF para cada um
dos lados em separado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
Figura 106 - Nos diagramas, P e G representam respectivamente a troca de um
singleto de cor e a troca de um octeto de cor.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
Figura 107 - Funções exponenciais ajustadas para a estimativa de fgap. . . . . . . . . . . . . . . . . 164
LISTA DE TABELAS
Tabela 1 - Propriedades dos estágios de aceleração do CERN. . . . . . . . . . . . . . . . . . . . . . . . . . 51
Tabela 2 - Parâmetros do LHC. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
Tabela 3 - Limiares das diferentes partes dos calorímetros.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
Tabela 4 - Diferentes períodos de aquisição de dados no ano de 2010, as ine�ciências
do gatilho e a luminosidade integrada L após o uso do gatilho. . . . . . . . . . . . . . . 80
Tabela 5 - Ine�ciências do gatilho para as amostras do Monte Carlo. . . . . . . . . . . . . . . . . . 81
Tabela 6 - Seção de choque fornecida pelo Monte Carlo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
Tabela 7 - Amostras de Monte Carlo, sem empilhamento, normalizadas para cada
um dos períodos de aquisição de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
Tabela 8 - Amostras de Monte Carlo, com efeito de empilhamento, normalizadas
para cada um dos períodos de aquisição de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
Tabela 9 - Divisão do HF em duas partes: Low η e High η. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Tabela 10 - Estimativas dos comprimentos dos cabos do tipo Fanout. . . . . . . . . . . . . . . . . 133
Tabela 11 - Estimativas dos comprimentos dos cabos do tipo Pigtail. . . . . . . . . . . . . . . . . . 134
Tabela 12 - Estimativas dos comprimentos dos cabos do tipo Multirribon. . . . . . . . . . . . 136
Tabela 13 - Amostras de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
Tabela 14 - Amostras de monte carlo sem efeito de empilhamento. . . . . . . . . . . . . . . . . . . . 143
Tabela 15 - Amostras de monte carlo com efeito de empilhamento. . . . . . . . . . . . . . . . . . . . 144
Tabela 16 - Organização dos novos tunes para o Monte Carlo PYTHIA 6 baseado
no ordenamento do chuveiro partônico e no novo modelo de MPI. . . . . . . . . . . 151
Tabela 17 - Número de Eventos do pico no bin(0,0) nas distribuições de multipli-
cidade das torres do HF para dois jatos principais com pT > 30 GeV em
qualquer região do CMS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
Tabela 18 - Número de Eventos do pico no bin(0,0) nas distribuições de multipli-
cidade das torres do HF para dois jatos principais com pT > 30 GeV em
qualquer região do CMS, normalizado para Monte Carlo.. . . . . . . . . . . . . . . . . . . . 159
Tabela 19 - Número de Eventos do pico no bin(0,0) nas distribuições de multipli-
cidade das torres do HF após seleção difrativa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
Tabela 20 - Número de Eventos do pico no bin(0,0) nas distribuições de multipli-
cidade das torres do HF após seleção difrativa, normalizado para Monte
Carlo.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
Tabela 21 - Valores de fgap medidos nos experimentos do Tevatron. . . . . . . . . . . . . . . . . . . . 161
Tabela 22 - Pureza encontrada para cada uma das amostras de dados. . . . . . . . . . . . . . . . 162
Tabela 23 - Seções de Choque de dijatos inclusivos (σinclusivos) e de dijatos de
difração simples dura (σSD) para 7 TeV. O valor de P foi aplicado somente
à seção de choque difrativa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
Tabela 24 - Resultados de fgap e 〈S2〉 estimados para 7 TeV. . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
Tabela 25 - Resultados de fgap estimados para 14 TeV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
LISTA DE SIGLAS
(Si)APD Silicon Avalanche Photodiodes.
ALEPH Apparatus for LEP PHysics at CERN.
ALICE A Large Ion Collider Experiment at CERN.
ATLAS A Toroidal LHC Apparatus.
CASTOR Centauro And Strange Object Research.
CBPF Centro Brasileiro de Pesquisas Físicas.
CMS Compact Muon Solenoid.
CSC Cathod Strip Chambers.
IF-UERJ Instituto de Física, Universidade do Estado do Rio de Janeiro.
CERN Conseil Européen pour la Recherche Nucléaire.
DAQ Data Acquisition.
DELPHI DEtector with Lepton, Photon and Hadron Identi�cation.
DT Drift Tubes.
EB Eletromagnetic Barrel.
ECAL Eletromagnetic Calorimeter.
ECR Electron Cyclotron Resonance.
EE Eletromagnetic End Cap.
FEC Front-End Controller.
FED Front-End Driver.
HB Hadron Barrel.
HCAL Hadronic Calorimeter.
HE Hadron End Cap.
HERA Hadron Elektron Ring Anlage.
HF Hadronic Forward.
HLT High Level Trigger.
HLX HF Luminosity Transmitter.
HO Hadron Outer.
L1 Level 1 Trigger.
LEIR Low Energy Ion Ring.
LEP Large Electron-Positron.
LHC Large Hadron Collider.
LHCb The Large Hadron Collider beauty experiment.
LHCf Large Hadron Collider forward.
LINAC LINear ACcelerator.
LO Low Order.
ME Muon End Cap.
MPI Multiple Parton Interactions.
MPO Multi-Fiber Push-On.
MR Multiribbons.
NLO Next-to-leading-order.
OTDR Optical to Time Domain Re�ectometer.
P5 Large Hadron Collider forward.
PI Ponto de interação.
PLT Pixel Luminosity Telescope.
pp próton-próton.
PS Proton Synchroton.
PSB Proton Synchroton Booster.
PU Pile-up.
RFQ Radio Frequency Quadrupole.
RPC Resistive Plate Chambers.
SPS Super Proton Synchroton.
TEC Tracker End Cap.
TIB Tracker Inner Barrel.
TID Tracker Inner Disk.
TOB Tracker Outer Barrel.
VPT Vacuum Phototriodes.
ZDC Zero Degree Calorimeter.
SUMÁRIO
INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1 REVISÃO TEÓRICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.1 O Modelo Padrão das Partículas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.2 Introdução à Difração . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.2.1 Processos Macios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.2.2 Variáveis para a Descrição dos Processos Difrativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.2.3 Processos Duros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.2.4 Topologias Difrativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.2.5 Funções de Estrutura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.2.6 A Fatorização e a Quebra de Fatorização . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.2.7 Conclusões. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2 O EXPERIMENTO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.1 O Acelerador LHC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.1.1 Complexo de Aceleradores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.1.2 Medidas e Monitores de Luminosidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.1.3 Experimentos do LHC .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.2 O Detector CMS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.2.1 Descrição Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.2.2 Referencial do Experimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.2.3 Sistema de Seleção Eletrônica de Eventos e de Aquisição de Dados . . . . . . . . . . . 60
2.2.4 Sistema de Trajetogra�a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.2.5 Sistema de Calorimetria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.2.6 Magneto Solenoidal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.2.7 Sistema de Identi�cação de Múons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.2.8 Sistema Computacional de Análise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
2.2.9 Atividades no Detector . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3 ANÁLISE DE DIJATOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.2 Gatilho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.3 Amostras de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.4 Amostras de Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.4.1 Normalização . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.5 Correções Básicas nos Eventos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.6 Um pouco sobre Jatos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.7 Dijatos Difrativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.7.1 Estudos das Distribuições de Controle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.7.2 Seleção Básica de Eventos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
3.7.3 Eventos Difrativos Selecionados no Bin(0,0) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.7.4 Observação do Evento Real Difrativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
3.8 Estudo Sistemático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
3.8.1 E�ciências dos Cortes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
3.8.2 Relação Sinal e Ruído . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
CONCLUSÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
APÊNDICE A - Trabalho no Sistema de Trajetogra�a . . . . . . . . . . . . . . . . . . . . . . 124
APÊNDICE B - Trabalho no CASTOR .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
APÊNDICE C - Amostras Utilizadas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
APÊNDICE D - Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
APÊNDICE E - Algoritmo de Jatos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
APÊNDICE F - Grá�cos Suplementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
APÊNDICE G - Algumas Estimativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
23
INTRODUÇÃO
Medir. Deduzir. Prever. Certamente a busca humana acerca da compreensão do
Universo bem como daquilo que nos compõem, em essência, tem sido um empreendimento
de mentes curiosas. A maior diferença entre os �lósofos gregos e os cientistas dos últimos
três séculos da nossa era, apesar da semelhante visão de algo elementar capaz de diferir a
matéria, é sem dúvida, o poder de previsão do comportamento no mundo elementar. De-
certo, o conhecimento da mecânica quântica é diretamente correlacionado à tecnologia da
qual as sociedades dispõem para o bem-estar. O que outrora era apenas uma curiosidade,
teve consequências imprevisíveis na evolução do mundo em que hoje vivemos.
Ainda nesse sentido, o modelo padrão das partículas elementares é uma ferramenta
bastante testada experimentalmente e que reúne o conhecimento de muitas idéias acerca
das interações fundamentais e das estruturas mais elementares da matéria: os quarks
e léptons. Neste modelo conta-se com quatro interações fundamentais da natureza, a
gravitacional, a eletromagnética, a fraca e a forte. A gravitacional é a mais paradoxal,
já que é aquela sentida na rotina pelo homem em sua simples manifestação, no entanto,
é a que pouco conhecemos em nível quântico. A eletromagnética é a que dominamos no
sentido matemático e experimental. É aquela que norteia os sistemas elétricos. A fraca,
responsável pelos mecanismos de decaimentos nucleares e a forte, aquela responsável por
manter coesos os constituintes dos núcleos atômicos.
Por assim dizer, a compreensão mais aprofundada da interação forte pode ser
fundamental para o homem dominar as diversas manifestações da matéria conhecida. A
cromodinâmica quântica (QCD) descreve as interações fortes em regimes perturbativos,
no entanto nas descrições das escalas de mais baixa energia ou regime não-perturbativo,
não tem solução analítica. Esse trabalho é motivado pela pesquisa acerca das interações
fortes. Em particular, pelo estudo da produção de jatos que possibilitam explorar outros
tópicos da QCD.
Os experimentos do acelerador de partículas Grande Colisor de Hádrons (LHC) no
Conseil Européen pour la Recherche Nucléaire (CERN) foram idealizados para medirem as
propriedades das partículas, das interações fundamentais e para checarem a física além do
Modelo Padrão em uma escala de energia até então não explorada, de modo controlado.
24
Espera-se que este experimento ajude-nos a compreender melhor o Universo.
A difração em partículas agrega fenomenologia1 que com grande sucesso descre-
vem as interações hadrônicas. Tais modelos foram adaptados com sucesso para a física
de altas energias (processos partônicos), que são precisamente explicados pelas técnicas
perturbativas da QCD. Ressalta-se que os modelos da difração propõem explicar os dois
regimes: baixas e altas energias.
Os processos experimentais difrativos são caracterizados pela presença do que se
chama de lacuna de (pseudo)rapidez. Ou seja, são eventos em que se observa ausência de
atividade hadrônica, ou de cor, em parte do detector. Esses processos, que correspondem à
aproximadamente 15% da colisão próton-próton (pp) no ambiente do LHC, são explicados
pela presença do objeto virtual pomeron, que em uma analogia com a QCD, tem sido
considerado por uma série de autores como uma amálgama de glúons. Uma descrição do
pomeron será apresentada ao longo do texto.
Com base nessas idéias, a proposta desse trabalho é estudar processos difrativos
duros que são processos em que há presença das lacunas de pseudorapidez e produção
de jatos, de�nidos como regiões em forma de cone que contém alta multiplicidade de
partículas no detector. Os jatos são bem descritos pela QCD. Deduz-se do estudo desses
eventos que há uma conexão entre a QCD e a Difração Dura. O que em outras palavras,
ao medirmos as funções de distribuição dos glúons talvez possamos entender qual é a
relação destes com o pomeron.
Como propósito deste trabalho, apresentaremos um estudo detalhado sobre a pro-
dução de dijatos de difração simples no ambiente do experimento Compact Muon Solenoid
(CMS). Mesmo com a ausência de detectores de prótons que são espalhados na linha do
feixe ou região frontal foi possível observar dijatos difrativos já no primeiro período de
tomada de dados do ano de 2010. Além disso mostramos variáveis que podem ser sensíveis
para a determinação do efeito de empilhamento2 nos dados.
No primeiro capítulo desse trabalho, faremos um breve resumo da teoria da física
difrativa incluindo a QCD. No segundo capítulo será descrito o experimento CMS do qual
analisamos dados contendo eventos difrativos duros. No terceiro capítulo, será apresen-1Modelos físicos baseados na observação e em princípios gerais da física como a unitariedade e a
analiticidade. Usando como exemplo a interação eletromagnética, Maxwell sintetizou as observaçõesexperimentais e as relações de proporcionalidade em uma linguagem matemática avançada. Seguindo ocaminho experimental-teórico.
2O empilhamento, de modo simples, pode ser caracterizado por colisões entre prótons secundários. Aodecorrer desse trabalho faremos uma melhor descrição desse efeito.
25
tada a técnica utilizada para a medida de dijatos de difração simples, os resultados obtidos
para diferentes condições experimentais e a visualização de um dos eventos encontrados.
Finalmente, no quarto capítulo, as conclusões desse trabalho. Nos anexos serão mostra-
das as informações acerca dos trabalhos realizados na colaboração do experimento CMS,
sobre a análise em questão e algumas estimativas preliminares encontradas sobre a fração
de eventos contendo a lacuna de pseudorapidez.
26
1 REVISÃO TEÓRICA
1.1 O Modelo Padrão das Partículas
Mensurar os constituintes elementares da matéria bem como os mecanismos das
interações fundamentais da natureza é, em grande parte, dependente da instrumentação
capaz de mapear escalas as "femtoscópicas". Outrora, prótons, nêutrons e elétrons eram
considerados a essência da matéria. Entretanto, a Natureza revelou-se surpreendente:
experimentos em aceleradores de partículas, cada vez mais energéticos, e com raios cós-
micos descobriram um número crescente de partículas. No século XX grande número de
estados excitados e de estados ligados foi descoberto. Modelos teóricos e de fenomenolo-
gia, concomitantemente às descobertas, foram propostos. Ainda assim, questionamos o
que é elementar. Diante da capacidade tecnológica da nossa era os resultados cientí�cos
concluem que os quarks, aqueles que possuem carga de cor, e os léptons, são as partículas
elementares. Essas partículas, possuem spin 12e são chamadas de férmions.
O Modelo Padrão das Partículas Elementares foi elaborado na década de 70 do
século passado por muitos físicos e, o modelo a quarks, independentemente por Ge-
orge Zweig [1] [2] e Murray Gell-Man [3]. Todo o conhecimento cientí�co das partículas
constitui-se no que chamamos de Modelo Padrão. Nesse modelo os quarks são partículas
elementares, assim como os léptons, no entanto contém carga elétrica fracionária. Os há-
drons constituídos por um par quark-antiquark são chamados de mésons enquanto os que
são constituídos por três quarks ou três antiquarks são chamados de bárions ou antibárions
respectivamente.
As interações ocorrem devido a trocas de números quânticos entre as partículas,
através de objetos virtuais chamados de mediadores ou partículas virtuais. Os mediadores
da interação eletromagnética, fraca e forte são chamados de bósons de gauge e possuem
spin= 1. No caso gravitacional, os grávitons seriam os mediadores, com spin = 2, mas
atualmente não foram observadas evidências de sua existência.
O modelo padrão incorpora as seguintes partículas: quarks cujos sabores são cha-
mados up (u), down (d), charm (c), strange (s), top (t) e bottom (b), os léptons (e,µ, τ , νe,
νµ e ντ ) e os bósons de gauge (partículas mediadoras). O modelo padrão também descreve
três interações: a eletromagnética cujo mediador é o fóton (γ), a fraca cujos mediadores
são os bósons W+,W− e Z0 e a forte, cujos mediadores são os 8 glúons (g) com pares de
27
cor e anticor.
A organização das partículas em famílias ou gerações, pode ser vista na Figura 1.
Grupos brasileiros do CBPF e do IF-UERJ participaram da descoberta do quark top [4],
no experimento D60 do Tevatron que rati�cou o modelo a quarks para os hádrons.
Figura 1 - Modelo padrão das partículas elementares organizadas em três gerações departículas.
O modelo padrão é uma teoria quântica de gauge [5]. Para cada uma das interações,
a lagrangiana dos campos deve ser invariante sob transformações de gauge de diversos
grupos de simetria: SU(3)×SU(2)×U(1). Além disso, a conservação de números quânticos
é imposição física e experimental do modelo.
A Eletrodinâmica Quântica (QED) foi a primeira teoria quântica de campos e
descreve como o fóton interage com cargas. Essa teoria foi uni�cada à Teoria Fraca, que
descreve alguns decaimentos radioativos, originando a Teoria Eletrofraca, uma teoria de
Gauge SU(2)× U(1) que inclui a dinâmica de interação dos neutrinos (ν).
28
As partículas que interagem fortemente são descritas pela Cromodinâmica Quân-
tica (QCD), uma teoria de gauge do grupo não-abeliano (o que denota auto-interação entre
os glúons) SU(3). A QCD é uma teoria de campos e síntese das teorias das interações
fortes3.
A QCD descreve as interações entre quarks (q) e glúons (g), dos prótons, nêutrons,
píons, káons e outras partículas subatômicas conhecidas como hádrons.
Os hádrons são estados ligados de q, q̄ e g. Sobretudo, são neutros de cor e muito
mais pesados do que os quarks que os compõem. Os quarks são portadores de carga de
cor que produz um campo, do mesmo modo que as cargas elétricas produzem um campo
elétrico na QED. Os quarks interagem através do campo de cor [6]. Os quanta do campo
de cor são chamados de glúons. Em termos matemáticos, a QED é uma teoria de Gauge
invariante local (depende da posição e do tempo) para o grupo U(1) e a QCD é um grupo
local de Gauge SU(3). Como o grupo de Gauge SU(3) da QCD não é abeliano, os glúons
podem auto-interagir, ao contrário dos fótons.
Enquanto fótons (ou campo eletromagnético) não conduzem carga elétrica, os
glúons têm uma cor intrínseca (ou seja, uma carga de cor de transição). Por exem-
plo, um quark vermelho pode transformar-se em um verde emitindo um glúon com certa
carga de cor, enquanto a carga elétrica de uma partícula não é alterada pela emissão de
um fóton. Além disso, os processos duros da QCD têm sido bem calculados através de
simulações computacionais (Teorias de Gauge na Rede) [7], assim como parâmetros de
transição da fase macia para a dura, com o uso de modelos de sacolas para os hádrons
no contexto do possível plasma de quarks e glúons, em ambiente de altas energias e al-
tas densidades bariônicas. A idéia de con�namento de quarks, ainda é um postulado na
QCD4, embora o campo de cor tenha sido introduzido para explicar a falha do modelo
de quarks na descrição da ressonância ∆++. A aceitação dos glúons para o modelo de
quarks tornou compatíveis as medidas do momento angular para a ressonância ∆++, com
as obtidas pelos cálculos teóricos [8].
A auto-interação entre os glúons resulta em uma constante de acoplamento (αs)
para a QCD que mostra um comportamento dual da interação em baixas energias (onde
os quarks estão con�nados nos hádrons, regime não-perturbativo) e altas energias (em
3Fenomenologia conhecida como a Era da Pré-QCD.4Até a data presente, não foram observados quarks livres, nem a con�rmação do plasma de quarks e
glúons.
29
que os quarks estão livres, regime perturbativo) [9]. Em energias extremamente altas é
possível sondar os pártons constituintes (quarks e glúons) dentro dos hádrons, com o uso
de funções de estrutura. As funções de estrutura parametrizam o conteúdo partônico de
uma partícula por meio das PDF's5 [10] [11] [12] e da fatorização (modelar a fração do
momentum que vários pártons transportam no interior do hádron).
Por outro lado, em baixos valores do quadri-momentum transferido, quanto mais
os quarks tentam se afastar, maior será o valor de αs. Além disso, quanto maior a energia
cinética de afastamento do quark, maior capacidade o campo de cor dos glúons conectados
entre os vizinhos terá para produzir novos pares de quark-antiquark. Esse mecanismo é
chamado de hadronização, a partir do qual observa-se a formação de jatos (regiões cônicas
no detector contendo alta multiplicidade de partículas).
Uma consequência importante do campo de cor é que existem objetos livres so-
mente quando a composição da carga de cor é neutra. Já objetos com apenas um tipo de
carga de cor, sejam quarks ou glúons, não são observados livres. No entanto, para ener-
gias muito altas (ou em curtas distâncias) a QCD perturbativa apresenta resultados que
podem ser veri�cados experimentalmente, pois nesse regime, a constante de acoplamento
é baixa e consequentemente os quarks são considerados livres, os chamados pártons.
5Parton Distributions Functions.
30
1.2 Introdução à Difração
Classicamente, a teoria que descreve o fenômeno do espalhamento de um feixe
de luz que passa por uma fenda de pequenas dimensões é conhecida como difração. A
primeira observação sobre a difração foi feita por Leonardo da Vinci segundo as referências
[13] [14], mas a interpretação desse fenômeno não foi correta. O mesmo equívoco ocorreu
com as interpretações de Francesco Maria Grimaldi.
A partir da metade do século XX, foi incorporada à Física de Partículas a idéia da
difração por Landau, Pomeranchuk, Feinberg et al. [52] para traduzir, de modo análogo à
Óptica, o espalhamento de um hádron por outro hádron ou por um alvo.
Na década de 60 do século XX, usando a mecânica quântica não-relativística, Good
e Walker [15] de�niram pela primeira vez o que é a difração em partículas. Good e Walker
demonstraram que a conservação de números quânticos, entre as partículas incidentes e
espalhadas na interação, é a característica mais evidente desse processo.
Para as interações fortes um dos modelos que precede a QCD e de muito sucesso
experimental é conhecido como Teoria de Regge [16] [17]. Esse modelo descreve as intera-
ções em nível hadrônico, os processos chamados de macios. Em nível hadrônico, os quarks
estão con�nados nos hádrons e a QCD perturbativa não pode ser utilizada. Entretanto,
em escalas de energia mais elevadas, as interações entre cada um dos constituintes dos
hádrons são consideradas. Nessa escala de energia, os processos estão em nível partônico
e portanto, são denominados duros. Também não exclui-se a possibilidade de ocorrência
de processos macios nessas escalas.
Nos processos duros, o quadri-momentum transferido (canal-t) é da ordem de ≥
1GeV. Os processos em que há produção de jatos em regiões bem de�nidas, associados com
regiões no detector sem praticamente atividade (chamadas de lacunas de pseudorapidez ou
gaps) são denominados difrativos duros [19]. Os gaps são uma importante característica
dos modelos de fenomenologia que consideram a presença de um objeto virtual chamado
pomeron (P).
31
A de�nição da difração em termos teóricos é amplamente discutida e aparente-
mente incompleta em relação ao pomeron. Mas vamos citar A. Martin [20] [21], que em
uma Escola sobre Difração em 2010, a de�niu como:
"A di�ractive process is characterized by a large rapidity gap, which is caused by
t-channel pomeron exchange (or, to be more precise, by the exchange corresponding to
the rightmost singularity in the complex angular momentum plane with vacuum quantum
numbers)".
Os processos difrativos, como parte dos processos das interações fortes também
contém duas categorias: processos macios e duros. Alguns trabalhos resumidos acerca da
difração podem ser vistos em [22] [23] [24] [25].
1.2.1 Processos Macios
Os processos macios ocorrem, basicamente, em regimes onde o momentum trans-
ferido é da ordem de ' 0,5 GeV2 e, em dimensões hadrônicas, ' 1 fm. São caracterizados
por baixos valores de quadri-momentum transferidos (|t|). Sendo assim, na maioria são
processos elásticos, dissociação difrativa ou multiprodução de partículas. A descrição
da fenomenologia dos processos macios é abordada pela Teoria de Regge com bastante
sucesso.
1.2.1.1 Teoria de Regge
A Teoria de Regge descreve as reações hadrônicas como a troca de objetos, ou
trajetórias de Regge, chamados de Reggeons. Essa teoria baseia-se na mecânica quântica
não-relativística. Originalmente ela foi formulada a partir da idéia dos pólos de Regge,
desenvolvida por Túlio Regge [16] [17]. Ao estudar estados ligados para potenciais esféri-
cos atrativos, ele percebeu que para um dado momento angular l, esses estados apareciam
como pólos na amplitude de ondas parciais, αl(t) quando o momento angular era para-
metrizado no plano complexo.
32
Para potenciais bem conhecidos, os pólos de Regge têm localização determinada e
são parametrizadas como:
l = α(t) (1)
Onde α(t) é função do quadri-momentum transferido ao quadrado t, e representa
um conjunto de números quânticos trocados nas interações entre hádrons.
As trajetórias de Regge podem ser escritas em termos de uma equação linear do
tipo:
α(t) = α(0) + α′t (2)
Onde α(0) é o coe�ciente linear e α′é o coe�ciente ângular. Um exemplo da
trajetória de Regge é mostrado na Figura 2 onde é descrita a trajetória mesônica com os
parâmetros α(0) = 0,55 e α′ = 0,86 GeV−2.
Figura 2 - Trajetória de Regge Mesônica.
33
Os processos difrativos e hadrônicos observados em baixas energias (pequenos va-
lores de t) têm uma seção de choque diferencial cujo comportamento é similar à expressão
da intensidade da luz difratada em baixos ângulos [18]. No caso da Óptica, a intensidade
da luz difratada tem um pico e decresce rapidamente (eventualmente seguida por um pico
secundário). Logo, a forma da seção de choque é:
dσ
dt=
dσ
dt
∣∣∣∣(t=0)
e−b·|t| ' dσ
dt
∣∣∣∣(t=0)
(1− b · |t|) (3)
Onde b ' 10 GeV−2 ou mais no caso do espalhamento hadrônico. Nota-se, que em
uma analogia com a difração de um feixe de luz em um anteparo de dimensões pequenas,
a constante b está relacionada com as dimensões do alvo.
No caso da difração em partículas, b é o parâmetro de impacto. Além disso, para
valores maiores de |t|, encontra-se um mínimo seguido de um máximo secundário, como
já havia sido medido pela Óptica Difrativa. No entanto, no caso do espalhamento pp, esse
pico secundário não aparece muito pronunciado nos dados. A expressão da seção de choque
diferencial decresce assintoticamente com a energia. Ou seja, explica muito bem os dados
no regime macio (baixas energias). Entretanto, os resultados experimentais em processos
duros (altas energias) demonstraram que a seção de choque total aumenta. Sendo assim,
foi necessário introduzir uma nova trajetória para salvar o modelo de Regge. Essa nova
trajetória parametrizada chamada de pomeron (P), contendo os números quânticos do
vácuo, torna o comportamento da forma da função da seção de choque compatível ao que
se observa nos dados para os dois regimes: macio e duro. Existem indicações teóricas de
picos mais bem pronunciados para as energias do LHC segundo alguns modelos [26].
34
Na Figura 3 podemos observar os dados experimentais em diferentes faixas de
energia, onde existe uma concentração de eventos para baixos valores de t. A este pico
denominamos pico difrativo. A dependência em s na expressão da seção de choque é
denotada em uma parametrização da constante b.
Deste modo, observamos que através dos dados experimentais é o parâmetro b que
representa a inclinação da curva de dσdt.
Figura 3 - Seção de Choque diferencial em função de -t para o espalhamento elástico ppe para várias energias [26].
Assim, uma parametrização usada para b na literatura [27] é a seguinte:
b(s) = b0 + 2 · α′
P ln s (4)
35
Podemos concluir, observando-se a Figura 4, que a seção de choque total cresce com
a energia de forma compatível com a potência de ln s, que é um termo da parametrização
em b, reescrito em função da trajetória de Regge. A partir das medidas da seção de choque
total em função de√s podemos obter o valor de 0,25 GeV−2 para o parâmetro α
′
P.
Figura 4 - Seção de Choque total para o espalhamento elástico pp. Nota-se que hámedidas no Tevatron e nas experiências E710/E711 em ' 1,8 TeV que podem determinara extensão da curva [29].
Experimentalmente observa-se, que a seção de choque total cresce assintoticamente
com a energia. Os dados atuais ainda não são conclusivos para se determinar a forma exata
do crescimento da seção de choque para pp em altas energias. No entanto, os modelos
teóricos tentam ajustar o parâmetro b com uma potência de lnγ s. As medidas das seções
de choque para valores de√s maiores que 104 GeV foram medidas por experimentos de
ráios cósmicos e possuem imprecisão de pelo menos 10%, maiores que em experimentos
em colisores de partículas. Uma das razões é por possuírem baixa estatística.
Salienta-se que assintoticamente, a unitaridade, na forma do limite de Froissart-
Martin, de�ne que a seção de choque total não pode crescer mais rápido do que ln2 s [28].
Caso os dados sejam ajustados para parâmetros (γ) acima de 2, a reinterpretação do
problema ou alguma correção deve ser feita. Um forte indício experimental em ajuste
com as Trajetórias de Regge é que em altas energias, a seção de choque total cresce
assintoticamente com ln s. A essa trajetória de Regge ajustada, dá-se o nome de pomeron.
36
Somente com o formalismo dos Reggeons não se daria conta das seções de choque.
Sendo assim, foi necessário criar uma nova trajetória ajustada com os dados experimentais
(α′
P = 1) saturando o limite de Froissart-Martin [30] [31] para que o Modelo de Regge
pudesse descrever as seções de choque. Surgiram então novos problemas como a dupla
contagem de uma mesma amplitude de espalhamento.
Foi o modelo de G. Cohen-Tannoudji, A. Santoro e M. Souza [32] que calculou
seções de choque evitando a dupla contagem e respeitando a regra de soma �nita da ener-
gia que faz uma conexão entre as amplitudes de espalhamento dos processos em baixas
e altas energias, ou seja, entre ressonâncias e trajetórias de Regge. Esse modelo, cha-
mado de Three Components Deck Model (TCDM), descreve com grande sucesso processos
de dissociação difrativa e aspectos da difração macia. Ressalta-se ainda que não houve
qualquer estudo para a extensão desse modelo em processos duros.
1.2.2 Variáveis para a Descrição dos Processos Difrativos
Iremos de�nir algumas variáveis úteis na medida de processos difrativos como, por
exemplo, a fração de momentum carregado pelo pomeron (P) chamada de ξ e a massa do
sistema difrativo MX.
O ξ é a fração do momentum da partícula incidente que o P carrega, no caso em
particular do próton:
ξ = 1− xp (5)
Onde xp é a fração do momentum longitudinal do próton espalhado. Diz-se que a
massa invariante do vértice difrativo é a massa difrativa MX no evento. A massa difrativa
é de�nida de acordo com a topologia do processo difrativo. No limite de altas energias
para a troca de apenas um P:
MX =√ξs (6)
37
No caso de dois P's:
MX =√ξ1ξ2s (7)
Onde ξ1 e ξ2 são as frações do momentum dos dois P's.
1.2.3 Processos Duros
A primeira evidência da observação de jatos em topologias difrativas, isto é, que
possuem lacunas de pseudorapidez, foi feita pela colaboração UA8 [33], com feixes de
energia√s = 630 GeV no centro de massa, no colisor SPS no CERN. A distribuição de
um excesso de depósito de energia nas células dos calorímetros foi caracterizada como
produção de jatos, assim como as que se obtinham para eventos de QCD em geral, de
acordo com a previsão do modelo descrito por Ingelman e Schlein [34].
O modelo de Ingelman e Schlein foi o primeiro a propor a idéia da difração dura e
a produção de eventos de dijatos. O modelo proposto considera a fatorização do processo
duro na emissão do pomeron do vértice quase-elástico, que ocorre essencialmente em uma
escala macia e é universal para processos difrativos, e a interação dura entre pártons
do (anti) próton e do pomeron, que deve ser descrito com a adição de uma função de
estrutura.
Assim, a expressão proposta para eventos de dijatos (produção dominante) difra-
tivos (caracterizados pela lacuna de pseudorapidez) é dada por:
d2σjjdtdξ
=d2σSDdtdξ
σpP→jj
σpP→X
(8)
Onde ξ é de�nido como a fração de momentum carregado pelo pomeron, com
ξ ∼= 1 − xp ∼= M2X
se xp é a fração do momentum carregada pelo próton difratado e MX é
a massa invariante do sistema X. d2σSD
dtdξé a seção de choque diferencial para a difração
simples. O termo 1σpP→X
· d2σSD
dtdξ, denominado fator de �uxo do pomeron, independe do
subprocesso duro.
A seção de choque σpP→jj é calculada diretamente a partir do modelo a pártons na
QCD. Considerando para o pomeron, uma estrutura exclusivamente gluônica:
σpP→jj =
∫dx1dx2dt̂
∑i
fi(x1,Q2)G(x2)
dσ̂i
dt̂(9)
38
Onde G(x2) é a função de estrutura do pomeron e fi(x1,Q2) as densidades partô-
nicas do (anti)próton em uma escala de energia de Q2. Em comparação ao experimento,
foram consideradas duas funções de estrutura para o pomeron, do tipo xG(x) = 6(1− x)5
e xG(x) = 6x(1− x). Tomando-se como hipótese o modelo de Ingelman e Schlein, pôde-
se calcular, via Monte Carlo (considerando as simulações do algoritmo de identi�cação
dos jatos na aceptância do detector) a razão entre eventos difrativos (difração simples)
gerando jatos e o número total de eventos difrativos, Figura 5 [35] .
Figura 5 - Comparação entre os dados do Experimento UA8 e o modelo de Ingelman eSchlein para a Difração Dura. O modelo não se ajusta perfeitamente aos dados o que nosindica a falta de alguma outra função de estrutura.
Assim a difração dura caracteriza-se pela produção de jatos em eventos com a
presença de lacunas de pseudorapidez. Ou seja, ocorre em colisões de altas energias. O
interessante é que no caso de processos duros, além de jatos, podemos produzir compo-
nentes da difração macia, inclusivas. A descrição dos processos duros pode ser abordada,
em parte, pelos cálculos da QCD perturbativa (teoria BFKL6) [12], sobre a qual não
entraremos em detalhe. Sugere-se a leitura da referência [36].
6Quando mantemos Q2 �xo e aumentamos a energia (evolução do pequeno x de Bjorken), observamosum crescimento rápido da distribuição de pártons. Essa evolução é descrita pelas equações lineares deBalitsky-Kuraev-Fadin-Lipatov.
39
1.2.3.1 O Pomeron (P)
Considerando a seção de choque total no limite assintótico, Chew & Frautschi [37]
e Gribov introduziram uma nova trajetória de Regge com um coe�ciente linear igual a 1,
chamado pomeron, salvando assim a primeira di�culdade do Modelo de Regge que era
conseguir um melhor ajuste da teoria com os dados experimentais. O nome pomeron foi
dado em homenagem ao físico Isaak Pomeranchuk que demonstrou que a seção de choque
total entre pp e pp̄ é a mesma em altas energias com a introdução de uma trajetória de
Regge parametrizada.
Desde a formulação da QCD, vários estudos foram realizados tentando compatibilizá-
la com a Teoria de Regge. Atualmente, interpreta-se o P como um objeto que tem um
alto conteúdo gluônico, formando uma bola de glúons, ou seja, a troca de um P pode ser
explicada como resultado de uma troca complexa de glúons. Alguns autores acreditam
que o P, caso tenha alguma estrutura, seja composto por glúons e quarks, já que expe-
rimentalmente detecta-se W's e Z0's difrativos. No entanto, estes bósons não interagem
diretamente com os glúons, mas com os quarks [38].
Segundo Abatzis et al. [39] existe um candidato para o pomeron que seria uma bola
de glúons, e segundo Donnachie e Landsho� [40] a trajetória de Regge correspondente
seria:
αP(t) = 1, 08 + 0, 25 · t (10)
Onde t tem unidade [GeV−2]. Esse resultado foi obtido ao fazer um ajuste nos
dados da seção de choque diferencial de espalhamentos elásticos. O pomeron então é
uma trajetória dominante em processos elásticos e difrativos, os quais ocorrem a partir
da troca dos números quânticos do vácuo no canal-t. Os números quânticos do pomeron
são: a paridade P = +1, a carga C = +1, a G-paridade G = +1 e isospin I = 0. Os
números quânticos do vácuo explicam a presença de lacunas de pseudorapidez nos eventos
difrativos.
Uma vantagem ao introduzir este objeto é o fato de que nas interações macias, ele
é uma trajetória de Regge com números quânticos bem determinados, enquanto na QCD
pode ser uma amálgama de quarks e glúons.
40
1.2.4 Topologias Difrativas
Experimentalmente eventos difrativos podem ser caracterizados por lacunas de
rapidez, ou seja, ausência de produção de partículas [19] em uma região do espaço de fase
(do detector). Assim, podemos de�nir quatro tipos distintos de processos difrativos [41]:
• Espalhamento elástico: o módulo do momentum das partículas incidentes e es-
palhadas é o mesmo;
Figura 6 - Esquema do espalhamento elástico.
• Difração Simples(SD): ocorre quando uma das partículas incidentes está presente
no estado �nal, enquanto a outra interage com o pomeron dissociando-se, dando
origem a novas partículas. Nesse trabalho, detectamos dois jatos (dijatos) no es-
tado �nal em difração simples, mas também chamada de difração simples dura pela
presença dos jatos;
Figura 7 - Esquema da Difração Simples.
41
• Difração dupla(DD): ocorre quando duas partículas incidentes interagem através
do pomeron e se dissociam, dando origem a novas partículas;
Figura 8 - Esquema da Difração Dupla.
• Dupla troca de pomeron(DPE): as duas partículas incidentes interagem através
de dois pomerons, originando a criação de partículas na região central. No entanto,
as partículas incidentes sobrevivem e estão no estado �nal. Nesse canal, em uma
topologia de produção de dijatos, espera-se detectar Higgs. A razão sinal-ruído é a
mais alta dentre todos os possíveis canais de busca do Higgs, tornando-o competitivo
[42].
Figura 9 - Esquema da Dupla Troca de pomeron.
1.2.5 Funções de Estrutura
Os experimentos ZEUS e H1 no HERA e D60 e CDF no Tevatron consolidaram do
ponto de vista experimental, a difração dura.
Nos experimentos do HERA, elétrons com aproximadamente 27 GeV colidiam com
prótons de aproximadamente 900 GeV. Os fenômenos difrativos são essencialmente de
natureza hadrônica. No entanto, com as energias do HERA, os elétrons irradiavam fótons
virtuais que interagiam com os prótons. Nesses processos de interação, os fótons virtuais
produziam pares de quark-antiquark que interagiam com os pártons dos prótons. Uma
outra interpretação, é que para casos em que o próton incidente é muito rápido, temos o
42
chamado espalhamento profundamente inelásico (DIS) do fóton virtual no próton. Entre-
tanto, no caso especí�co onde o estado �nal é caracterizado por um próton com o módulo
do momentummuito próximo do módulo domomentum do próton incidente e cujo sistema
hadrônico produzido possui os mesmos números quânticos do fóton, teremos o Di�ractive
Deep Inelastic Scattering (DDIS). O estudo da estrutura do próton nessa classe de eventos
nos informa sobre eventos difrativos em geral [43], assumindo, a hipótese de fatorização
na QCD.
1.2.6 A Fatorização e a Quebra de Fatorização
A seção de choque do espalhamento ep → eX (DIS) pode ser parametrizada em
uma combinação de funções de estrutura F2 e FL. De modo análogo, a seção de choque
para o caso do (DDIS), pode ser fatorizada em função das variáveis difrativas [44]. No
entanto, com a adição de um termo concernente à fração de momentum do párton emitido
pelo pomeron β = Q2
2(P−P′ )qonde Q2 é o momento transferido para o elétron, P e P
′o
momento do próton incidente e espalhado respectivamente e q do fóton virtual.
No caso de DDIS são introduzidas funções de estrutura difrativas FD(4)2 e FD(4)
L ,
onde se deixa explícita a dependência nas variáveis cinemáticas relevantes β, Q2, ξ e t [45]:
dσep→eXp
dβdQ2dξdt=
4πα2em
βQ4
[(1− y +
y2
2
)F
D(4)2
(β,Q2, ξ, t
)− y2
2F
D(4)L
(β,Q2, ξ, t
)](11)
onde y ≡ P.q/P.k é a fração de energia perdida pelo elétron no referencial de
repouso do próton.
As funções de estrutura difrativas descrevem a estrutura do próton nessa classe
de eventos caracterizados pela presença do próton intacto no estado �nal. De outro
modo, podem descrever a estrutura do sistema efetivo trocado pelo próton, carregando
os números quânticos do vácuo e emitindo um párton com fração de momentum β. A
função FD(4)L é em geral muito pequena já que é relativa à polarização longitudinal do
fóton virtual. Sendo assim, é desconsiderada.
43
A Figura 10 [46] é obtida mostrando-se a função FD(3)2 integrada em t, reescrita
como sendo (FD(4)2 ) e em função de Q2 para diferentes intervalos de β, com ξ �xo. Con-
comitante, mostramos para o caso do ajuste das funções para o DIS. De�nimos a variável
de Bjorken xB = Q2
P·q onde P é o quadrimomento do próton incidente e q o quadrimomento
do fóton virtual. A relação entre xB e β é dada por βξ = xB [46].
Figura 10 - Comparação entre as funções de estrutura no DDIS e no DIS. Na esquerda,as funções de estrutura difrativa do próton estão em função de β. Na �gura da direita, afunção de estrutura do próton está em função de xB.
Podemos notar na Figura 10 que FD(3)2 é aproximadamente constante para uma
grande faixa de valores de β e valores �xos de Q2. No entanto, no caso das funções de
estrutura não difrativas em função de xB isso não acontece, já que diminuem fortemente
para valores xB ≥ 0, 2. A função de estrutura FD(3)2 mantém a forma logarítmica quando
�xamos valores de xB em função de Q2, o que permite a aplicação do modelo a pártons
para a difração. Isso pode ser veri�cado em [46]. Além disso, ainda nesse caso FD(3)2
é crescente o que signi�ca, em geral, uma maior evidência que os pártons dos processos
difrativos são predominantemente glúons.
44
Estendendo-se a fatorização em QCD para o caso difrativo, a função de estrutura
FD(4)2 em termos de distribuições partônicas será [47]:
FD(4)2
(β,Q2, ξ, t
)=
∑i
∫ 1
β
dz
zCi
(β
z
)fDi
(z, ξ, t;Q2
)Onde fD
i (z, ξ, t;Q2) são as chamadas funções de distribuição partônicas difrati-
vas. As funções Ci descrevem o espalhamento no nível partônico. A dependência de
fDi (z, ξ, t;Q2) em Q2 obedece às equações de evolução na QCD e podem ser interpretadas
como a probabilidade condicional de se achar um párton i com fração de momentum zξ
no próton, dado que o estado �nal é caracterizado como um processo difrativo, ou seja,
com um próton com momentum muito próximo ao incidente. A Figura 11 [45] mostra
cada um dos ajustes para as distribuições partônicas do singleto e gluônicas em eventos
difrativos. Comparando-se cada uma das distribuições do singleto com as gluônicas para
cada virtualidade Q2, podemos concluir que a contribuição gluônica é mais importante
por um fator entre 5 e 10.
Figura 11 - Distribuições partônicas do singleto (esquerda) e gluônica (direita) paraeventos difrativos determinadas no experimento H1.
45
Assim, ressalta-se que feita a hipótese de fatorização, as funções de distribuição
partônicas (difrativas) são independentes do processo e isso foi comprovado no HERA. Em
princípio a medida dessas funções de estrutura difrativas no LHC é muito desejada, mas
surgem complicações adicionais não presentes no espalhamento ep. No caso do Tevatron,
os experimentos D 60 e CDF testaram a validade da hipótese de fatorização para a difração
dura. Nesses estudos, os processos difrativos em interações p̄p poderiam ser descritos pela
convolução das densidades partônicas de medidas de DDIS no HERA.
No entanto, foi observado que as taxas de produção de eventos difrativos (produção
difrativa deW, Z, dijatos dentre outros) no Tevatron eram suprimidas por um fator 10 em
relação às medidas do HERA, utilizando-se o teorema de fatorização da QCD. Portanto,
isso implica essencialmente em uma quebra de universalização das funções de estrutura,
chamada também de quebra da fatorização em eventos difrativos, Figura 12 [46].
Figura 12 - Funções de estrutura para dijatos em difração simples no experimento CDF,comparadas com as funções encontradas no HERA.
A taxa de difração dura corresponde à 1% da seção de choque total no Tevatron.
Valor suprimido 10 vezes, já que no HERA essa taxa medida corresponde à 10%. A expli-
cação para esse fenômeno é que em se tratando do espalhamento hádron-hádron, podem
acontecer em paralelo ao subprocesso duro, interações entre pártons espectadores de am-
bos hádrons, destruindo não somente o hádron, mas ocupando a lacuna de pseudorapidez.
Esse efeito é chamado de empilhamento. Em geral, tenta-se quanti�car o efeito desse tipo
de interação multiplicando-se a seção de choque obtida com as funções de distribuição
46
difrativas por um fator 〈S2〉, que pode-se considerar independente do tipo de subprocesso
e da escala dura do evento. A esse fator dá-se o nome de probabilidade de sobrevivência
da lacuna de pseudorapidez. No Tevatron, este fator é da ordem de ' 0,1. No LHC,
espera-se algo em torno de ' 0,03 até 0,1.
1.2.7 Conclusões
A maior componente na Difração é a macia, da qual o espalhamento elástico é o
processo dominante. Tais processos têm sido muito bem explicados pela Teoria de Regge.
Concomitantemente, o espalhamento profundamente inelástico (DIS) e a produção de
jatos são exemplos de processos duros. As técnicas perturbativas da QCD podem ser
aplicadas para a descrição de processos duros, porém parte desses processos ainda possui
uma origem não-perturbativa, portanto macia.
As propriedades não-perturbativas do próton podem ser determinadas por análises
globais dos dados do DIS e através do espalhamento duro. Nesse contexto as PDF's
universais do próton são obtidas por teoremas de fatorização. No entanto para DIS
com lacunas de pseudorapidez não podemos obter PDF's difrativas. A universalidade é
quebrada experimentalmente pela supressão dos valores de função de estrutura. Sendo
assim é necessário medir um parâmetro de ajuste, chamado probabilidade de sobrevivência
da lacuna de pseudorapidez (Gap Survival Probability) em colisões de pp.
Resultados experimentais do Tevatron [48] mostraram que os processos difrativos
correspondem à aproximadamente 40% da seção de choque total em colisões próton-
antipróton (pp̄). Nos experimentos H1 [49], UA8 [35] e ZEUS [50] foram detectados
eventos que poderiam ser enquadrados como processos duros e macios.
Decerto, podemos compreender a importância do estudo da difração em partículas
para a completude de uma teoria que descreva as interações fortes. No ambiente dos
experimentos do Grande Colisor de Hádrons (LHC) é esperada uma seção de choque total
pp para√s = 14 TeV em torno de 100 mb, onde aproximadamente 15% é concernente a
processos difrativos [51].
47
Deste modo, a compreensão experimental da difração poderá esclarecer a física de
transição dos processos macios para os processos duros. Decerto, podemos compreender
a importância do estudo da difração em partículas para a completude de uma teoria
que descreva as interações fortes. Sugere-se o uso das referências [52] e [53] para estudo
aprofundado acerca da difração.
Figura 13 - Esquema com as seções de choque esperadas para o LHC.
48
2 O EXPERIMENTO
2.1 O Acelerador LHC
Nos experimentos de colisores de física de partículas coexistem o uso da
máquina aceleradora de partículas, responsável pela produção e aceleração dos pacotes
do feixe de partículas, e o uso de detectores, máquinas compostas por diversos materiais
sensíveis à interação das partículas. O acelerador de partículas Large Hadron Collider
(LHC) é circular, ou seja, signi�ca que é um acelerador do tipo colisor.
O LHC é um acelerador projetado para colidir próton-próton (pp) com uma energia
no centro de massa de espalhamento√s = 14 TeV. Localizado na fronteira entre a França
e a Suíça, com um perímetro circular de 26.659 m e aproximadamente 100 m abaixo da
superfície terrestre, ocupa o mesmo túnel do antigo acelerador Large Electron Positron
(LEP). Na Figura 14 mostramos o interior do túnel do LHC.
Figura 14 - Foto dentro do túnel do LHC.
Contudo, um dos grandes desa�os tecnológicos para a construção do LHC foi o uso
da tecnologia de supercondutores em grande escala, que em linhas gerais, é diretamente
responsável pela energia e pela luminosidade instantânea7 no ponto de interação PI dos
detectores. Os supercondutores são responsáveis pela produção de um intenso campo
magnético nos quadrupólos e octopólos, que mantém o feixe focalizado, e nos dipolos, que
mantém a trajetória do feixe circular. Na Figura 15, mostramos um dos 392 setores com
quadrupólos e octopólos do LHC, com 15 m de comprimento.
7É uma medida concernente ao �uxo de partículas no feixe. Será detalhada adiante.
49
Figura 15 - Esquema de um dos setores do LHC.
O anel circular do LHC possui 1.232 setores com dipolos e cavidades de radio-
frequência, que aceleram os prótons com uma taxa de 0,5 MeV/volta e possuem entre 5 e
7 m de comprimento.
Na Natureza, até o momento, não conhecemos materiais com características su-
percondutoras em temperatura ambiente. Sendo assim, um grande avanço tecnológico do
LHC é um sistema de criogenia em hélio líquido capaz de resfriar os setores contendo os
magnetos a uma temperatura de até 1,9 K para a fase supercondutora.
Nos tópicos seguintes, iremos descrever o complexo de aceleradores do CERN (Con-
seil Européen pour la Recherche Nucléaire)8 e falaremos um pouco sobre os experimentos
do LHC.
8Em português é conhecido como Organização Européia para Investigação Nuclear.
50
2.1.1 Complexo de Aceleradores
Figura 16 - Fonte de prótons do LHC.
O complexo de aceleradores do qual o
LHC faz parte é composto no primeiro estágio
pela fonte de prótons do LHC. Essa fonte é cha-
mada Duoplasmatron (Figura 16), que é basica-
mente um dispositivo blindado contendo lentes
magnéticas, e no qual um intenso campo elétrico
também é produzido para separar elétrons do gás
Hidrogênio. O con�namento magnético forma
um estado plasmático que é ejetado do Duoplas-
matron por um anodo com uma energia ciné-
tica de aproximadamente 90KeV. Curiosamente,
esse processo consome mais corrente elétrica do que o LHC para operar [54] [55] [56].
Em seguida esse plasma de prótons é acelerado por uma cavidade de radiofrequên-
cia composta com um quadrupólo chamada de RFQ. Nesse dispositivo os prótons são
ejetados com uma energia em torno de 750 KeV para o LINAC2 (LINear ACcelerator).
Os prótons então, adquirem uma energia de 50 MeV em 30 m no LINAC2. Em seguida,
os pacotes de prótons são injetados no PSB (Proton Synchroton Booster) que possui qua-
tro linhas de feixe de prótons de 157 m cada acelerando-os em cada linha até 1,4 GeV.
Estima-se uma quantidade de 1013 prótons por anel. Finalmente essas quatro linhas são
recombinadas em uma única, e os prótons são injetados no PS (Proton Synchroton), onde
são acelerados até aproximadamente 25 GeV em pacotes separados por 25 ns. Em se-
guida esses pacotes de prótons são injetados no SPS (Super Proton Synchroton). O SPS
acelera-os a uma energia de até 450 GeV.
51
Finalmente, após acelerados no SPS, os pacotes são injetados em sentidos opostos
no LHC, e precisam circular em torno de 10 horas para adquirirem a energia de 7 TeV
em cada um dos feixes circulares. Tais estágios podem ser vistos na Figura 17.
Figura 17 - Esquema do complexo de aceleradores do CERN.
Com a luminosidade instantânea9 de L = 1034cm−2s−1 o feixe do LHC é constituído
por pacotes contendo aproximadamente 100 bilhões de prótons em um espaço transversal
de 16 µm viajando a velocidades muito próximas às da luz. Na Tabela 1 organizamos
algumas características técnicas sobre os estágios de aceleração do LHC.
Tabela 1 - Propriedades dos estágios de aceleração do CERN.
Estágio de Aceleração Energia Tamanho Corrente de Operação (mA)Duoplasmatron 92 keV ' 40 cm 250 - 500 mA
RFQ 750 keV ' 1 m
Linac2 50 MeV ' 30 m 180 - 190 mA
PSB10 1,4 GeV 157 m
PS 28 GeV 128 m
SPS 450 GeV ' 7 km
LHC 7 TeV ' 27 km 180 - 190 mA
9Luminosidade instantânea a qual o LHC é capaz de operar. No ano de 2010, o LHC operou emluminosidade e energia mais baixos.
52
Na Tabela 2 mostramos alguns parâmetros do LHC para colisões pp.
Tabela 2 - Parâmetros do LHC.
Parâmetro Símbolo Valor Unidade
Energia Máxima por Feixe E 7 TeV
Campo do Dipolo (7 TeV) B 8,33 T
Luminosidade Instantânea L 1034 cm−2s−1
Separação dos Pacotes 25 ns
Número de Pacotes kb 2808
Número de Partículas/pacote Np 1,15 ·1011
Número de Colisões/volta nc 20
O LHC também acelera íons pesados. Salienta-se que nesse caso, as linhas de feixe
até a injeção ao PS são completamente diferentes. Vamos apenas citá-las em ordem de
aceleração: a fonte de íons é o ECR (Electron Cyclotron Resonance) em seguida o plasma
de íons é acelerado em outro RFQ e ejetado para o LINAC 3. Após serem acelerados no
LINAC 3, os íons são injetados no LEIR (Low Energy Ion Ring) e seguem para o PS. Do
PS as linhas de feixe até o LHC são as mesmas [56].
2.1.2 Medidas e Monitores de Luminosidade
A luminosidade instantânea (L), concernente ao �uxo de partículas do feixe, é
de�nida como:
L =γfκbN
2p
4πξnβ∗ · F (12)
Onde γ é o fator de Lorentz, f é a frequência de revolução, κb é o número de
pacotes, Np é o número de prótons por pacote, ξn é a emitância transversa (valor nominal
de 3,75 µm), β∗ é o valor β no ponto de interação (relativo ao formato transversal do
feixe) e F é o fator de redução devido ao ângulo entre os feixes no cruzamento dos pacotes
de pp.
53
Neste trabalho a luminosidade integrada (L) é relacionada ao total de L em um
intervalo de tempo t:
L =
∫Ldt = N
σ(13)
Onde N é o número de eventos observados para uma determinada seção de choque
efetiva σ. A medida de L é realizada por um monitor do LHC em tempo real ou pode
ser estimada com técnicas de análise, como por exemplo a Contagem Zero. Tal medida
é importante para que as amostras de Monte Carlo sejam normalizadas e comparadas
aos dados. O objetivo dos monitores de luminosidade em tempo real é estimar a medida
com menos de 1 % de erro estatístico em 0,1 s. Para a L esperada do LHC, superior a
ordem de 1028 cm−2s−1, esse erro sistemático não irá impossibilitar as medidas de seções
de choque de processos raros. Além de medirem a luminosidade para as análises de Física,
os monitores de luminosidade ajudam no diagnóstico da qualidade do feixe.
Alguns monitores de luminosidade em tempo real são utilizados no CMS: placas
chamadas de HLX (HF Luminosity Transmitter) dedicadas à estimativa da luminosidade
que contam o número de células ativas no HF, acima de limiares de sinal, em um ciclo
temporal dos pacotes do LHC; ou a utilização do depósito de energia transversa no HF,
onde o número de interações por colisão é um valor extraído da distribuição de Poisson do
depósito de energia. Essa técnica é conhecida como Contagem Zero. Outro monitor em
tempo real é o Telescópio Pixel de Luminosidade (Pixel Luminosity Telescope - PLT) [57].
O PLT [58] possui 8 sensores em φ (ângulo azimutal), sendo que 3 camadas em η
(pseudorapidez). Cada um dos sensores é composto por cristais de diamante11 e unidades
de pixel, contendo área ativa de 4 × 4 mm2. Foi instalado em ambos lados do CMS, a
aproximadamente 1,8 m do PI e aproximadamente 5 cm do duto de vácuo pelo qual passa
o feixe.
11Mesmo devido à elevada dosagem de radiação, aproximadamente 80 Mrad, simulações demonstrarama possibilidade de sobrevivência desses sensores.
54
Esse telescópio também colabora para a determinação da posição do PI. Tais sis-
temas de monitoramento de luminosidade estão conectados diretamente ao sistema de
aquisição de dados. Ou seja, somente irão funcionar caso o sistema de aquisição de dados
também esteja.
(a) Esquema do Telescópio deLuminosidade.
(b) Posição de instalação do PLT.
Figura 18 - Esquema e localização do PLT.
2.1.3 Experimentos do LHC
Dentre as oito cavernas do LHC, em apenas quatro existem experimentos:
• ALICE (A Large Ion Collider Experiment at CERN): detector projetado com ênfase
na medida de colisões de íons pesados. Localizado no Ponto 2;
• ATLAS (A Toroidal LHC Apparatus): o maior dos experimentos do LHC, de pro-
pósito geral. Localizado no Ponto 1;
• CMS (Compact Muon Solenoid ): conhecido como um detector de propósito geral.
É o meio de pesquisa desse trabalho. O CMS é um detector simétrico, e com poucas
regiões não-ativas de detecção, já que é compacto. Instalado na caverna Ponto 5;
• LHCb (The Large Hadron Collider beauty experiment): especí�co para as medidas
do quark b e de violação de carga e paridade. Localizado no Ponto 8.
55
Além desses experimentos principais, no CMS estão instalados os detectores TO-
TEM (Total Cross Section, Elastic Scattering and Di�raction Dissociation) e em fase de
projeto o detector FP420 [59]. Há um especial interesse em medidas do �uxo de energia
das partículas na região frontal, bem como na medida da razão entre o espectro eletromag-
nético e hadrônico: ambas medidas são importantes para a procura de possíveis eventos
de centauro [60]. Há também interesse em utilizar os calorímetros frontais para a identi-
�cação de processos difrativos. No ATLAS o experimento LHCf (Large Hadron Collider
forward) é destinado para medidas de física difrativa.
Figura 19 - Experimentos do LHC.
Figura 20 - Instrumentação Frontal instalada no CMS.
56
2.2 O Detector CMS
2.2.1 Descrição Geral
O detector Compact Muon Solenoid - CMS, localiza-se no CERN a apro-
ximadamente 8,5 km do sítio de Meyrin, em Genebra, Suíça. Instalado 100 m abaixo
da superfície, com massa de aproximadamente 12.500 t, possui em torno de 22 m de
comprimento e 15 m de altura e encontra-se na caverna conhecida como Ponto 5 (P5).
Nesse experimento, prótons acelerados pela máquina LHC irão colidir com uma energia
de 14 TeV no centro de massa. O detector CMS é conhecido como um detector de caráter
geral, já que foi projetado para detecção de partículas espalhadas em colisões entre próton-
próton (pp) e também de íons pesados. É também um detector de grande segmentação e
pode ser classi�cado como um espectrômetro.
Uma das grandes vantagens do CMS é a medida da direção de fótons,
da rejeição de π0s e a medida do isolamento de léptons e fótons em ambiente de alta
luminosidade. Para a resolução da massa de dimúons, difótons e di-elétrons o CMS
possui em média o mesmo valor: ' 1 GeV/c2 para um espectro de até 100 GeV/c2.
(a) Região em |η| < 0, 8. (b) Região em 1, 2 < |η| < 2, 4.
Figura 21 - Resolução do momentum do múon em função do momentum, utilizando-sesomente o sistema de múons, apenas o sistema de trajetogra�a e ambos sistemas.
57
O CMS possui um sistema de múons reduntante na parte mais externa do
detector: caso uma das câmaras tenha alguma falha, podemos utilizar os dados da câmara
seguinte. O sistema redundante aumenta a e�ciência na identi�cação de processos raros
competitivos à topologia de produção de pares de léptons.
Adicionalmente, o sistema de calorimetria eletromagnético e hadrônico é
compacto e com poucas áreas não ativas, o que permite pouca dependência de algorit-
mos de redes neurais para o cálculo estipulado do depósito de energia por partícula12.
A incerteza na medida da energia das partículas é minimizada já que o sistema de calo-
rimetria cobre hermeticamente o detector. O calorímetro eletromagnético (ECAL) tem
boa resolução em energia e massa para difótons e di-elétrons devido à grande cobertura e
granularidade em |η| < 2,5. Além disso, o calorímetro hadrônico (HCAL) garante boa re-
solução na energia transversa perdida e massa de dijatos, devido a vasta cobertura |η| < 5
e grande segmentação (∆η×∆φ < 0,1×0,1). O sistema de múons integrado ao sistema de
trajetogra�a tem boa capacidade na identi�cação de múons com ótima resolução de mo-
mento e com grande cobertura em |η| < 2,5. O calorímetro eletromagnético, que circunda
o sistema de trajetogra�a, é formado de modo homogêneo por cristais de PbWO4.
O detector CMS também possui um sistema de trajetogra�a que permite a recons-
trução da trajetória das partículas e de medida de vértices. No caso de colisões em altas
energias em pp em um ambiente de alta luminosidade, colisões secundárias e terciárias
entre os prótons têm alta probabilidade de acontecerem, o que decerto, poluiriam as medi-
das das topologias desejadas. Esse efeito é conhecido como empilhamento13. Sendo assim,
o sistema de trajetogra�a foi projetado de modo mais fatiado possível, objetivando maior
qualidade para a reconstrução de traços e determinação de vértices primários. Finalmente,
em caso de colisões de íons pesados, o sistema de trajetogra�a também é determinante
para a medida precisa de correlações, do �uxo de partículas e do possível estado de Plasma
de quarks e glúons. Tal sistema garante boa resolução em momento e e�ciência para a
reconstrução da trajetória de partículas carregadas, boa identi�cação de τs e jatos prove-
nientes de quarks-b, já que possuem dispositivos do tipo pixel.
O campo magnético do detector CMS é gerado por um solenóide e possui
magnitude de aproximadamente 4 T. É uma bobina cilíndrica supercondutora, com di-12No caso do CMS os algoritmos em redes neurais são utilizados basicamente para rejeição e identi�-
cação de processos físicos, não para a medida de energia diretamente.13Em inglês, é usual a expressão técnica Pile-Up.
58
âmetro interno de 6,3 m e comprimento de 12,9 m e massa por volta de 225 t. Produz
campo magnético com alcance intenso de aproximadamente 3 m. Na natureza, ainda
não foram encontrados materiais que tenham atividade supercondutora em temperatura
ambiente, por essa razão o solenóide do CMS é resfriado com hélio líquido por um sistema
de criogenia avançado. O campo magnético do solenóide associado com informações do
sistema de trajetogra�a possibilita o cálculo do momento das partículas carregadas que
sofreram de�exão.
Finalmente o CMS, mesmo sendo um experimento para medidas em alto pT, é
instrumentado com detectores frontais que são responsáveis pela detecção de processos
que totalizam aproximadamente 15% da seção de choque total de pp, espalhados a baixos
ângulos e que caracterizam-se por regiões de pouca ou quase nenhuma atividade. Sendo
assim, para o estudo das interações fortes é necessário o estudo da componente chamada de
difrativa. Na história da Física, os efeitos difrativos delinearam limites entre domínios de
validade das teorias físicas, tal como ocorreu com a questão da dualidade onda-partícula da
luz. Físicos deduziram que através da difração das partículas, poderemos medir a função
de estrutura do próton. Ademais, processos difrativos foram pouco medidos ao longo
dos últimos 20 anos pela indisponibilidade de materiais ativos que pudessem sobreviver à
radiação intensa do feixe.
Em suma, o CMS é um detector de caráter geral, o que denota vasto do-
mínio em Física de Partículas para ser testado e que pode validar ou não resultados de
experimentos anteriores. Além disso, o CMS é uma ferramenta dos físicos para mapear
uma escala de energia ainda não estudada em colisores. No âmbito da Física Nova, a es-
cala de energia do LHC permitirá testar a validade das teorias supersimétricas e rati�car
ou não a existência do Bóson de Higgs. Nos tópicos seguintes, faremos uma descrição
mais detalhada dos subsistemas do CMS.
59
Figura22
-Odetector
CMS.
60
2.2.2 Referencial do Experimento
O sistema de coordenadas do CMS possui origem no PI. O eixo-z e o eixo-x,
constituem o plano do horizonte, coplanar à crosta terrestre. O eixo-z aponta no sentido
oeste, tangenciando o feixe. Esse eixo é paralelo ao campo magnético resultante no PI. Em
contrapartida, o eixo-x aponta para o centro do LHC (Sul). O eixo-y é o eixo vertical, ou
seja é o eixo da normal. As coordenadas angulares, azimutal (φ) e polar (θ) são de�nidas
de modo que φ=0 corresponde ao eixo-x e φ = π2ao eixo-y.
Figura 23 - Sistema de Referência do detector CMS.
O ângulo polar (θ) é reescrito na variável pseudorapidez (η), que é uma aproximação
da rapidez Y para a condição de altas energias, e possui a forma:
η = − ln
[tan
(θ
2
)](14)
2.2.3 Sistema de Seleção Eletrônica de Eventos e de Aquisição de Dados
O sistema de seleção eletrônica de eventos, chamado gatilho14 é necessário para
fazer uma pré-seleção dos eventos de interesse físico, objetivando economizar espaço de
armazenamento e tempo de processamento dos dados nos sistemas computacionais.
O LHC irá gerar aproximadamente 40 milhões de colisões de prótons por segundo
(40 MHz) no CMS. O sistema de seleção eletrônico é composto por dispositivos de ele-
trônica rápida dedicados ao processamento de sinais provenientes das células ativas do
CMS. Uma dada con�guração geométrica de células ativas, pode rejeitar ou aceitar um14A expressão usual, em Inglês, é Trigger.
61
determinado evento. Salienta-se que o gatilho não é de�nido apenas deste modo: poderá
ser um gatilho de pré-escala de eventos (armazenamento de uma amostragem de eventos),
temporal (para evitar sobrecarregamento da memória transitória dos sistemas de aquisi-
ção15), de qualidade de sinais (seleciona sinais com amplitude do sinal ou tensão acima
de um determinado limiar, para eliminar ruídos) ou que possua todas as características
em conjunto. No CMS, apenas 100 Hz de eventos será armazenado e o sistema de seleção
é dividido em: L1 (nível 1) e alto nível de seleção HLT16.
O L1 em nível eletrônico seleciona eventos excluindo radiação cósmica (radiação de
fundo) combinando-se o sistema de múons e os calorímetros. O período de decisão do L1
é de aproximadamente 3,2 µs. A informação eletrônica é armazenada em uma memória
temporária para análise rápida dos limites de energia. Quando aceito pelo L1, os dados
são transferidos para o sistema de aquisição de dados chamado DAQ17. Cada evento
produzido possui aproximadamente 1,5 MB. Finalmente, os gatilhos de alto nível (HLTs)
implementados em programas de computador e que são espécies de �ltros de eventos,
selecionam em tempo real, utilizando-se das informações de subdetectores especí�cos,
eventos que são armazenados em amostras de dados. No caso especí�co desse trabalho,
usamos o gatilho HLT_Jet15U, que �ltra eventos com pelo menos um jato de pT > 15 GeV
não corrigido (veri�cações da qualidade do jato dada as imperfeições das medidas dos
calorímetros), reconstruído combinado-se informações do sistema de trajetogra�a e de
calorimetria do CMS, desde que os eventos sejam associados a dois pacotes de prótons
que colidiram no PI. A estratégia do uso de programas de computador para os gatilhos
tem se demonstrado e�caz e com maior velocidade para o �ltro de eventos. Em seguida,
a amostra é enviada para o sistema de computação do CMS que armazena, calibra e
reconstrói novamente os dados.
15Conhecido como Over�ow.16Abreviação Inglesa de High Level Trigger.17Do Inglês Data Acquisition.
62
2.2.4 Sistema de Trajetogra�a
Com a �nalidade de reconstruir traços de partículas carregadas, o sistema
de trajetogra�a é o subdetector mais interno do CMS, e certamente, o que recebe maior
�uxo de radiação já que está a menos de 10 cm do feixe. A reconstrução dos traços
das partículas espalhadas permite, em associação com o campo magnético do solenóide,
determinar com precisão o momenta das partículas. Além disso, a intersecção dos traços
reconstruídos possibilita a reconstrução de vértices.
Esse so�sticado sistema foi desenvolvido para a medida de múons com alto pT,
hádrons e elétrons isolados com ótima resolução do momentum(
∆pTpT
' 0,15 pT ⊕ 0,5%)
e com e�ciência maior do que 98 % na região de |η| < 2,5. Esse sistema é dividido em
quatro subsistemas: o detector de pixel (localizado na parte mais interna do sistema de
trajetogra�a), no barril, o Inner Barrel (TIB) e o Outer Barrel (TOB); nas tampas, o End
Cap (TEC) e entre as tampas e o barril, o Inner Disks (TID). O sistema de trajetogra�a
opera com temperaturas em torno de −20o C.
Figura 24 - Esquema do sistema de trajetogra�a do CMS.
O formato desse sistema é cilíndrico, com diâmetro de 220 cm e comprimento de
540 cm. Radialmente, em uma distância menor do que 10 cm, no Pixel, são instaladas cé-
lulas com dimensão de 100×150 µm2, ao total são 3 camadas com raios de 4,4 cm, 7,3 cm e
10,2 cm respectivamente. Na coroa cilíndrica externa, o TIB, (20 cm < r < 55 cm), o �uxo
de partículas é ordens de grandeza menor do que na primeira parte. Sendo assim, foram
63
usados detectores do tipo microtiras de silício com dimensão de 10 cm × 80 µm totali-
zando 4 camadas. Cada uma das células de microtiras de silício possuem aproximadamente
300 µm de espessura e são �xadas em estruturas de �bra de carbono. Cada uma dessas es-
truturas forma o que chamamos de camadas. No TOB, a parte mais externa (r > 55 cm),
as células ativas de microtiras de silício possuem dimensão de 25 cm × 180 µm e totalizam
6 camadas. No TOB, os módulos dos detectores de silício possuem 500 µm de espessura.
As tampas (TEC) possuem 3 camadas de detectores pixel e 9 camadas de detectores
de microtiras de silício. A estrutura do sistema de trajetogra�a é feita em �bra de carbono
e possui uma aceptância de |η| < 2,4, sendo composta por 66 milhões de células pixels e
9,6 milhões de células de microtiras de silício.
(a) E�ciência de reconstrução de traços paramúons.
(b) Resolução de traços de múons com diferentesvalores de momento transverso.
Figura 25 - E�ciência e resolução de traços do sistema de trajetogra�a.
64
2.2.5 Sistema de Calorimetria
O CMS possui calorímetros eletromagnético (ECAL), hadrônico (HCAL) e especi-
almente instalados nas regiões frontais: HF (parte do HCAL), CASTOR e ZDC. O HCAL
e o ECAL foram projetados para operarem com resistência à radiação (aproximadamente
10 Mrad) e de modo cuja operação não sofresse com a in�uência do campo magnético
externo elevado de 4 T.
2.2.5.1 ECAL
Composto por 61.200 cristais de tungstato de chumbo (PbWO4) na região do
barril (EB) circundando o sistema de trajetogra�a e 7.324 cristais em cada uma das
tampas (EE), chamadas de End Caps. O curto comprimento de radiação dos cristais
(χ0 = 0, 89 cm) do ECAL possibilitam a maior probabilidade de absorção dos chuveiros
eletromagnéticos, com pequena quantidade de material. O ECAL possui também alta
granularidade e formato cilíndrico. O tempo de resposta à radiação dos cristais do ECAL
é bastante rápido (aproximadamente 25 ns) embora sejam produzidos poucos fótons por
partícula. O processo de cintilação desses cristais produz aproximadamente 30γs/ MeV,
portanto, pouca luz. Por isso, há necessidade do uso de fotodetectores que tenham ganho
intrínseco alto e que operem com campo magnético externo elevado. No barril, foram
utilizados fotodiodos de avalanche, conhecidos como (Si)APDs (Silicon Avalanche Photo-
Diodes) e nas tampas os fototriodos à vácuo, VPTs(Vacuum Phototriodes).
Figura 26 - Esquema do Calorímetro Eletromagnético do CMS.
65
• Barril (EB): ao total, possui cristais com seção transversal de aproximadamente
22 × 22 mm2 e comprimento de 230 mm, o que equivale à 25,8 χ0. A seção do
barril possui um raio interno de 129 cm e é subdividida em 36 conjuntos de cristais
chamados de supermódulos, cobrindo uma região de (|η| < 1,479). Os cristais são
ligeiramente desviados do eixo em relação ao vértice nominal em um ângulo de 3o.
• End-Cap (EE): aceptância de 1,479 < |η| < 3,0. As tampas são afastadas do
PI de, por aproximadamente 314 cm. Em cada uma delas foram instalados dois
semidiscos contendo estruturas de cristais organizados em forma de uma matriz
5 × 5. Essa matriz é denominada de supercristais. Os cristais nas tampas são um
pouco desviados em relação ao vértice nominal. Cada um, possui uma seção de
28,6× 28,6 mm2 e comprimento de 220 mm, que corresponde à 24,7χ0.
• Pré-chuveiro (Preshower): foram instalados na frente da seção da tampa do
ECAL, atrás de discos de dois atenuadores de chumbo de 2χ0 e 3χ0 respectiva-
mente, dois planos contendo detectores de tiras de silício (Silicon Strip Detectors).
A �nalidade do preshower é identi�car γs de π0s (decaem rapidamente em dois γs).
Entretanto, o preshower tem outra �nalidade extremamente importante: diferir γs
�nais provenientes de topologias físicas daqueles que são intrínsecos dos processos
de conversão dos materiais ativos dos calorímetros. É sensível para a identi�cação
da energia depositada de apenas um ou dois fótons muito próximos.
Figura 27 - Aceptância do Calorímetro Eletromagnético.
66
A resolução em energia do ECAL foi medida a partir de um ajuste gaussiano para
as distribuições de energia observadas durante testes com feixe. É parametrizada
da forma:
(σE
)2
=
(S√E
)2
+
(N
E
)2
+ C2 (15)
Onde S é o erro estocástico, N é o ruído e C um termo constante.
Figura 28 - Resolução em energia do ECAL em função da energia medida do elétrondurante o teste com feixe.
2.2.5.2 HCAL
O calorímetro hadrônico (HCAL) funciona de modo similar ao ECAL, absorvendo
energia das partículas de modo a produzir chuveiros hadrônicos. Os hádrons atravessam
o ECAL e depositam quase que totalmente a energia no HCAL. A energia absorvida no
HCAL é detectada através de cintiladores plásticos e �bras de quartzo, que produzem
luz Cherenkov transformada em sinal elétrico por dispositivos conhecidos como HPDs
(fotodiodos híbridos). O HCAL possui um comprimento de radiação entre [7,11] λI18.
Podemos subdividir o HCAL em quatro partes: o barril HB (Hadron Barrel), as tampas
18comprimentos de interação.
67
laterais HE (Hadron End Cap), as frontais HF (Hadron Forward) e o barril externo HO
(Hadron Outer).
Figura 29 - O detector CMS em comprimentos de interação para diferentes camadas(ECAL, HCAL e sistema de múons).
O HCAL localiza-se majoritariamente na parte interna do solenóide (HB e HE)
circundando o ECAL e tem por �nalidade medir o depósito de energia hadrônica das
partículas produzidas no PI, medir a energia transversa perdida e detectar jatos na região
frontal.
• HB: composta por aproximadamente 2.304 torres com segmentação ∆η × ∆φ =
0,087× 0,087, totalizando 15 placas de bronze com 5 cm de espessura e duas placas
de aço externas. Entre o ECAL e o HCAL foi instalada uma placa cintiladora de
9 mm de espessura. Essa placa é usada para o gatilho do HCAL. Com relação
às outras placas cintiladoras, cada uma delas possui 3,7 mm de espessura e são
intercaladas com as de bronze. O HB possui as dimensões de 9 m de comprimento,
1 m de espessura e 6 m de diâmetro externo.
• HE: as tampas são compostas de 14 torres em η, cobrindo uma região 1,3 < |η| <
3,0. Nas 5 primeiras torres, a segmentação em η é de 0,087, com 5o em φ. Para as
seguintes, a segmentação em φ é de 10o enquanto ∆η varia entre 0,09 e 0,35 para
valores maiores de η. Ao total, são 2.304 torres.
• HF: na região frontal, a uma distância de 11,2 m do PI, em aceptância 3,0 < |η| <
5,0, foi instalado um calorímetro construído com 1,65 m de ferro e com �bras de
68
quartzo que produzem luz Cherenkov. Tais �bras com diâmetro de 0,6 mm, são
alocadas paralelamente ao feixe. Em η, são 13 torres com segmentação de ∆η ' 0,1
na primeira, ∆η ' 0,3 na última e ∆η ' 0,175 nas demais. A segmentação em φ é
de 10o exceto para a última torre, que é de ∆η = 20o. O HF totaliza 900 torres.
• HO: é a seção externa ao solenóide. Aumenta a espessura em comprimentos de
interação efetiva do HCAL para 10λI . Localiza-se em uma região de aceptância de
|η| < 1,26. Contém cintiladores de 10 mm de espessura e segmentação em setores
de 30o em φ.
Figura 30 - Esquema em corte longitudinal do calorímetro hadrônico do CMS.
69
Finalmente, mostramos a resolução em energia para jatos reconstruídos combinando-
se informações de todos os calorímetros do CMS.
Figura 31 - Resolução da energia transversa dos jatos reconstruídos nas diferentes regiõesdos calorímetros EB, EE e HF. Os jatos foram reconstruídos com o algoritmo de coneinterativo e raio do cone de 0,5.
2.2.5.3 Limiares dos Calorímetros
Em geral, medimos eventos que possuam valor acima de determinada energia dos
calorímetros. Tais valores, chamados de limiares, objetivam reduzir ruídos intrínsecos do
sistema. Na Tabela 3 organizamos os valores dos limiares dos calorímetros utilizados pela
colaboração do CMS [61] no ano de 2010.
Tabela 3 - Limiares das diferentes partes dos calorímetros.
Parte do Calorímetro Aceptância limiar [GeV]EB |η| < 1,479 > 0,6
EE 1,479 < |η| < 3,0 > 2,45
HB |η| < 1,305 > 1,25
HE 1,305 < |η| < 3,0 > 1,90
HF+ η > 3 > 4,5
HF− η > 3 > 4,0
70
2.2.5.4 CASTOR
O calorímetro CASTOR (Figura 32) Centauro And Strange Object Research é um
subsistema do experimento CMS posicionado aproximadamente a 14 m do PI e com
aceptância de 5,2 < |η| < 6,5. Portanto, o CASTOR cobre grande parte da região
frontal onde é depositada uma parcela signi�cativa da energia dos processos difrativos. O
CASTOR é dividido longitudinalmente em 2 partes, uma eletromagnética com 2 seções
e outra hadrônica com 12 seções em φ, ambas compostas por placas de tungstênio e de
quartzo montadas em uma estrutura de aço inoxidável. Dispostas alternadamente, estas
placas são orientadas num ângulo de 45o em relação à direção do feixe para aumentar a
e�ciência na coleta da luz Cherenkov produzida no quartzo.
(a) Calorímetro CASTOR insta-lado no CMS.
(b) Geometria e componentes do CASTOR.
Figura 32 - Esquema do calorímetro CASTOR.
2.2.5.5 ZDC
O ZDC (Zero Degree Calorimeter) possui uma aceptância de |η| ≥ 8, 5 e contribui
para a medida de nêutrons frontais de altas energias bem como fótons de baixas energias
(' 50 GeV) espalhados nessa direção. Assim como o CASTOR, o ZDC possui dois
calorímetros: um eletromagnético e outro hadrônico, utilizando camadas de tungstênio e
�bras de quartzo para a medida da energia das partículas.
2.2.6 Magneto Solenoidal
Com o objetivo de rápida resposta instrumental requerida para a identi�cação de
múons, bem como boa resolução na medida dos momenta das partículas na região central,
foi construído no CMS um solenóide supercondutor que produz um campo magnético de
71
magnitude de 4 T. O solenóide adquire características supercondutoras quando é resfriado
pelo sistema de criogenia do CMS até a temperatura aproximada de 4 K usando hélio
no estado líquido. O solenóide possui um comprimento de 12,9 m e um raio de 6,3 m.
Opera com uma corrente aproximada de 19,5 kA. Um dos grande avanços tecnológicos
para a construção do solenóide foi o uso de um alumínio com alto grau de pureza e
estabilidade. A técnica de construção usada foi similar à dos solenóides dos experimentos
ALEPH e DELPHI no LEP e H1 no HERA. Porém, dado o alto valor do campo magnético
produzido, grande parte do projeto tecnológico foi modi�cado.
2.2.7 Sistema de Identi�cação de Múons
O sistema de identi�cação de múons é o maior subdetector do experimento CMS.
Foi projetado de modo a cobrir o sistema de trajetogra�a em |η| < 2,4 e envolve os
calorímetros do detector. A medição do momentum é essencialmente determinada pela
curvatura da trajetória, sendo assim, os múons são identi�cados. No entanto, para múons
de altas energias, da ordem de TeV, é necessário combinar o sistema de trajetogra�a
com o sistema de múons em um ajuste global da trajetória para aumentar a e�ciência da
resolução do momento.
Basicamente, é dividido em duas regiões: a do barril e as tampas. O sistema
de múons possui três diferentes subdetectores: os tubos de arrasto (Drift Tubes - DT),
as câmaras de tiras catódicas (Cathod Strip Chambers - CSC) e as câmaras de placas
resistivas (Resistive Plate Chambers - RPC). No barril, as câmaras de múons são instaladas
em 5 discos, intercaladas com camadas de ferro que compõem praticamente toda estrutura
do CMS. Quando dispostas ao redor do barril, formam um cilindro concêntrico cujo eixo
é colinear em relação ao eixo-z do sistema de coordenadas do CMS. Cada disco nessa
região, é dividido em 12 setores que cobrem um ângulo azimutal de 30o contendo DTs e
RPCs. Já nas tampas, existem 4 discos, cada um com 2 anéis, com exceção do primeiro,
com 3 anéis; cada anel possui 36 câmaras, exceto o mais interno (M1), onde há apenas 18
câmaras. Nas estações (ME), existem 36 câmaras em cada um dos 2 anéis.
• DT: cobrem uma região de |η| < 1,3 totalizando 250 câmaras na região do bar-
ril, organizadas em 4 camadas chamadas MB1, MB2, MB3 e MB4 nas distâncias
respectivas de 4,0 m, 4,9 m, 5,9 m e 7,0 m do feixe. A resolução de cada ponto
72
medido é da ordem de 200 µm, com precisão em φ melhor que 100 µm em posição
e 1 miliradiano no ângulo.
• CSC: medem coordenadas espaciais com resolução de 200 µm, sendo em φ de 10 mi-
liradianos. Cobrem a região das tampas (end cap) (ME), em 0,9 < |η| < 2,4. O CMS
possui ao total 468 CSCs. Em cada uma das câmaras em forma trapezoidal, exis-
tem subcâmaras, com tiras de catodo radiais e �os de anodo perpediculares às tiras,
contendo gás. Quando este é ionizado por um múon, um efeito avalanche produz
carga nos �os de anodo e no grupo de tiras de catodo correspondente, determinando
a posição do múon.
• RPC: cobrem uma região de |η| < 2,1 e consistem de 4 camadas de detectores
intercaladas por placas de ferro. Geralmente, são vizinhas de DT e CSC. Possuem
resolução espacial pior, mas têm como vantagem o pequeno tempo de resposta e não
dependem da reposição do �uxo de gás. Essas câmaras completam as medições das
DTs e das CSCs.
Figura 33 - Esquema das câmaras de múons no barril do CMS.
73
Enquanto os subdetectores DT e CSC provém uma medida precisa da posição ou
do momentum dos múons, a RPC é responsável por rati�car informações sobre a passagem
de múons pelo detector. As RPCs são sistemas secundários, no entanto, essenciais para
a rápida resposta do L1, já que servem para identi�car em nível de gatilho, o cruzamento
correto.
Figura 34 - Tampas das câmaras de múons no CMS.
A reconstrução dos múons no CMS produz objetos de 3 categorias: standalone mu-
ons (usando informações combinadas de DTs, CSCs e RPCs), os global muons (ajustados
com os traços do sistema de trajetogra�a) e tracker muons (uso do sistema de trajetogra�a
e de informações combinadas pelos calorímetros e sistema de múons, porém, todo traço
reconstruído é considerado um múon em potencial). Um múon, pode cruzar até 6 RPCs
e 4 camadas de câmaras DT, produzindo 44 pontos no sistema de múons.
2.2.8 Sistema Computacional de Análise
Estima-se que a quantidade de dados gerados pelos experimentos do LHC irá su-
perar a ordem de 15 Petabytes19 [62]. A computação tem um aspecto fundamental nesses
experimentos: processar, armazenar e distribuir, em nível global, dados para rápido pro-
cessamento e transferência entre os centros computacionais. Nessa cadeia tecnológica, foi
elaborado um novo conceito computacional denominado GRID, integrante ao sistema de
aquisição de dados do experimento. Em outras palavras, experimentos em Física de Partí-
culas cuja quantidade de dados armazenadas é sem precedentes, dependem essencialmente
dos sistemas de computação e do processamento global dos dados.19106 Gigabytes.
74
Figura 35 - Estimativa da quantidade de dados armazenados em �ta para o LHC.
A GRID atualmente é parte de um experimento em Física de Partículas. Esse
conceito de tecnologia da informação, integra geogra�camente os centros de pesquisa em
Física de Altas Energias em vários países. Nesse sistema integrado, os dados em pouco
tempo poderão ser reprocessados em qualquer parte do globo terrestre. Não existe nenhum
tipo de privilégio para acesso aos dados, desde que determinado grupo faça parte de algum
experimento. Deste modo, as descobertas em potencial físico podem ser realizadas em
qualquer centro de pesquisa concebido em GRID no mundo.
No caso do CMS, a GRID possui uma organização hierárquica de processamento.
Cada um dos centros de computação global é denominado Tier. Segue abaixo como são
subdivididos de acordo com a funcionalidade de cada centro:
• Tier-0: é único, localizado no CERN. É diretamente conectado ao sistema de aqui-
sição de dados do experimento. O acesso ao controle desse centro de computação
é local. No Tier-0 é feito o processamento inicial e o armazenamento de dados em
�ta. Esse centro tem a função de replicar os dados para os centros Tier-1;
• Tier-1: armazenam a réplica dos dados em �ta, reconstroem cópias dos dados com
as constantes de calibração do experimento. Em seguida, transferem dados para
outros centros quando solicitados por usuários ou de acordo com a responsabilidade
de estudo por um determinado grupo de pesquisadores;
• Tier-2: possuem processamento substancial dos dados, amostras de monte carlo,
75
de estudos para calibração e análise dos dados. Esses centros computacionais, são
utilizados pelos físicos para análise dos processos físicos de interesse;
• Tier-3: também utilizados para análise dos dados, mas com poder de processamento
e armazenamento de dados inferior. A diferença básica entre uma Tier-2 e uma
Tier-3 é o número de serviços que precisam ser administrados. Outro detalhe, é que
geogra�camente, um Tier-3 operacionalmente precisa estar próximo de um centro
Tier-2. É um sistema de análise para colaboração entre grupos de pesquisa locais.
O empenho e a persistência do grupo brasileiro de física de altas energias da ex-
periência CMS foi fundamental para a instalação de centros do tipo Tier-2 e Tier-3 no
Brasil. Os dados utilizados nesse trabalho foram processados nos sistemas de computação
em GRID da Universidade do Estado do Rio de Janeiro.
2.2.8.1 Fluxo dos Dados
Após a colisão entre prótons ou íons pesados, os sinais dos subdetectores do CMS
são escritos na memória transitória dos sistemas de eletrônica rápida (bu�er) para a pos-
terior seleção eletrônica do HLT. Praticamente todo o sistema de processamento de sinais
do CMS é baseado em tecnologia de optotransmissão e optorecepção de sinais utilizando-
se �bras ópticas. O uso desta tecnologia, além de processamento mais rápido, evita ruído
no cabeamento de sinais embora as conexões sejam mais sensíveis à danos mecânicos. Em
seguida, os eventos coletados pelo (DAQ), em formato bruto20 (RAW), são enviados para
armazenamento na Tier-0. Essa transferência ocorre em tempo real, a uma taxa média
de 225 MB/s. Após o armazenamento dos dados no Tier-0, a reconstrução do evento é
feita imediatamente, produzindo os eventos em formato RECO. Esse processamento re-
duz em até 14o tamanho de armazenamento dos dados. Rati�camos, que os dados brutos
(RAW) são armazenados em �ta para eventual reprocessamento. Em seguida, os centros
Tier-1 recebem eventos RECO e os reprocessam em um formato menor chamado AOD
(Analysis Object Data), cujo tamanho é 120
do formato RAW. Para análise �nal, pode-se
escolher usar a formatação RECO ou AOD que possuem os objetos físico-computacionais,
como por exemplo, jatos, traços de partículas carregadas, coleções de múons, energia dos
calorímetros dentre outros.20Contém informações em nível eletrônico dos subdetectores.
76
2.2.9 Atividades no Detector
Neste tópico, iremos descrever atividades que foram exercidas no trabalho em co-
laboração para o experimento CMS, em especial no P5.
2.2.9.1 Monitoramento dos Sistemas de Computação
Durante o período de vigência do mestrado, e como uma responsabilidade de estu-
dante que faz parte da colaboração do CMS, foi realizado o monitoramento do sistema de
computação do CMS em turnos. Além disso, algumas aulas de treinamento para novos
integrantes do sistema foram lecionadas para membros do Fermilab à pedido de um dos
supervisores do sistema de computação do CMS, Oliver Gutsche. O monitoramento é
remoto. A função do responsável em monitorá-lo é criar alertas sobre possíveis problemas
de transferência de dados, armazenamento de amostras de dados e de toda a infraestru-
tura em GRID. Para a realização do monitoramento, é necessário apenas o conhecimento
prévio do funcionamento do sistema de computação do CMS e habilidades para análise e
interpretação dos dados.
2.2.9.2 Atividade no Sistema de Trajetogra�a
No primeiro período de 3 meses foram realizadas atividades em conjunto com o
grupo do sistema de trajetogra�a. No início do trabalho, aprendemos a medir a qualidade
do cabeamento de �bras ópticas que conectam os detectores de pixel e de microtiras de si-
lício à sala de controle da eletrônica do CMS, onde localizam-se os bastidores de eletrônica
rápida contendo os optoreceptores. Para a realização dessa tarefa, foi utilizado um instru-
mento de medida chamado OTDR (Optical to Time Domain Re�ectometer), que emite
laser no cabeamento e analisa a re�exão na outra extremidade. Com esse instrumento,
afere-se a medida do comprimento de cada um dos cabos de �bras ópticas, essencial para a
sincronização do sistema de trajetogra�a e identi�ca-se cabeamento partido e a qualidade
das conexões.
Foram analisados em torno de 50.000 canais de �bras ópticas, desenvolvidos pro-
gramas de computador para análise da qualidade dos cabos e também para gerar um
arquivo contendo a informação dos códigos dos cabos associados ao comprimento medido.
Esse arquivo de dados foi utilizado para sincronização da aquisição de dados do sistema
77
de trajetogra�a do CMS. O trabalho manual no sistema de trajetogra�a consistiu na ins-
talação de alguns cabos, checagem de conexões e colocação das tampas de alumínio que o
protegem no CMS. No Apêndice A existe uma descrição mais detalhada desse trabalho.
2.2.9.3 Calorímetro CASTOR
No laboratório de testes do grupo do CASTOR, �zemos alguns testes de rotina
nos dispositivos fotomultiplicadores, corte e colagem de material re�etor para as guias de
luz, ajudamos na montagem da primeira metade do CASTOR que foi instalado no P5
(montagem de fotomultiplicadoras, sensores de campo magnético, sistema de refrigeração,
cabeamento das fotomultiplicadoras, realização de testes de aterramento, montagem da
caixa de conetores dentre outros) bem como no processo de aluminização21 das placas de
tungstênio, que após um curto período de aquisição de dados, sofreram uma alteração na
rigidez devido às condições do CMS: campo magnético intenso, altas dosagens de radiação
e aquecimento.
No P5, realizamos a instalação do cabeamento de todos os canais das fotomulti-
plicadoras do CASTOR, a colocação de conectores e identi�cação, testes do cabeamento,
instalação de tubulação de refrigeração na base do HF, montagem dos bastidores onde
encontram-se módulos que medem a carga das fotomultiplicadoras do CASTOR. Na sala
de eletrônica no P5, con�guramos os bastidores de alta tensão das fotomultiplicado-
ras. Por último, iniciamos estudos para o teste com feixe22 do CASTOR que havia sido
realizado em 2007 e 2008. No Apêndice B existem detalhes desses estudos.
21Processo de adição de uma película de alumínio na superfície de algum metal.22Conhecido em Inglês como Test Beam.
78
3 ANÁLISE DE DIJATOS
3.1 Introdução
Apresentaremos a seguir o estudo sobre a observação de eventos de difração simples
dura, com produção de dijatos em colisões de pp nas energias de√s = 7 TeV no centro de
massa, utilizando o detector CMS. Os dados foram comparados com simulação em Monte
Carlo, modelada para processos não difrativos. Comparamos o excesso de dados com os
eventos de fundo ou background, que são processos competitivos à reação de interesse, já
que possuem as mesmas partículas no estado �nal. Estudaremos uma reação de difração
simples dura (SD), do tipo pp→Xp, o qual X inclui um sistema de dijatos conforme Figura
36.
Decerto, esta análise com dados é in�uenciada substancialmente por estudos pré-
vios, apenas em nível de simulação em Monte Carlo, realizados por F. Silva e M. Ober-
tino [63] [64] para o subgrupo de Dijatos Difrativos do CMS. Os critérios de seleção
adotados nesses estudos indicaram um sinal difrativo detectável nas distribuições de mul-
tiplicidade do calorímetro HF com luminosidade integrada de 10 pb−1. É sugerida a
leitura da referência [65].
Jato 1
Jato 2
pp
p
IPGap
Figura 36 - Topologia da difração simples dura com produção de dijatos.
A topologia de difração simples dura é sensível à função de estrutura difrativa
do próton e possui uma notável componente gluônica. Além disso, é um canal físico
importante para a medida da probabilidade de sobrevivência do gap 〈S2〉, que foi estudada
no Tevatron. A razão medida pelos experimentos CDF e D 60 entre dijatos de difração
simples e dijatos inclusivos produzidos foi ' 1% [66] [67] [68] [69]. O valor de 〈S2〉, ainda
não medido pelos experimentos do LHC, tem sido discutido no âmbito de fenomenologia
e o que se pode estipular, é que esteja entre 0,005 e 0,23 [70] [71] [72] nas condições do
LHC. Pela ausência dessa medida, nossa análise não apresenta comparação entre dados e
79
Monte Carlo difrativo, cujas seções de choque precisam de correção do valor medido de
〈S2〉 para normalização.
3.2 Gatilho
O gatilho ou trigger escolhido �ltra eventos com pelo menos um jato, não corrigido
pelos algoritmos de veri�cação de qualidade para a reconstrução de jatos, contendo pT >
15 GeV. O nome adotado para esse trigger é HLT_Jet15U. Uma discussão mais detalhada
sobre os o gatilho pode ser encontrada no tópico 2.2.3 (página 60).
3.3 Amostras de dados
Os dados foram coletados no período entre 20 de março de 2010 até 30 de agosto
do mesmo ano. Ou seja, foi usado o intervalo de aquisição de dados entre os runs 131511
e 144114, cuja luminosidade instantânea (L) máxima nesse período foi ' 10 µb−1s−1,
conforme Figura 37. No Apêndice C organizamos uma tabela contendo o nome das
amostras de dados.
Figura 37 - Luminosidade Instantânea no PI do CMS em diferentes épocas durante ascolisões pp em 7 TeV.
80
As amostras utilizadas foram validadas pela colaboração do CMS e possuem uma
luminosidade integrada (L) que totaliza ' 3,2 pb−1 e com erro sistemático nessa medida
superestimado entre 5 e 10% [73].
Na Tabela 4 organizamos os valores aproximados das ine�ciências do gatilho (por-
centagem de eventos que foram rejeitados) em função de L para os diferentes períodos de
aquisição de dados.
Tabela 4 - Diferentes períodos de aquisição de dados no ano de 2010, as ine�ciências dogatilho e a luminosidade integrada L após o uso do gatilho.
Período de Aquisição de dados Intervalo de Aquisição Ine�ciência do Gatilho (%) L [nb−1]20/3− 19/5 131511− 135802 98,17 6,4
20/5− 29/7 135821− 141887 91,96 10,7
29/7− 30/8 141950− 144114 76,24 9,7
Em cada um dos períodos de aquisição de dados o valor da luminosidade instantâ-
nea (L) aumentou de modo gradativo. Observando-se as ine�ciências do gatilho, podemos
concluir que a porcentagem de produção de eventos duros (produção de eventos com pelo
menos um jato com pT > 15 GeV) também aumentou.
3.4 Amostras de Monte Carlo
Para a modelagem dos eventos de fundo foram utilizadas amostras o�ciais do CMS
de dijatos inclusivos produzidos em topologias não difrativas. Foram usadas diferentes
amostras de QCD, cujos processos duros (qg → qg)23 foram gerados com intervalos de
pT de 15 até 470 GeV, pelo Monte Carlo PYTHIA 6, com tune Z2. O Apêndice C
reune informações acerca do nome das amostras de Monte Carlo utilizadas. A descrição
dos ajustes do Monte Carlo (ou tune) para o PYTHIA 6 pode ser encontrada no Apên-
dice D. Além disso, todas essas amostras foram geradas considerando-se as imperfeições
do CMS no âmbito da digitalização de sinais, das falhas em subdetectores, do desalinha-
mento dos materiais ativos, da reconstrução de eventos e utilizando-se o mesmo gatilho
HLT_Jet15U. A esse processo de geração dá-se o nome de simulação completa da amostra
(Full Simulation).
23Lê-se quark (q) e glúon (g).
81
Na Tabela 5 mostramos a ine�ciência do gatilho para as diferentes amostras de
Monte Carlo.
Tabela 5 - Ine�ciências do gatilho para as amostras do Monte Carlo.
Amostra Ine�ciência do Trigger (%) sem PU Ine�ciência do Trigger (%) com PU
QCD - pT[15,30] 86,46 83,08
QCD - pT[30,50] 19,41 17,27
QCD - pT[50,80] 0,669 0,57
QCD - pT[80,120] 0,0123 0,011
QCD - pT[120,170] 0,0008 0,0005
QCD - pT[170,300] 0,0001 0,0002
QCD - pT[300,470] 0 0
As amostras de ruído foram simuladas com o efeito do empilhamento [23], conhe-
cido como Pile-Up, e sem esse efeito, para serem comparadas aos dados. Ressalta-se que
as amostras geradas com o empilhamento estão superestimadas com uma probabilidade
de empilhamento para a luminosidade integrada do ano de 2010. Não poderíamos deixar
de destacar que independente do intervalo de pT da amostra, a distribuição do efeito de
empilhamento foi simulada com a mesma estimativa. As distribuições de empilhamento
são do tipo poisson.
Na Tabela 6 organizamos o valor da seção de choque fornecida pelo Monte Carlo
(σMC) para diferentes intervalos de pT.
Tabela 6 - Seção de choque fornecida pelo Monte Carlo.
Amostra σMC [µb]
QCD - pT[15,30] 815,9
QCD - pT[30,50] 53,12
QCD - pT[50,80] 6,359
QCD - pT[80,120] 0,7843
QCD - pT[120,170] 0,1151
QCD - pT[170,300] 0,02426
QCD - pT[300,470] 0,001168
82
3.4.1 Normalização
A título de comparação dos modelos teóricos implementados nos códigos de Monte
Carlo com os dados, é necessário que as amostras de Monte Carlo sejam ajustadas em
relação aos dados. A seção de choque (σ) é uma variável que indica a probabilidade de
ocorrência de um determinado processo físico. É medida a partir das contagens de even-
tos selecionados no detector que respeitam algum tipo de critério cinemático: presença de
lacunas de pseudorapidez, ângulos entre partículas no estado �nal, valores de pT dentre
outros possíveis. Portanto, os códigos em Monte Carlo podem gerar diferentes processos
físicos incorporando essa probabilidade de ocorrência. Conclui-se assim, que amostras
geradas, quando comparadas entre si ou com dados, precisam ser normalizadas ou ajus-
tadas. Do contrário, as probabilidades de ocorrência dos processos físicos envolvidos, a
uma dada quantidade de eventos totais gerados, estarão sem as proporções adequadas.
Após normalizadas, as amostras com diferentes intervalos de pT geradas pelo Monte Carlo
foram uni�cadas para análise.
Para a normalização de amostras de Monte Carlo aplicamos um fator de escala,
conhecido como peso (P) que será multiplicado a cada um dos valores das distribuições.
Como iremos comparar diferentes períodos de dados, para cada um desses períodos com
luminosidade (L), as amostras de Monte Carlo terão pesos diferentes. O peso é calculado
como:
P =L
LMC
(16)
Onde LMC em função do número de eventos gerados N pelo Monte Carlo será:
LMC =N
σMC
(17)
83
Para as amostras sem a simulação do empilhamento os pesos calculados estão
organizados na Tabela 7 para cada período de aquisição de dados.
Tabela 7 - Amostras de Monte Carlo, sem empilhamento, normalizadas para cada umdos períodos de aquisição de dados.
Amostra Peso - L = 6,4 [nb−1] Peso - L = 9,7 [nb−1] Peso - L = 10,7 [nb−1]QCD - pT[15,30] 5,23 7,97 8,821
QCD - pT[30,50] 0,338 0,516 0,57143
QCD - pT[50,80] 0,040 0,0618 0,068407
QCD - pT[80,120] 0,0050 0,00765 0,008470
QCD - pT[120,170] 0,00073 0,00111 0,00123
QCD - pT[170,300] 0,00015 0,000236 0,000261
QCD - pT[300,470] 0,000010 0,000015 0,000017
No caso de amostras contendo o empilhamento, os pesos calculados estão organi-
zados na Tabela 8.
Tabela 8 - Amostras de Monte Carlo, com efeito de empilhamento, normalizadas paracada um dos períodos de aquisição de dados.
Amostra Peso - L = 6,4 [nb−1] Peso - L = 9,7 [nb−1] Peso - L = 10,7 [nb−1]QCD - pT[15,30] 5,22 7,96 8,80
QCD - pT[30,50] 0,34 0,518 0,573
QCD - pT[50,80] 0,04 0,062 0,068
QCD - pT[80,120] 0,0051 0,0078 0,0086
QCD - pT[120,170] 0,00073 0,00112 0,00123
QCD - pT[170,300] 0,00015 0,00023 0,000261
QCD - pT[300,470] 0,00000781 0,000011 0,0000131
84
Podemos veri�car a distribuição de pT de processos duros (qg → qg) entre 15 e
470 GeV para as amostras de Monte Carlo. Na Figura 38(a) sem efeito de empilhamento,
e na Figura 38(b), com esse efeito. Em ambos casos, os pesos aplicados estão corretos já
que a forma da distribuição do pT decresce suavemente como o esperado.
]-1 [GeV cT
p0 50 100 150 200 250 300 350 400 450 500
N e
vent
s
-110
1
10
210
310
410
510
GeneratedT
Monte Carlo: p
(a) Sem efeito de empilhamento.
]-1 [GeV cT
p0 50 100 150 200 250 300 350 400 450 500
N e
vent
s
-110
1
10
210
310
410
510
610
GeneratedT
Monte Carlo: p
(b) Com efeito de empilhamento.
Figura 38 - Distribuição normalizada do pT gerado para amostras de Monte Carlo.
Na Figura 39 mostramos a distribuição do número de interações por cruzamento
dos feixes estimado para as amostras de Monte Carlo.
Number of Pile Up0 1 2 3 4 5 6 7 8 9 10
N e
ven
ts
0
100
200
300
400
500
600
310×
Pile Up Effect
Figura 39 - Distribuição do efeito de empilhamento no CMS estimado para o ano de2010, forma de uma distribuição de probabilidades de poisson.
85
Essa distribuição é do tipo Poisson e simula a probabilidade do efeito de empilha-
mento estimada para todo o período de aquisição do ano de 2010. Possui o valor médio
em torno de 3 interações (pp) por cruzamento de pacotes de prótons no PI.
3.5 Correções Básicas nos Eventos
É recomendado pela colaboração do CMS um processo de correção básica nos
eventos do detector, já que as condições experimentais de alguns subsistemas ainda estão
em fase de testes nesse primeiro ano de aquisição de dados em colisões pp. Espera-se
que com mais altas taxas nominais de L os gatilhos básicos já incorporem algumas dessas
correções. O primeiro desses critérios, é a remoção de ' 25% dos traços em um evento.
O segundo critério, é um �ltro que seleciona vértices com alta qualidade [74] no evento.
Além disso, as correções do ruído dos calorímetros já estão intrinsecamente aplicadas no
programa da análise do CMS. Aplicamos tais critérios nessa análise.
3.6 Um pouco sobre Jatos
Pártons são produzidos ou espalhados em colisões de prótons e não podem ser de-
tectados devido ao con�namento de cor. Além disso, radiam-se em rami�cações de glúons
que interagem com o mar de quarks do vácuo da QCD. Nesse sentido, o párton espalhado
pode rami�car-se em um grande número de partículas estáveis no estado �nal. Esse �uxo
de partículas colimado, que também pode conter contribuições de outros processos físi-
cos, é chamado de jato. Cada detector possui uma de�nição própria para a geometria dos
jatos. Essa de�nição é diretamente relacionada à segmentação do sistema de calorimetria.
86
No CMS existem coleções de padrões de jatos medidos e reconstruídos (Figura 40)
em algum tipo de algoritmo. Utilizamos nessa análise jatos reconstruídos pelo algoritmo
de processamento rápido denominado Anti-kT, com raio de cone R = 0,5 a partir de
informações das torres dos calorímetros ECAL e HCAL contendo partículas com pT >
0,5 GeV. Uma explicação mais detalhada sobre os algoritmos de jatos pode ser encontrada
no Apêndice E.
Figura 40 - Esquema da reconstrução de jatos no CMS.
3.7 Dijatos Difrativos
Os dados, usados nessa dissertação do CMS, foram coletados em três diferentes
períodos cujos valores de L do feixe variaram de modo crescente. Sendo assim, para maior
controle na análise das distribuições bem como para o estudo do efeito do empilhamento,
cada um dos cortes na seleção dos eventos foi aplicado de modo gradativo. As distribuições
serão analisadas à medida em que os cortes ou critérios de seleção de dijatos de difração
simples dura forem aplicados. Esperamos desse modo, controlar as variáveis de seleção
da análise.
3.7.1 Estudos das Distribuições de Controle
Nesta primeira parte da análise, selecionamos eventos com pelo menos dois jatos
com pT > 30 GeV em qualquer região de aceptância do CMS. As distribuições em η, φ e
pT a seguir são concernentes ao primeiro e ao segundo jato mais energético, chamados de
jatos principais. Nas distribuições dessa dissertação mostramos em azul o Monte Carlo
87
não difrativo contendo o efeito de empilhamento e em vermelho, sem esse efeito. Os pon-
tos pretos são concernentes aos dados. As distribuições mostram uma comparação para
diferentes períodos de aquisição, cujos valores L do feixe variaram de modo crescente.
Podemos assim comparar o comportamento dos dados em função das diferentes épocas
de aquisição de dados.
Primeiro Jato Mais Energético
Na Figura 41 mostramos as distribuições de η para o primeiro jato mais energético. Por-
tanto a medida em que L aumenta, de modo gradativo em cada período de aquisição, as
distribuições do Monte Carlo desajustam-se às distribuições dos dados e �cam gradativa-
mente abaixo dos dados. De modo preliminar, podemos pensar em dois aspectos: o tune
usado para esses códigos em Monte Carlo e/ou a simulação do efeito de empilhamento
podem não ser os indicados para a modelagem do background.
η -4 -2 0 2 4
N e
ven
ts
0
500
1000
1500
2000
2500
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionηLeading Jet 1:
(a) Primeiro Período de Aquisi-ção.
η -4 -2 0 2 4
N e
ven
ts
0
500
1000
1500
2000
2500
3000
3500
4000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionηLeading Jet 1:
(b) Segundo Período de Aquisi-ção.
η -4 -2 0 2 4
N e
ven
ts
0
1000
2000
3000
4000
5000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionηLeading Jet 1:
(c) Terceiro Período de Aquisi-ção.
Figura 41 - Distribuição normalizada de η do primeiro jato mais energético. Comparamoso Monte Carlo com e sem o efeito de empilhamento para diferentes períodos de aquisiçãoaos dados.
No entanto, observando-se os grá�cos suplementares do Apêndice F, que mostram
as distribuições dos jatos principais sem nenhuma seleção de pT, podemos concluir que à
medida em que L aumenta, o Monte Carlo simulado com efeito de empilhamento vai se
ajustando aos dados. Sendo assim o desacordo entre os dados e o Monte Carlo, quando
selecionamos dois jatos com pT > 30 GeV em qualquer região do CMS, pode ser explicado
pelo uso do tune. O tune do Monte Carlo é concernente à função de estrutura partônica
utilizada pelo Monte Carlo e que foi ajustado com os dados de outras experiências. Em
suma, o Monte Carlo com tune Z2 talvez esteja produzindo menos jatos com pT > 30 GeV
88
que o esperado para o LHC.
A seguir, na Figura 42, mostramos as distribuições em φ do primeiro jato mais
energético. Ademais, podemos observar o mesmo efeito das distribuições em η do jato
mais energético.
φ -3 -2 -1 0 1 2 3
N e
ven
ts
400
600
800
1000
1200
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionφLeading Jet 1:
(a) Primeiro Período de Aquisi-ção.
φ -3 -2 -1 0 1 2 3
N e
ven
ts
400
600
800
1000
1200
1400
1600
1800
2000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionφLeading Jet 1:
(b) Segundo Período de Aquisi-ção.
φ -3 -2 -1 0 1 2 3
N e
ven
ts
500
1000
1500
2000
2500
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionφLeading Jet 1:
(c) Terceiro Período de Aquisi-ção.
Figura 42 - Distribuição normalizada de φ do primeiro jato mais energético. Comparamoso Monte Carlo com e sem o efeito de empilhamento para diferentes períodos de aquisiçãoaos dados.
As distribuições da Figura 43 mostram as maiores disparidades entre os ajustes
dos dados com as distribuições do Monte Carlo de pT no terceiro período de aquisição de
dados.
]-1 [GeV cT
p0 50 100 150 200 250 300 350 400
N e
ven
ts
-110
1
10
210
310
410
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionT
Leading Jet 1: p
(a) Primeiro Período de Aquisi-ção.
]-1 [GeV cT
p0 50 100 150 200 250 300 350 400
N e
ven
ts
-110
1
10
210
310
410
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionT
Leading Jet 1: p
(b) Segundo Período de Aquisi-ção.
]-1 [GeV cT
p0 50 100 150 200 250 300 350 400
N e
ven
ts
-110
1
10
210
310
410
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionT
Leading Jet 1: p
(c) Terceiro Período de Aquisi-ção.
Figura 43 - Distribuição normalizada de pT do primeiro jato mais energético. Compa-ramos o Monte Carlo com e sem o efeito de empilhamento para diferentes períodos deaquisição aos dados.
Esse é mais um indício de que, o Monte Carlo está produzindo menos jatos ener-
géticos que o esperado no terceiro período de dados. Podemos talvez deduzir, que com o
aumento de L no feixe, ocorrem mais processos duros que o esperado pelo Monte Carlo.
89
O que nos leva a crer mais uma vez que o tune adotado nessa análise não modela corre-
tamente o Monte Carlo. Rati�ca-se que quando comparamos apenas as distribuições do
jatos principais, sem corte em pT, o Monte Carlo com e sem o efeito de empilhamento
ajusta-se melhor aos dados, dependendo do período de aquisição.
Pode-se concluir também, que à medida em que a luminosidade aumenta, o efeito
do empilhamento nos dados também aumenta. No primeiro período de aquisição de da-
dos, a forma das distribuições dos dados dos jatos mais energéticos é compatível com as
do Monte Carlo sem empilhamento. Conforme a L aumenta, as distribuições dos dados e
do Monte Carlo com empilhamento vão se alinhando quando não selecionamos jatos com
pT > 30 GeV em qualquer região do CMS, conforme Apêndice F. Entretanto, observando-
se as distribuições em que há seleção de dois jatos com pT > 30 GeV em qualquer região
do CMS, o tune do Monte Carlo produz menos jatos que o observado nos dados. Em
suma, observamos efeito de empilhamento nos dados e uma possível modelagem equivo-
cada quando do uso do tune Z2, no Monte Carlo.
Segundo Jato Mais Energético
Para o segundo jato mais energético podemos observar os mesmos efeitos do primeiro
jato mais energético nas distribuições de η (Figura 44), φ (Figura 45) e pT (Figura 46)
em relação ao efeito de empilhamento e ao tune do Monte Carlo.
η -4 -2 0 2 4
N e
ven
ts
0
200
400
600
800
1000
1200
1400
1600
1800
2000
2200
2400
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionηLeading Jet 2:
(a) Primeiro Período de Aquisi-ção.
η -4 -2 0 2 4
N e
ven
ts
0
500
1000
1500
2000
2500
3000
3500
4000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionηLeading Jet 2:
(b) Segundo Período de Aquisi-ção.
η -4 -2 0 2 4
N e
ven
ts
0
1000
2000
3000
4000
5000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionηLeading Jet 2:
(c) Terceiro Período de Aquisi-ção.
Figura 44 - Distribuição normalizada de η do segundo jato mais energético. Comparamoso Monte Carlo com e sem o efeito de empilhamento para diferentes períodos de aquisiçãoaos dados.
90
φ -3 -2 -1 0 1 2 3
N e
ven
ts
400
600
800
1000
1200
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionφLeading Jet 2:
(a) Primeiro Período de Aquisi-ção.
φ -3 -2 -1 0 1 2 3
N e
ven
ts
600
800
1000
1200
1400
1600
1800
2000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionφLeading Jet 2:
(b) Segundo Período de Aquisi-ção.
φ -3 -2 -1 0 1 2 3
N e
ven
ts
500
1000
1500
2000
2500
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionφLeading Jet 2:
(c) Terceiro Período de Aquisi-ção.
Figura 45 - Distribuição normalizada de φ do segundo jato mais energético. Comparamoso Monte Carlo com e sem o efeito de empilhamento para diferentes períodos de aquisiçãoaos dados.
]-1 [GeV cT
p0 50 100 150 200 250 300 350 400
N e
ven
ts
-210
-110
1
10
210
310
410
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionT
Leading Jet 2: p
(a) Primeiro Período de Aquisi-ção.
]-1 [GeV cT
p0 50 100 150 200 250 300 350 400
N e
ven
ts
-110
1
10
210
310
410
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionT
Leading Jet 2: p
(b) Segundo Período de Aquisi-ção.
]-1 [GeV cT
p0 50 100 150 200 250 300 350 400
N e
ven
ts
-210
-110
1
10
210
310
410
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionT
Leading Jet 2: p
(c) Terceiro Período de Aquisi-ção.
Figura 46 - Distribuição normalizada de pT do segundo jato mais energético. Comparamoso Monte Carlo com e sem o efeito de empilhamento para diferentes períodos de aquisiçãoaos dados.
Distribuições das Medidas da Energia no Calorímetro HF
Nesta parte da análise iremos veri�car o efeito do empilhamento nas distribuições de
soma de energia do calorímetro na aceptância do HF por evento, bem como o excesso dos
dados em relação ao Monte Carlo.
Para ambos lados do HF, aplicamos um limiar de 4 GeV sugerido por análises
da colaboração do CMS para a redução de ruídos [61]. Ou seja, medimos atividade
nesse detector para eventos cuja energia seja acima desse valor e contendo dois jatos com
pT > 30 GeV em qualquer região do CMS, do seguinte modo:
91
Etotal =∑
Etorre
∣∣∣HF
(18)
Onde Etotal é a energia total depositada nas torres do HF por evento.
Na Figura 47 organizamos as distribuições de energia para o lado negativo para
os três diferentes períodos de aquisição de dados, enquanto na Figura 48, para o lado
positivo.
Energy [GeV]0 200 400 600 800 1000 1200 1400
N e
ven
ts
0
200
400
600
800
1000
1200
1400
1600
1800
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF- Energy Distribution
(a) Primeiro Período de Aquisi-ção. Soma da energia do lado ne-gativo.
Energy [GeV]0 200 400 600 800 1000 1200 1400
N e
ven
ts
0
500
1000
1500
2000
2500
3000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF- Energy Distribution
(b) Segundo Período de Aquisi-ção. Soma da energia do lado ne-gativo.
Energy [GeV]0 200 400 600 800 1000 1200 1400
N e
ven
ts
0
500
1000
1500
2000
2500
3000
3500
4000
4500
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF- Energy Distribution
(c) Terceiro Período de Aquisi-ção. Soma da energia do lado ne-gativo.
Figura 47 - Lado Negativo: soma da energia por evento do calorímetro HF.
Energy [GeV]0 200 400 600 800 1000 1200 1400
N e
ven
ts
0
200
400
600
800
1000
1200
1400
1600
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF+ Energy Distribution
(a) Primeiro Período de Aquisi-ção. Soma da energia do lado po-sitivo.
Energy [GeV]0 200 400 600 800 1000 1200 1400
N e
ven
ts
0
500
1000
1500
2000
2500
3000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF+ Energy Distribution
(b) Segundo Período de Aquisi-ção. Soma da energia do lado po-sitivo.
Energy [GeV]0 200 400 600 800 1000 1200 1400
N e
ven
ts
0
500
1000
1500
2000
2500
3000
3500
4000
4500
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF+ Energy Distribution
(c) Terceiro Período de Aquisi-ção. Soma da energia do lado po-sitivo.
Figura 48 - Lado Positivo: soma da energia por evento do calorímetro HF.
Observa-se nas distribuições de energia que os dados possuem um excesso na região
de mais baixa energia em relação ao Monte Carlo para o terceiro período de aquisição
de dados. Entretanto, ainda não podemos a�rmar que esse excesso é concernente à even-
tos difrativos. Rati�camos que quando não selecionamos dois jatos mais energéticos com
pT > 30 GeV em qualquer região do CMS, os dados se ajustam melhor ao Monte Carlo
sem empilhamento e com empilhamento dependendo do período de aquisição. Apenas
92
podemos concluir que o efeito de empilhamento altera substancialmente a forma da vari-
ável Etotal. Além disso, não podemos deixar de citar que a simulação do HF para baixa
energia pode não reproduzir apropriadamente os dados, já que na geometria do HF da
simulação não estão descritas as regiões mortas (sem células ativas) do detector.
Distribuições de Multiplicidade dos Calorímetros
Iremos veri�car o comportamento das distribuições de multiplicidade de torres ativas
no HF por evento. Basicamente, contamos o número de torres ativas por evento, cujo
limiar por torre é acima de 4 GeV. As distribuições de multiplicidade estão em escala
logarítmica e mostradas para cada um dos lados: negativo, Figura 49 e positivo, Figura
50.
HF- Multiplicity1 10 210
N e
ven
ts
-510
-410
-310
-210
-110
1
10
210
310
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF- Multiplicity Distribution
(a) Primeiro Período de Aquisi-ção. Multiplicidade do lado ne-gativo.
HF- Multiplicity1 10 210
N e
ven
ts
-510
-410
-310
-210
-110
1
10
210
310
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF- Multiplicity Distribution
(b) Segundo Período de Aquisi-ção. Multiplicidade do lado ne-gativo.
HF- Multiplicity1 10 210
N e
ven
ts
-510
-410
-310
-210
-110
1
10
210
310
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF- Multiplicity Distribution
(c) Terceiro Período de Aquisi-ção. Multiplicidade do lado ne-gativo.
Figura 49 - Lado Negativo: soma da multiplicidade por evento do calorímetro HF.
HF+ Multiplicity1 10 210
N e
ven
ts
-410
-310
-210
-110
1
10
210
310
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF+ Multiplicity Distribution
(a) Primeiro Período de Aquisi-ção. Multiplicidade do lado po-sitivo.
HF+ Multiplicity1 10 210
N e
ven
ts
-310
-210
-110
1
10
210
310
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF+ Multiplicity Distribution
(b) Segundo Período de Aquisi-ção. Multiplicidade do lado po-sitivo.
HF+ Multiplicity1 10 210
N e
ven
ts
-310
-210
-110
1
10
210
310
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF+ Multiplicity Distribution
(c) Terceiro Período de Aquisi-ção. Multiplicidade do lado po-sitivo.
Figura 50 - Lado Positivo: soma da multiplicidade por evento do calorímetro HF.
93
É notável, que em relação às distribuições de multiplicidade não percebemos qual-
quer excesso dos dados em relação ao Monte Carlo sem o efeito de empilhamento nos
intervalos de menor multiplicidade das torres do HF. Embora para o Monte Carlo con-
tendo efeito de empilhamento isso não ocorra. Entretanto para maiores multiplicidades,
o Monte Carlo contendo efeito de empilhamento melhor se ajusta aos dados no terceiro
período de aquisição de dados.
Esperamos selecionar eventos onde a multiplicidade nas torres do HF é a mais
baixa possível. Dada a topologia do processo de dijatos difrativos simples, procuramos
eventos em que há lacunas de pseudorapidez. Observando-se apenas as distribuições de
multiplicidade do HF não podemos diferir excesso nos dados em relação ao Monte Carlo
não difrativo. Portanto, apenas selecionando dois jatos com pT > 30 GeV em qualquer
região do CMS nos dados não encontramos excessos, quando comparados ao Monte Carlo
sem efeito de empilhamento, que rati�quem a seleção de eventos difrativos.
A seguir, mostraremos as distribuições de multiplicidade do HF, dividido em duas
partes conforme a Tabela 9, após selecionarmos os dois jatos principais com pT > 30 GeV
em qualquer região do CMS. As distribuições de multiplicidade serão mostradas para o
lado positivo e negativo.
Tabela 9 - Divisão do HF em duas partes: Low η e High η.
Parte HF+ HF−
Low η 2,9 até 4 −2,9 até −4
High η 4 até 5,2 −4 até −5,2
94
Para o primeiro período de aquisição de dados, comparando-se com o Monte
Carlo não difrativo, incluindo efeito de empilhamento (azul) e sem esse efeito (vermelho),
temos as distribuições na Figura 51 e na Figura 52.
slice"η
n All "low 0
12
34
56 7
89
10
n All "forward slice" 01
23
45
67
89
10
N e
ven
ts
10
20
30
40
50
> 0: All Jets ηGapside at
(a) Primeiro Período de Aquisi-ção.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
2
4
6
8
10
12
14
16
18
> 0: All Jets ηGapside at
(b) Monte Carlo com efeito deempilhamento.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
10
20
30
40
50
60
70
> 0: All Jets ηGapside at
(c) Monte Carlo sem efeito de em-pilhamento.
Figura 51 - Lado Positivo: distribuição de multiplicidade do calorímetro HF dividido emduas partes. Comparando-se Monte Carlo aos dados do primeiro período de aquisição.
Essencialmente, quando comparamos o sinal (Figura 51(a)) no intervalo de menor
multiplicidade possível, ou seja, o intervalo em que HF Low η e HF High η é menor que
1, no bin(0,0), é perceptível em comparação ao Monte Carlo com efeito de empilhamento
(Figura 51(b)) um excesso nos dados que poderia ser atribuído à processos difrativos não
modelados pelo Monte Carlo. No entanto, quando comparamos os dados (Figura 51(a))
em relação ao Monte Carlo sem efeito de empilhamento (Figura 51(c)), o bin(0,0) que
representa a mais baixa multiplicidade possui praticamente o mesmo número de eventos.
Deste modo, não existe garantia de que o sinal observado nos dados é apenas difrativo.
Em relação à Figura 52, concernente ao lado negativo, acontece o mesmo efeito
descrito para o lado positivo.
slice"η
n All "low 0
12
34
56 7
89
10
n All "forward slice" 01
23
45
67
89
10
N e
ven
ts
10
20
30
40
50
60
< 0: All Jets ηGapside at
(a) Primeiro Período deAquisição.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
2
4
6
8
10
12
14
16
18
20
< 0: All Jets ηGapside at
(b) Monte Carlo com efeitode empilhamento.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
10
20
30
40
50
60
70
80
< 0: All Jets ηGapside at
(c) Monte Carlo sem efeito deempilhamento.
Figura 52 - Lado Negativo: distribuição de multiplicidade do calorímetro HF dividido emduas partes. Comparando-se Monte Carlo aos dados do primeiro período de aquisição.
95
Podemos concluir que há necessidade de outros critérios de seleção para que a
relação sinal e ruído, nesse intervalo de baixa multiplicidade, seja máxima e garanta que
o excesso nos dados seja proveniente de processos difrativos.
Para o segundo período de aquisição de dados mostramos as distribuições de
multiplicidade. A Figura 53 para o lado positivo e a Figura 54, para o negativo. Nesse
caso, a razão entre o pico nos dados e nas simulações em Monte Carlo aumenta no bin(0,0).
slice"η
n All "low 0
12
34
56 7
89
10
n All "forward slice" 01
23
45
67
89
10
N e
ven
ts
0
20
40
60
80
100
120
140
160
> 0: All Jets ηGapside at
(a) Segundo Período deAquisição.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
5
10
15
20
25
30
> 0: All Jets ηGapside at
(b) Monte Carlo com efeitode empilhamento.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
20
40
60
80
100
120
> 0: All Jets ηGapside at
(c) Monte Carlo sem efeito deempilhamento.
Figura 53 - Lado Positivo: distribuição de multiplicidade do calorímetro HF dividido emduas partes. Comparando-se Monte Carlo aos dados do segundo período de aquisição.
slice"η
n All "low 0
12
34
56 7
89
10
n All "forward slice" 01
23
45
67
89
10
N e
ven
ts
0
20
40
60
80
100
120
140
160
< 0: All Jets ηGapside at
(a) Segundo Período deAquisição.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
5
10
15
20
25
30
35
< 0: All Jets ηGapside at
(b) Monte Carlo com efeitode empilhamento.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
20
40
60
80
100
120
140
< 0: All Jets ηGapside at
(c) Monte Carlo sem efeito deempilhamento.
Figura 54 - Lado Negativo: distribuição de multiplicidade do calorímetro HF divididoem duas partes. Comparando-se Monte Carlo aos dados do segundo período de aquisição.
96
Finalmente, para o terceiro período de aquisição de dados, mostramos as
distribuições de multiplicidade. A Figura 55 para o lado positivo e a Figura 56, para o lado
negativo. Nesse período, a razão entre o pico nos dados e na simulação do Monte Carlo
no bin(0,0), aumenta em relação ao segundo período de aquisição de dados. Deduzimos
que talvez isso seja efeito do aumento de L, já que não há correlação entre esse aumento
e a variação de L, que nesse período é menor do que a do segundo período de aquisição,
conforme Tabela 4. Portanto, como a razão entre o pico no bin(0,0) entre os dados
e o Monte Carlo no primeiro período de aquisição de dados é praticamente a unidade,
precisamos implementar seleções de processos difrativos. Quanto maior o pico no bin(0,0),
menor é a atividade no calorímetro HF. É através do pico no bin(0,0) que iremos selecionar
eventos com gap no lado positivo ou negativo.
slice"η
n All "low 0
12
34
56 7
89
10
n All "forward slice" 01
23
45
67
89
10
N e
ven
ts
0
50
100
150
200
250
> 0: All Jets ηGapside at
(a) Terceiro Período de Aquisi-ção.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
5
10
15
20
25
30
> 0: All Jets ηGapside at
(b) Monte Carlo com efeito deempilhamento.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
20
40
60
80
100
120
> 0: All Jets ηGapside at
(c) Monte Carlo sem efeito de em-pilhamento.
Figura 55 - Lado Positivo: distribuição de multiplicidade do calorímetro HF dividido emduas partes. Comparando-se Monte Carlo aos dados do terceiro período de aquisição.
slice"η
n All "low 0
12
34
56 7
89
10
n All "forward slice" 01
23
45
67
89
10
N e
ven
ts
0
50
100
150
200
250
< 0: All Jets ηGapside at
(a) Terceiro Período de Aquisi-ção.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
5
10
15
20
25
30
< 0: All Jets ηGapside at
(b) Monte Carlo com efeito deempilhamento.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
20
40
60
80
100
120
< 0: All Jets ηGapside at
(c) Monte Carlo sem efeito de em-pilhamento.
Figura 56 - Lado Negativo: distribuição de multiplicidade do calorímetro HF divididoem duas partes. Comparando-se Monte Carlo aos dados do terceiro período de aquisição.
97
Quando comparamos as multiplicidades das regiões do HF para diferentes períodos
de aquisição de dados, notamos que a razão entre o sinal (dados) e o ruído (Monte Carlo),
no intervalo de menor multiplicidade, aumenta. Em outras palavras, mesmo com o au-
mento do efeito de empilhamento nos dados, conforme mostrado no Apêndice F, existe
menor atividade no HF, o que resulta em um aumento do pico no intervalo de menor mul-
tiplicidade do HF Low η e HF High η, bin(0,0). Até o momento, mostramos a dinâmica
das distribuições da análise e o comportamento diante de seleções eventos com sistemas
de dijatos.
Distribuições de Assimetria da Energia Frontal Depositada
A variável Assimetria da Energia Frontal Depositada (EA) é de�nida como:
EA =
∑E+
HF −∑
E−HF∑
E+HF +
∑E−HF
(19)
Onde∑
E+HF é a soma da energia das torres do HF para o lado positivo e
∑E−HF
para o lado negativo. A variável EA indica em quais regiões há maior depósito de energia
distribuída entre os lados do HF.
-1)- HF∑ + + HF∑)x(- HF∑ - + HF∑ (-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
N e
ven
ts
0
500
1000
1500
2000
2500
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF Energy: Forward Backward Asymmetry Distribution
(a) Primeiro Período de Aquisi-ção.
-1)- HF∑ + + HF∑)x(- HF∑ - + HF∑ (-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
N e
ven
ts
0
500
1000
1500
2000
2500
3000
3500
4000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF Energy: Forward Backward Asymmetry Distribution
(b) Segundo Período de Aquisi-ção.
-1)- HF∑ + + HF∑)x(- HF∑ - + HF∑ (-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
N e
ven
ts
0
500
1000
1500
2000
2500
3000
3500
4000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF Energy: Forward Backward Asymmetry Distribution
(c) Terceiro Período de Aquisi-ção.
Figura 57 - Distribuição de Assimetria na Energia dos Calorímetros.
Na Figura 57 observamos que após a seleção de eventos com dois jatos principais de
pT > 30 GeV, há maior concentração de eventos com energia depositada em ambos lados
do HF. Esperamos que após a seleção de eventos difrativos, essa variável de controle esteja
concentrada nos valores de -1, quando a lacuna de pseudorapidez for do lado positivo e 1,
quando a lacuna de pseudorapidez for no lado negativo.
98
Observando o comportamento dessa variável em comparação aos três períodos de
aquisição de dados, podemos con�rmar que à medida em que L aumentou, o efeito de
empilhamento nos dados também. Como o excesso esperado para eventos difrativos deve
estar nos valores -1 (jatos produzidos no lado negativo) ou 1 (jatos produzidos no lado
positivo); a maior concentração de eventos que depositam energia em ambos lados do HF
aumenta conforme o valor de L também. Esse aumento é correlacionado com o aumento
do efeito do empilhamento, Figura 57(c).
Distribuições de ξ
A variável difrativa ξ medida para os dados e reconstruída pelo Monte Carlo, com o
uso de todas as partículas por evento, é de�nida como:
• Todas as partículas com η > 0 no evento:
ξ =
∑(Epart − pZ)√
s(20)
• Todas as partículas com η < 0 no evento:
ξ =
∑(Epart + pZ)√
s(21)
Onde Epart é a energia da partícula, pZ é o momento no eixo-z e√s = 7 TeV.
O valor de ξ é calculado usando-se todas as partículas por evento. Nas distribuições da
Figura 58 foram selecionados dois jatos principais com pT > 30 GeV em qualquer região
de aceptância do CMS.
Espera-se que os eventos difrativos tenham valores, em escala logarítmica, mais
baixos possíveis. Comparamos o valor de ξ para os três períodos de aquisição de da-
dos. Lembramos que os valores de ξ também serão concernentes à processos inclusivos
que acompanham o sistema de dijatos. Notamos que a componente macia simulada pelo
PYTHIA 6 é compatível com os dados no primeiro período de aquisição. Entretanto,
com o aumento do número de jatos energéticos no terceiro período de aquisição, há um
excesso para valores muito baixos de ξ que não são descritos pela componente macia do
Monte Carlo.
99
)ξ(10
log-5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0
N e
ven
ts
-410
-310
-210
-110
1
10
210
310
410
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
Distributionξ
(a) Primeiro Período de Aquisi-ção.
)ξ(10
log-5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0
N e
ven
ts
-310
-210
-110
1
10
210
310
410
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
Distributionξ
(b) Segundo Período de Aquisi-ção.
)ξ(10
log-5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0
N e
ven
ts
-310
-210
-110
1
10
210
310
410
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
Distributionξ
(c) Terceiro Período de Aquisi-ção.
Figura 58 - ξ medido e reconstruído utilizando-se o Monte Carlo.
Distribuições de Traços Não Associados aos Jatos
Apresentaremos a seguir as distribuições de multiplicidade de traços não associados aos
jatos (Ntracks). Os estudos de F. Silva e M. Oberthino [63] [64], bem como de análises do
Tevatron [66] [69] e do HERA [75] [76] indicam que essa variável é sensível para separar
eventos difrativos. O Ntracks pode ser de�nido como uma contagem de traços que estão
fora da região do cone dos dois jatos. Sendo assim, calculamos ∆R, que é a distância
entre cada um dos traços e dos jatos principais do evento. Essa distância ∆R deve ser
maior que o raio do jato (Rjato = 0,5).
∆R =√
(∆η)2 + (∆φ)2 (22)
A seguir, as distribuições da multiplicidade de Ntracks para diferentes períodos de
aquisição de dados, cujos eventos foram selecionados com o trigger HLT_Jet15U e apenas
um vértice.
100
Tracks1 10 210
N e
ven
ts
10
210
310
410
510
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
Tracks Non-Associated with Cone Jets
(a) Primeiro Período de Aquisi-ção.
Tracks1 10 210
N e
ven
ts
10
210
310
410
510
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
Tracks Non-Associated with Cone Jets
(b) Segundo Período de Aquisi-ção.
Tracks1 10 210
N e
ven
ts
10
210
310
410
510
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
Tracks Non-Associated with Cone Jets
(c) Terceiro Período de Aquisi-ção.
Figura 59 - Multiplicidade de Ntracks.
A variável Ntracks mostra-se essencial para garantirmos a seleção do excesso dos
dados (Figura 59) quando selecionamos Ntracks < 10. Outros estudos, comparando Monte
Carlo difrativo e não difrativo, sugerem um corte menor. Assim, aplicamos o corte
Ntracks ≤ 5 para compararmos nossos resultados aos estudos de F. Silva e M. Ober-
tino [63] [64].
3.7.2 Seleção Básica de Eventos
Diante do interesse na observação da topologia de produção de dijatos de difração
simples, a técnica adotada nessa análise, em suma, é a seguinte: observar eventos com
dois jatos em um dos lados do detector com pT > 30 GeV, sendo que necessariamente
o lado oposto aos jatos, deverá ser o lado da lacuna de pseudorapidez (gap). Para a
determinação do gap foi medido o depósito de energia no HF com limiar de 4 GeV, ou
seja, podemos escolher o lado com mínimo ou praticamente nenhum depósito de energia
para procurarmos o gap.
Com o uso do sistema de traços foi contado o número de traços com pT > 300 MeV
não associados aos jatos24, deste modo, espera-se separar eventos difrativos de eventos
não difrativos.
Em termos de estudos de fenomenologia, o gap é a ausência de atividade no detec-
tor. No entanto outros fatores contribuem para que o gap seja preenchido por eventos de
fundo di�cultando a análise do processo difrativo.
24Corte padrão adotado pela colaboração, associado à seleção de traços com qualidade.
101
No âmbito experimental determinar a ausência de atividade é quase impossível
já que é dependente da qualidade da medida do detector, que por sua vez é imperfeito.
O que se pode fazer, é determinar um mínimo de energia possível medida, chamado de
fundo, para procurarmos o gap.
Nesse trabalho, determinamos o lado com menor energia para em seguida encon-
trarmos o gap. Os eventos que apresentarem um número mínimo de células ativas no
calorímetro HF, são aqueles que possuem o gap, e portanto, difrativos.
As etapas de seleção podem ser resumidas em:
1. Seleção de Jatos: dois jatos com pT > 30 GeV no mesmo lado do detector em η;
2. Escolha do lado do Gap: lado com menor energia nas torres do HF, oposto aos dois
jatos;
3. Traços não associados aos Jatos: efetuar um corte Ntracks ≤ 5 traços;
4. Checar as distribuições de multiplicidade do HF: divide-se o HF em duas partes,
conforme Tabela 9, e conta-se a multiplicidade no lado do gap para cada uma dessas
partes. Espera-se que os eventos de menor multiplicidade, sejam os eventos difra-
tivos. Selecionamos os eventos do bin(0,0) que correspondem à multiplicidade nula
no HF Low η e HF High η.
A partir do critério de seleção de dijatos difrativos, obtivemos as distribuições de
multiplicidade do HF. Nessas distribuições, observamos os dados para os dois lados do
CMS.
Ressalta-se que tanto no lado positivo quanto no lado negativo, mostramos o lado
onde encontramos a lacuna de pseudorapidez ou gap. Esse lado, é o menos energético por
evento e possui multiplicidade muito baixa nas divisões Low e High do HF. No lado oposto
ao da lacuna de pseudorapidez, selecionamos dois jatos principais com pT > 30 GeV.
102
No primeiro período de aquisição de dados, após a aplicação dos procedi-
mentos de seleção de dijatos difrativos, percebemos que a razão entre o pico do sinal
(Figura 60(a)) e dos ruídos, (Figura 60(b)) e (Figura 60(c)), no bin(0,0) das distribuições
de multiplicidade do HF é muito maior, em relação às mesmas distribuições do primeiro
período, mas sem a aplicação desse corte, conforme Figura 51.
slice"η
n All "low 0
12
34
56 7
89
10
n All "forward slice" 01
23
45
67
89
10
N e
ven
ts
0
1
2
3
4
5
> 0: Inclusive Dijets ηGapside at
(a) Primeiro Período de Aquisi-ção.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
> 0: Inclusive Dijets ηGapside at
(b) Monte Carlo com efeito deempilhamento.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
0.2
0.4
0.6
0.8
1
1.2
1.4
> 0: Inclusive Dijets ηGapside at
(c) Monte Carlo sem efeito de em-pilhamento.
Figura 60 - Lado Positivo: distribuição de multiplicidade do calorímetro HF dividido emduas partes. Comparando-se Monte Carlo aos dados do primeiro período de aquisiçãocom seleção difrativa.
O mesmo conclui-se para o lado negativo, conforme Figura 61.
slice"η
n All "low 0
12
34
56 7
89
10
n All "forward slice" 01
23
45
67
89
10
N e
ven
ts
0
0.5
1
1.5
2
2.5
3
3.5
4
< 0: Inclusive Dijets ηGapside at
(a) Primeiro Período de Aquisi-ção.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
< 0: Inclusive Dijets ηGapside at
(b) Monte Carlo com efeito deempilhamento.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
0.2
0.4
0.6
0.8
1
1.2
1.4
< 0: Inclusive Dijets ηGapside at
(c) Monte Carlo sem efeito de em-pilhamento.
Figura 61 - Lado Negativo: distribuição de multiplicidade do calorímetro HF divididoem duas partes. Comparando-se Monte Carlo aos dados do primeiro período de aquisiçãocom seleção difrativa.
103
Para o segundo período de aquisição de dados mostramos as distribuições de
multiplicidade do HF Figura 62 e Figura 63. Notamos que a razão entre os picos do sinal
e do Monte Carlo no bin(0,0) aumenta consideravelmente quando comparada ao segundo
período de aquisição de dados, sem a aplicação da seleção difrativa. Além disso, esse
pico é maior que o obtido no primeiro período de aquisição de dados com seleção
difrativa.
slice"η
n All "low 0
12
34
56 7
89
10
n All "forward slice" 01
23
45
67
89
10
N e
ven
ts
0
2
4
6
8
10
12
14
> 0: Inclusive Dijets ηGapside at
(a) Segundo Período de Aquisi-ção.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
> 0: Inclusive Dijets ηGapside at
(b) Monte Carlo com efeito deempilhamento.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
2.2
2.4
> 0: Inclusive Dijets ηGapside at
(c) Monte Carlo sem efeito de em-pilhamento.
Figura 62 - Lado Positivo: distribuição de multiplicidade do calorímetro HF divididoem duas partes. Comparando-se Monte Carlo aos dados do segundo período de aquisiçãocom seleção difrativa.
slice"η
n All "low 0
12
34
56 7
89
10
n All "forward slice" 01
23
45
67
89
10
N e
ven
ts
0
2
4
6
8
10
12
< 0: Inclusive Dijets ηGapside at
(a) Segundo Período de Aquisi-ção.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
< 0: Inclusive Dijets ηGapside at
(b) Monte Carlo com efeito deempilhamento.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
2.2
2.4
< 0: Inclusive Dijets ηGapside at
(c) Monte Carlo sem efeito de em-pilhamento.
Figura 63 - Lado Negativo: distribuição de multiplicidade do calorímetro HF divididoem duas partes. Comparando-se Monte Carlo aos dados do segundo período de aquisiçãocom seleção difrativa.
104
Mostramos as distribuições de multiplicidade do HF para o terceiro período de
aquisição de dados conforme a Figura 64 e a Figura 65. Nesse período, obtivemos a
maior razão entre o pico do sinal e do Monte Carlo com e sem efeito de empilhamento,
quando comparada sem os critérios de seleção de dijatos difrativos.
slice"η
n All "low 0
12
34
56 7
89
10
n All "forward slice" 01
23
45
67
89
10
N e
ven
ts
0
2
4
6
8
10
12
14
16
18
> 0: Inclusive Dijets ηGapside at
(a) Terceiro Período de Aquisi-ção.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
0.1
0.2
0.3
0.4
0.5
0.6
> 0: Inclusive Dijets ηGapside at
(b) Monte Carlo com efeito deempilhamento.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
2.2
> 0: Inclusive Dijets ηGapside at
(c) Monte Carlo sem efeito de em-pilhamento.
Figura 64 - Lado Positivo: distribuição de multiplicidade do calorímetro HF dividido emduas partes. Comparando-se Monte Carlo aos dados do terceiro período de aquisição comseleção difrativa.
slice"η
n All "low 0
12
34
56 7
89
10
n All "forward slice" 01
23
45
67
89
10
N e
ven
ts
0
2
4
6
8
10
12
14
16
< 0: Inclusive Dijets ηGapside at
(a) Terceiro Período de Aquisi-ção.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
0.1
0.2
0.3
0.4
0.5
0.6
< 0: Inclusive Dijets ηGapside at
(b) Monte Carlo com efeito deempilhamento.
slice"η
n All "low
01
23
45
6 78
910
n All "forward slice"0
12
34
56
78
910
N e
ven
ts
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
< 0: Inclusive Dijets ηGapside at
(c) Monte Carlo sem efeito de em-pilhamento.
Figura 65 - Lado Negativo: distribuição de multiplicidade do calorímetro HF divididoem duas partes. Comparando-se Monte Carlo aos dados do terceiro período de aquisiçãocom seleção difrativa.
É notável o sinal difrativo após os procedimentos de seleção. Comparando-se as
distribuições normalizadas, mesmo com o efeito de empilhamento e sem esse efeito, há
uma disparidade entre o pico nos dados e os picos modelados pelo Monte Carlo no bin(0,0).
Os eventos difrativos podem ser selecionados desse pico, concernente à mais baixa multi-
plicidade do HF, nos dados. Após a seleção difrativa, a razão entre o excesso dos dados
e o pico do Monte Carlo cresceu entre 400% e ' 800 %. Mostramos algumas estimativas
no Apêndice G.
105
3.7.3 Eventos Difrativos Selecionados no Bin(0,0)
Após aplicarmos o critério de seleção para dijatos difrativos, selecionamos eventos
concernentes ao pico de multiplicidade do lado de menor energia do HF, bin(0,0). Desses
eventos, reconstruímos EA e ξ em todos os períodos de aquisição de dados.
Distribuições de Assimetria da Energia Frontal Depositada
Na Figura 66 encontramos o valor de EA para eventos selecionados em ambos lados do
CMS. Ou seja, quando existe maior concentração de energia no lado negativo e a energia
é nula no lado positivo, temos que EA = −1. Sendo assim, é suposto que o lado positivo
será o lado da lacuna de pseudorapidez. Podemos nos certi�car ao compararmos a Figura
66(a) com a Figura 60(a) e a Figura 61(a). O número de eventos no bin(0,0) no lado
positivo da lacuna de pseudorapidez por exemplo, será o mesmo que no lado negativo em
EA.
-1)- HF∑ + + HF∑)x(- HF∑ - + HF∑ (-1 -0.5 0 0.5 1
N e
ven
ts
0
2
4
6
8
10
12
14
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
Bin(0,0) - HF Energy: Forward Backward Asymmetry Distribution
(a) Primeiro Período de Aquisição.
-1)- HF∑ + + HF∑)x(- HF∑ - + HF∑ (-1 -0.5 0 0.5 1
N e
ven
ts
0
5
10
15
20
25
30
35
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
Bin(0,0) - HF Energy: Forward Backward Asymmetry Distribution
(b) Segundo Período de Aquisição.
-1)- HF∑ + + HF∑)x(- HF∑ - + HF∑ (-1 -0.5 0 0.5 1
N e
ven
ts
0
5
10
15
20
25
30
35
40
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
Bin(0,0) - HF Energy: Forward Backward Asymmetry Distribution
(c) Terceiro Período de Aquisição.
Figura 66 - Distribuição de Assimetria na Energia dos Calorímetros com seleção difrativa.
106
A razão entre o sinal e o ruído em cada um dos períodos de aquisição de dados
pode ser veri�cada na Figura 66. Além disso, no período de maior L obtivemos mais
dijatos difrativos mesmo com o aumento do efeito de empilhamento.
Distribuições de ξ
Em relação aos valores de ξ obtidos (Figura 67 e Figura 68) por esse critério de sele-
ção, os eventos selecionados possuem pelo menos log10(ξ) < −1,9 nos períodos de menor
L e até ' −4 nos períodos de maior L. Apesar de pouca estatística, é mostrado que
foram observados eventos difrativos.
)ξ(10
log-5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0
N e
ven
ts
-310
-210
-110
1
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
Distributionξ - -Bin(0,0), GapSide
(a) Primeiro Período
)ξ(10
log-5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0
N e
ven
ts
-310
-210
-110
1
10
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
Distributionξ - -Bin(0,0), GapSide
(b) Segundo Período
)ξ(10
log-5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0
N e
ven
ts
-310
-210
-110
1
10
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
Distributionξ - -Bin(0,0), GapSide
(c) Terceiro Período
Figura 67 - Lado Negativo: ξ dos eventos selecionados.
)ξ(10
log-5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0
N e
ven
ts
-210
-110
1
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
Distributionξ - +Bin(0,0), GapSide
(a) Primeiro Período
)ξ(10
log-5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0
N e
ven
ts
-210
-110
1
10
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
Distributionξ - +Bin(0,0), GapSide
(b) Segundo Período
)ξ(10
log-5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0
N e
ven
ts
-210
-110
1
10
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
Distributionξ - +Bin(0,0), GapSide
(c) Terceiro Período
Figura 68 - Lado Positivo: ξ dos eventos selecionados.
Os valores de ξ encontrados são muito baixos, o que indica a seleção de eventos
difrativos.
107
3.7.4 Observação do Evento Real Difrativo
Na Figura 69 mostramos a visualização de um dos eventos, candidato a dijato
difrativo, observado com√s = 7 TeV. Nota-se que o próton foi fragmentado no lado ne-
gativo do CMS e no lado oposto à fragmentação, não há praticamente nenhuma atividade
nos calorímetros, Figura 69(c). Esse grá�co é compatível com um evento difrativo.
(a) Visão Transversal do evento. (b) Visão Lateral do evento.
(c) Distribuição no plano η e φ em função da 6E do evento.
Figura 69 - Run 135528, no bloco de luminosidade 180865832.
Os jatos nesse evento possuem pT = 55,6 GeV e pT = 43,2 GeV no lado negativo do
detector. No lado positivo, observamos a lacuna de pseudorapidez com mínima atividade
energética.
108
3.8 Estudo Sistemático
Nesta seção iremos mostrar as e�ciências dos critérios de seleção utilizados na
análise prévia. As e�ciências (E) foram calculadas da seguinte forma:
E =Nsel
Ntotal
(23)
Onde Nsel é o número de eventos que passaram pelo corte e Ntotal é o número total
de eventos da amostra de dados utilizada.
Concomitantemente foi realizado um estudo do número de eventos do intervalo de
menor multiplicidade das torres do HF ou bin(0,0) em função da variação do corte em pT
dos jatos, bem como do número de traços não associados aos jatos.
3.8.1 E�ciências dos Cortes
Corte para o pT dos Jatos
Esse foi o primeiro corte da análise, selecionar os dois jatos principais com pT acima de
um determinado valor. Calculamos a e�ciência para diferentes cortes em pT.
> [GeV]Jet 2T
and pJet 1T
p
0 10 20 30 40 50 60 70 80 90 100
Eff
icie
ncy
0
0.2
0.4
0.6
0.8
1
2010 Data
Two Jet Selection
Figura 70 - E�ciência para Seleção de Dois Jatos.
A e�ciência para o corte de pT > 30 GeV em ambos jatos é de aproximadamente
5 %.
109
Na Figura 71(a) e na Figura 71(b) mostramos as e�ciências da seleção de dois jatos
no mesmo lado do CMS para um dado corte em pT. A e�ciência desse corte é menor que
2 % para os critérios de seleção adotados nessa análise.
> [GeV]Jet 2T
and pJet 1T
p
0 10 20 30 40 50 60 70 80 90 100
Eff
icie
ncy
0
0.05
0.1
0.15
0.2
0.25
0.3
2010 Data
<0ηTwo Jet Selection at
(a) Lado Negativo: dois jatos.
> [GeV]Jet 2T
and pJet 1T
p
0 10 20 30 40 50 60 70 80 90 100
Eff
icie
ncy
0
0.05
0.1
0.15
0.2
0.25
0.3
2010 Data
>0ηTwo Jet Selection at
(b) Lado Positivo: dois jatos.
Figura 71 - Seleção de Dois Jatos em um dos lados do CMS.
Escolha do Lado do Gap
Os grá�cos seguintes, Figura 72(a) e Figura 72(b), mostram as e�ciências para a
seleção do lado menos energético e oposto aos dois jatos mais energéticos com pT variado.
A e�ciência de seleção é aproximadamente menor que 1 % para cada um dos lados,
considerando os critérios de seleção adotados nessa análise.
> [GeV]Jet 2T
and pJet 1T
p
0 10 20 30 40 50 60 70 80 90 100
Effi
cien
cy
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
0.22
2010 Data
Selection-Gapside
(a) Lado Negativo menos energético.
> [GeV]Jet 2T
and pJet 1T
p
0 10 20 30 40 50 60 70 80 90 100
Eff
icie
ncy
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
0.22
2010 Data Selection+Gapside
(b) Lado Positivo menos energético.
Figura 72 - Seleção de Dois Jatos em um dos lados do CMS quando o lado oposto é omenos energético.
110
E�ciência do Número de Traços em Relação à Variação do pT dos Jatos
A seguir, mostraremos as e�ciências do último corte da nossa análise: o número de traços
não associados aos jatos (Ntracks) em função da variação do pT dos jatos selecionados em
um mesmo lado do detector, sendo o lado oposto na aceptância do HF, o menos energé-
tico. Mostramos as distribuições da e�ciência em separado, para seleção de dois jatos no
lado positivo e no lado negativo. O corte em Ntracks é �xo, ≤ 5.
> [GeV]Jet 2T
and pJet 1T
p
0 10 20 30 40 50 60 70 80 90 100
Eff
icie
ncy
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
-310×
2010 Data>0.5)jjR∆: Number of Tracks Non Associated with Jets (+Gapside
(a) Lado Negativo
> [GeV]Jet 2T
and pJet 1T
p
0 10 20 30 40 50 60 70 80 90 100
Effi
cien
cy
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
-310×
2010 Data
>0.5)jjR∆: Number of Tracks Non Associated with Jets (-Gapside
(b) Lado Positivo
Figura 73 - E�ciência do Número de Traços em Relação à Variação do pT dos Jatos.
A e�ciência de seleção é aproximadamente menor que 0, 01 % para os critérios de
seleção utilizados nessa análise. O valor 0, 01 % corresponde a e�ciência total de seleção
de dijatos difrativos, sem nenhuma correção.
111
E�ciência para pT dos Jatos �xo e Variação do Número de Traços
Conforme os grá�cos da Figura 74(a) e da Figura 74(b) mostraremos o caso em que
o corte em pT dos jatos é �xo, ou seja, os dois jatos principais possuem pT > 30 GeV,
estão no mesmo lado do CMS, sendo o lado oposto o menos energético e que Ntracks é
variável. A e�ciência varia de modo praticamente linear entre 15 < Ntracks < 50.
Tracks N
0 10 20 30 40 50 60 70 80 90 100
> 3
0 [G
eV])
Jet
2T
an
d p
Jet
1T
Eff
icie
ncy
(p
0
0.001
0.002
0.003
0.004
0.005
0.006
2010 Data>0.5)jjR∆: Number of Tracks Non Associated with Jets (+Gapside
(a) Lado Negativo
Tracks N
0 10 20 30 40 50 60 70 80 90 100
> 3
0 [G
eV])
Jet 2
T a
nd p
Jet 1
T E
ffici
ency
(p
0
0.001
0.002
0.003
0.004
0.005
0.006
2010 Data
>0.5)jjR∆: Number of Tracks Non Associated with Jets (-Gapside
(b) Lado Positivo
Figura 74 - E�ciência para pT dos Jatos �xo e Variação do Número de Traços.
3.8.2 Relação Sinal e Ruído
Neste tópico mostraremos a variação do número de eventos dos dados no intervalo
de menor multiplicidade das torres do HF, bin(0,0), com todos os critérios de seleção de
dijatos de difração simples dura.
O número de eventos no bin(0,0) é mostrado em função da variação de Ntracks
quando �xamos a seleção dos dois jatos principais com pT > 30 GeV e, em outro caso,
quando �xamos Ntracks ≤ 5 e variamos o pT dos jatos principais.
Variação de NTracks
Nas distribuições da Figura 75 percebemos que há uma saturação nos dados que
mantém-se constante à medida que aumentamos o valor do corte de NTracks > 15. Isso
pode signi�car que há um valor de NTracks limite para seleção de dijatos com pT > 30 GeV,
112
já que não há sensível variação no número de eventos do Bin(0,0) nessa região.
≤ Tracks N
0 10 20 30 40 50
Bin
(0,0
) N
umbe
r of
Eve
nts
- S
igna
l
1
10
210
2010 Data > 30 [GeV])
Jet 2T and p
Jet 1T < 0 - (pη
(a) Lado Negativo
≤ Tracks N
0 10 20 30 40 50
Bin
(0,0
) N
umbe
r of
Eve
nts
- S
igna
l
1
10
210
2010 Data > 30 [GeV])
Jet 2T and p
Jet 1T > 0 - (pη
(b) Lado Positivo
Figura 75 - Comportamento do sinal para corte em NTracks.
Variação de pT dos Dois Jatos Principais
Quando �xamos o corte de NTracks ≤ 5 e variamos o pT dos jatos principais, percebe-
mos que o excesso dos dados é bastante reduzido à medida em que aumentamos o corte
em pT. Os eventos de dijatos difrativos selecionados apresentam em geral baixo valor de
pT conforme a Figura 76. Entretanto os jatos reconstruídos com pT < 20 GeV no período
de 2010 não são con�áveis pois podem tratar-se de jatos reconstruídos com ruídos do
detector.
> [GeV]Jet 2T
and pJet 1T
p
0 10 20 30 40 50 60 70 80 90 100
Bin
(0,0
) N
umbe
r of
Eve
nts
- S
igna
l
1
10
210
2010 Data
5)≤ Tracks
< 0 - (Nη
(a) Lado Negativo
> [GeV]Jet 2T
and pJet 1T
p
0 10 20 30 40 50 60 70 80 90 100
Bin
(0,0
) N
umbe
r of
Eve
nts
- S
igna
l
1
10
210
2010 Data
5)≤ Tracks
> 0 - (Nη
(b) Lado Positivo
Figura 76 - Comportamento do sinal para corte em pT.
113
CONCLUSÃO
O presente trabalho demonstrou que há possibilidade de observação de dijatos de
difração simples dura no experimento CMS utilizando a técnica da medida de multipli-
cidade dos calorímetros frontais HF, no primeiro ano de aquisição de dados em colisões
pp com√s = 7 TeV e
∫Ldt = 3,2 pb−1. Essa foi a primeira observação de eventos desse
tipo na experiência CMS/LHC. O Monte Carlo que modela eventos não difrativos duros,
mas contendo uma componente macia, foi comparado aos dados. Além disso, mostramos
a presença do efeito de empilhamento nos dados bem como variáveis que podem ser úteis
para a observação da presença desse efeito.
Em relação aos dados, à medida em que L do feixe aumenta, mais jatos de baixo pT
foram produzidos que o esperado pelo Monte Carlo. Além disso, o efeito de empilhamento
aumentou nesse primeiro ano de aquisição de dados gradativamente e de modo esperado
conforme o aumento de L. As distribuições de multiplicidade do HF dos dados são
compatíveis ao Monte Carlo contendo efeito de empilhamento para altas multiplicidades
nas torres. Em baixas multiplicidades, o Monte Carlo sem empilhamento ajusta-se aos
dados.
Observando as distribuições de assimetria na energia dos calorímetros HF, conclui-
se que com o aumento do efeito de empilhamento, a energia é depositada em ambos lados
do HF na maior parte dos eventos. Outra observação importante é que essas distribui-
ções possibilitam observar o efeito de empilhamento com melhor clareza no experimento,
mesmo com possível desajuste do tune do Monte Carlo.
Destacamos que observamos dijatos difrativos duros com o aumento da razão do
sinal para os dados em comparação ao Monte Carlo mesmo após as seleções da análise, nas
distribuições de multiplicidade das torres do HF. Além disso, relembramos a di�culdade
na comparação entre os excessos dos dados com o Monte Carlo não difrativo, dada a
ausência de Monte Carlo que pudesse modelar o sinal da física de interesse. A e�ciência
total de seleção foi de aproximadamente 0, 01 %.
No Apêndice G mostramos algumas estimativas da fração do gap em função da
energia do centro de massa o que nos leva a concluir que será difícil detectar eventos
difrativos sem adicionarmos a instrumentação de detectores frontais (como o detector
114
FP420).
Finalmente a existência de dijatos nos processos difrativos duros é um grande
motivador para estudarmos outras topologias difrativas. Uma delas é a possível dupla
troca de pomeron, conhecida como Central Exclusive Production (CEP), que dentre muitos
estados �nais, pode conter dois jatos. Esse é um dos canais de produção de Higgs e um
dos únicos que permite a medida de algumas propriedades, como o spin, desse bóson.
O estudo de dijatos também abre as portas para medidas da produção dura de sabores
pesados com a QCD.
115
REFERÊNCIAS
[1] ZWEIG, G. An SU(3) model for strong interaction symmetry and its bre-
aking - Part I. Relatório CERN-TH-401. Genebra, 1964.
[2] ZWEIG, G. An SU(3) model for strong interaction symmetry and its bre-
aking - Part II. Relatório CERN-TH-412. Genebra, 1964.
[3] GELL-MANN, M. A schematic model of baryons and mesons. Physics Letters,
v. 8, p. 214-215, 1964.
[4] D 60 COLLABORATION. Observation of the Top Quark. Phys. Rev. Lett., v. 74,
p. 2632-2637, 1995.
[5] AITCHISON, I.; HEY, A. Gauge theories in particle physics. 2. ed. Phila-
delphia: Institute of Physics, 1996.
[6] MANGANO, M. L. Introduction to QCD in hadronic collisions. Disponível
em: <https://cdsweb.cern.ch/record/1017822/�les/p81.pdf>.
[7] KARSCH, F. Lattice Results on QCD Thermodynamics. 2001. Disponível
em: <http://arxiv.org/abs/hep-ph/0103314>.
[8] NARISON, S. QCD as a theory of hadrons: from partons to con�nament.
Cambridge: Cambridge University Press, 2004.
[9] HALZEN, F.; MARTIN, A. D. Quarks and leptons: an introductory course in
modern particle physics. [New York]: John Wiley, 1984.
[10] GRIBOV, N; LIPATOV, L. N. Deep inelastic ep scattering in perturbation theory.
Sov. J. Nucl. Phys., v. 15, p. 438-450, 1972.
[11] LIPATOV, L. N. The parton model and perturbation theory. Sov. J. Nucl. Phys.,
v. 20, 1975.
[12] BALITSKY, I. I.; LIPATOV, L. N. The Pomeranchuk singularity in Quantum
Chromodynamics. Sov. J. Nucl. Phys., v. 28, 1978.
116
[13] SANTORO, A. Di�ractive physics: an introduction. In: GLEB WATAGHIN
SCHOOL ON HIGH ENERGY PHYSICS, 5., 1998. Campinas. [Proceedings...] .
Campinas, 1998.
[14] PREDAZZI, E. Di�raction: retrospectives and perspectives. Nuclear Physics B
- Proceedings Supplements, v. 99, p. 3-6, 2001.
[15] GOOD, M. L.; WALKER, W. D. Di�raction Dissociation of Beam Particles. Phys.
Rev., v. 120, p. 1857-1860, 1960.
[16] REGGE, T. Introduction to complex orbital momenta. Il Nuovo Cimento, v. 14,
n. 5, p. 951-976, 1959.
[17] REGGE, T. Bound states, shadow states and mandelstam representation. Il Nuovo
Cimento, v. 18, n. 5, p. 947-956, 1960.
[18] AMALDI, U.; JACOB, M.; MATTHIAE, G. Di�raction of Hadronic Waves. Ann.
Rev. Nuc., v. 26, p. 385-456, 1976.
[19] BJORKEN, J. D. Rapidity gaps and jets as a new-physics signature in very-high-
energy hadron-hadron collisions. Phys. Rev. D, v. 47, p. 101-113, 1993.
[20] MARTIN, A. D. Soft and hard di�raction lecture, di�ractive and eletromagnetic
process at high energy. In: SUMMER SCHOOL ACQUAFREDDA, 2010, Maratea.
[Proceedings...]. Maratea, 2010.
[21] WÜSTHOFF, M.; MARTIN, A. D. The QCD description of di�ractive processes.
J. Phys., G25, R309-R344, 1999.
[22] VILELA P. Estudos sobre a produção difrativa de top-antitop no
CMS/LHC. 2009. Dissertação (Mestrado) - Programa de Pós-Graduação em Fí-
sica, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2009.
[23] COSTA, E. M. Estudo do impacto de empilhamento na difração simples
dura no CMS/LHC. 2009. Dissertação (Mestrado) - Programa de Pós-Graduação
em Física, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2009.
117
[24] DAMIÃO, D. Estudo sobre a razão da produção difrativa e total de B+ →
J/ψ + K+ no CMS. 2009. Tese (Doutorado) - Programa de Pós-Graduação em
Física, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2009.
[25] MACHADO, M. V. T. Física do pomeron a altas energias. 2002. Tese (Dou-
torado) - Instituto de Física, Universidade do Estado do Rio Grande do Sul, Porto
Alegre, 2002.
[26] DESGROLARD, P.; GIFFON, M.; PREDAZZI, E. High quality description of
elastic high energy data and prediction on new phenomena. Z. Phys. C, v. 63, p.
241-252, 1994.
[27] KIENZLE, W. et al. TOTEM Collaboration. Letter of Intent CERN/LHCC, p.
97-49.
[28] RAME�, J. The role of the Froissart-Martin bound in high-energy correlations of
scattering quantities. Czechoslovak Journal of Physics, B33, p. 870-876, 1983.
[29] DEILE, M. et al. TOTEM COLLABORATION: di�raction and total cross-
section at the Tevatron and the LHC. 2006. Disponível em: <arXiv:hep-
ex/0602021v1>.
[30] FROISSART, M. Asymptotic Behavior and Subtractions in the Mandelstam Re-
presentation. Phys. Rev., v. 123, p. 1053-1057, 1961.
[31] MARTIN, A. Unitarity and High-Energy Behavior of Scattering Amplitudes. Phys.
Rev., v. 129, p. 1432-1436, 1963.
[32] COHEN-TANNOUDJI, G.; SANTORO, A.; SOUZA, M. The three-component dual
deck model, factorization and double di�ractive dissociation. Nucl. Phys. B, v.
129, p. 286-300, 1977.
[33] UA8 COLLABORATION. Evidence for transverse jets in high-mass di�raction:
UA8 Experiment. Phys. Lett. B, v. 211, p. 239-246, 1988.
[34] INGELMAN, G.; SCHLEIN, P. E. Jet structure in high mass di�ractive scattering.
Phys. Lett. B, v. 152, p. 256-260, 1985.
118
[35] UA8 COLLABORATION. Evidence for a super-hard pomeron structure. Phys.
Lett. B, v. 297, p. 417-424, 1992.
[36] AMARAL S. M. S. Observação de eventos de dijatos de alto pT separados
por uma lacuna de rapidez no framework de BFKL no CMS. 2011. Tese
(Doutorado) - Programa de Pós-Graduação em Física, Universidade do Estado do
Rio de Janeiro, Rio de Janeiro, 2011.
[37] CHEW, G. F. P.; FRAUTSCHI, S. C. Principle of Equivalence for all Strongly
Interacting Particles within the S-Matrix Framework. Phys. Rev. Lett., v. 7, p.
394-397, 1961.
[38] GOULIANOS, K. Di�raction with CDF II at the Tevatron. In: DIFFRACTION
2008: International Workshop on Di�raction in High Energy Physics, 2008, La
Londe-les-Maures, France. [Proceedings...]. La Londe-les-Maures, 2008.
[39] ABATZIS, S.; et al. Observation of a narrow scalar meson at 1450 MeV in the
reaction pp → pf(π+π−π+π−)ps at 450 GeV using the CERN Omega spectrometer.
Phys. Lett. B, v. 324, p. 509-514, 1994.
[40] DONNACHIE, A.; LANDSHOFF, P. V. Total cross sections. Phys. Lett. B, v.
296, p. 227-232, 1992.
[41] TOTEM COLLABORATION. The TOTEM Experiment at the CERN Large Ha-
dron Collider. JINST, v. 3, S08001-S08007, 2008.
[42] KHOZE, V. A.; MARTIN, A. D.; RYSKIN, M. G. Double-di�ractive Higgs produc-
tion and pomeron-pomeron luminometry in proton collisions. Nuclear Physics B
- Proceedings Supplements, v. 99, p. 188-191, 2001.
[43] MALBOUISSON, H. B. Função de estrutura do antipróton nas interações
difrativas pp̄ a√s = 1,96 TeV. 2007. Tese (Doutorado) - Programa de Pós-
Graduação em Física, Universidade do Estado do Rio de Janeiro, Rio de Janeiro,
2007.
[44] COLLINS, J. C. Light-cone variables, rapidity and all that. Disponível em:
<http://arxiv.org/abs/hep-ph/9705393v1>.
119
[45] AKTAS, A; et al. Measurement and QCD analysis of the di�ractive deep-inelastic
scattering cross-section at HERA. Eur. Phys. J. C, v. 48, n. 3, p. 715-748, 2006.
[46] ARNEODO, M.; DIEHL, M.Di�raction for non-believers, in HERA and the
LHC. Relatório CERN-2005-014. Genebra, 2005.
[47] VILELA, A. Prospects for the measurement of hard di�raction with the
CMS detector at the Large Hadron Collider. 2010. Tese (Doutorado) - Scuola
di Dottorato in Scienza ed Alta Tecnologia, Università degli Studi di Torino, Torino,
2010.
[48] KHOZE, V. A.; MARTIN, A. D.; RYSKIN, M. G. Soft di�raction and the elastic
slope at Tevatron and LHC energies: a multi-Pomeron approach. The European
Physical Journal C - Particles and Fields, v. 18, p. 167-179, 2000.
[49] H1 COLLABORATION. Deep inelastic scattering events with a large rapidity gap
at HERA. Nucl. Phys. B, v. 429, p. 477-502, 1994.
[50] ZEUS COLLABORATION. Observation of events with a large rapidity gap in deep
inelastic scattering at HERA. Phys. Lett. B, v. 315, p. 481-493, 1993.
[51] D'ENTERRIA, D. Forward physics at the LHC: QCD, electroweak and Higgs,
Part I. QCD School Les Houches, 2008.
[52] BARONE, V.; PREDAZZI, E. High energy particle di�raction. Berlin: Sprin-
ger, 2002.
[53] COLLINS, P. D. B. An Introduction to Regge theory and high-energy phy-
sics. Cambridge: Cambridge University Press, 1977.
[54] CERN HADRON LINACS: informações sobre os estágios de Aceleração do LHC.
Disponível em: <http://linac2.home.cern.ch/linac2/default.htm>.
[55] CID-VIDAL, X.; CID, R. LHC: the emptiest space in the solar system. Phys.
Educ., v. 46, p. 45-49, 2011.
[56] MANGLUNKI, D. The LHC injection chain. Disponível em:
<w3.iihe.ac.be/Research/SeminarsArchives0809/Manglunki-2.pdf>.
120
[57] CMS COLLABORATION. The CMS physics technical design report. Rela-
tório CERN/LHCC 2006-001, 2006.
[58] CMS COLLABORATION. Results from a beam test of a prototype PLT
diamond pixel telescope. Relatório CMS NOTE-2009/022, 2009.
[59] ALBROW, M. G. et al. The FP420 R&D Project: Higgs and
new physics with forward protons at the LHC. 2008. Disponível em
<http://arxiv.org/abs/0806.0302>.
[60] LATTES, C. M. G.; FUGIMOTO, Y.; HASEGAWA, S. Hadronic interactions of
high energy cosmic-ray observed by emulsion chambers. Phys. Rep., v. 65, p.
151-229, 1980.
[61] SCHUL, N. Exclusive µ+µ−: Candidates and ZeroBias/ZDC studies. CMS Inter-
nal Meeting, 2010.
[62] CMS COLLABORATION. CMS data processing work�ows during an extended
cosmic ray run, JINST, v. 5, T03006, p. 1-28, 2010.
[63] ARAUJO, F. T. S.; OBERTHINO, M. M. Observation of single-di�ractive
production of di-jets at the LHC. Relatório CMS AN 2008/059, 2008.
[64] ARAUJO, F. T. S. Estudo das correlações cinemáticas em topologias de
difração dura no contexto do CMS/LHC. 2010. Dissertação (Mestrado) -
Programa de Pós-Graduação em Física, Universidade do Estado do Rio de Janeiro,
Rio de Janeiro, 2010.
[65] CMS COLLABORATION. Observation of di�raction in proton-proton col-
lisions at 7 TeV centre-of-mass energies at the LHC. Relatório CMS PAS
FWD-10-007, 2010.
[66] CDF COLLABORATION. Measurement of Di�ractive Dijet Production at the Fer-
milab Tevatron. Phys. Rev. Lett., v. 79, p. 2636-2641, 1997.
[67] CDF COLLABORATION. Di�ractive dijets with a leading antiproton in p̄p Colli-
sions at√s = 1800 GeV. Phys. Rev. Lett., v. 84, p. 5043-5048, 2000.
121
[68] CDF COLLABORATION. Di�ractive dijet production at√s = 630 and 1800 GeV
at the Fermilab Tevatron. Phys. Rev. Lett., v. 88, p. 151802, 2002.
[69] D 60 COLLABORATION. Hard single di�raction in p̄p collisions at√s = 630 and
1800 GeV. Phys. Lett. B, v. 531, p. 52-60, 2002.
[70] KHOZE, V. A.; MARTIN, A. D.; RYSKIN, M. G. The extraction of the bare
triple-pomeron vertex; a crucial ingredient for di�raction. Phys. Lett. B, v. 643,
p. 93-97, 2006.
[71] GOTSMAN, E.; LEVIN, E.; MAOR, U.; NAFTALI, E.; PRYGARIN,
A. Survival Probability of Large Rapidity Gaps. Disponível em:
<http://arxiv.org/abs/hep-ph/0511060>.
[72] MILLER, J. S. Survival probability for di�ractive Higgs production in high density
QCD. Eur. Phys. J. C, v. 56, p .39-55, 2008.
[73] DE ROECK, A. Di�raction and forward physics at the LHC: di�ractive and ele-
tromagnetic process at high energy . In: SUMMER SCHOOL ACQUAFREDDA,
2010, Maratea. [Proceedings...]. Maratea, 2010.
[74] PROCEDIMENTO de Análise da Colaboração CMS. Disponível em:
<https://twiki.cern.ch/twiki/bin/viewauth/CMS/Collisions2010Recipes> (Neces-
sário autenticação para acesso).
[75] ZEUS COLLABORATION. Study of deep inelastic inclusive and di�ractive scat-
tering with the ZEUS forward plug calorimeter. Nucl. Phys. B, v. 713, p. 3-80,
2005.
[76] H1 COLLABORATION. Measurement and QCD analysis of the di�ractive deep-
inelastic scattering cross section at HERA. Eur. Phys. J. C, v. 48, p. 715-748,
2006.
[77] GILL, K.; DRIS, S.; TROSKA, J.; VASEY, F.Predicting the gain spread of the
CMS tracker analog readout optical links. Relatório CMS NOTE -2006/145,
2006.
122
[78] RICCI, D. Optical Time Domain Re�ectometer (OTDR) - quality control
procedures. Relatório CMS NOTE, 2007.
[79] GILL, K.; GRABIT, R.; TROSKA, J.; VASEY, F. Radiation Hardness Quali�ca-
tion of InGaAsP/InP 1310nm Lasers for the CMS Tracker Optical Links. IEEE
Transactions on Nuclear Science, v. 49, p. 2923-2929, 2002.
[80] REGAZZI, R. D.; PEREIRA, F. M.; JUNIOR, M. F. S. Soluções práticas de
instrumentação e automação. Rio de Janeiro: KWG, 2005.
[81] NOTAS encontradas no endereço da colaboração do sistema de trajetogra�a. Dis-
ponível em: <http://cms-tk-opto.web.cern.ch/cms-tk-opto>.
[82] SANTORO, A.; MAHON, J. R.; OLIVEIRA, J. U. C.; MUNDIM, L. M.; OGURI,
V.; PRADO, W. L. Estimativas e erros em experimentos de física. Rio de
Janeiro: EdUERJ, 2005.
[83] CMS/CASTOR COLLABORATION. Performance studies of the �nal pro-
totype for the CASTOR forward calorimeter at the CMS experiment.
Relatório CMS-NOTE-2008-022, 2008.
[84] GÖTTLICHER, P.; CMS/CASTOR COLLABORATION. Design and test
beam studies for the CASTOR calorimeter of the CMS experiment. Dis-
ponível em: <http://adsabs.harvard.edu/abs/2010NIMPA.623..225G>.
[85] KATKOV, I. CMS/CASTOR COLLABORATION. The forward CASTOR ca-
lorimeter of the CMS experiment, Lepton-Photon. 2009.
[86] CASTOR: página Twiki.
Disponível em: <https://twiki.cern.ch/twiki/bin/view/CMS/CASTOR>.
[87] TESTES com feixes de 2008: página Twiki. Disponível em:
<https://twiki.cern.ch/twiki/bin/view/CMS/TB08DataAnalysis>.
[88] CASTOR. Disponível em:<http://cmsdoc.cern.ch/cms/castor/html/>.
[89] MONITORAMENTO das câmaras de �os em 2009. Disponível em:
<https://twiki.cern.ch/twiki/bin/view/CMS/CastorTB09WireChambersTest>.
123
[90] SJOSTRAND, T.; MRENNA, S.; SKANDS, P. Z. PYTHIA 6.4 Physics and
Manual. JHEP 05, v. 26, 2006. Disponível em <http://iopscience.iop.org/1126-
6708/2006/05/026/>.
[91] SJOSTRAND, T.; MRENNA, S.; SKANDS, P. Z. A Brief Introduction to
PYTHIA 8.1. Disponível em <http://arxiv.org/abs/0710.3820>.
[92] ESKOLA, K. J.; et al. A global DGLAP analysis of nuclear PDFs. J. Phys.: Conf.
Ser., v. 110, part 3, 2008.
[93] MARCHESINI, G.; WEBBER, B. R. Simulation of qcd jets including soft gluon
interference. Nuclear Physics B, v. 238, p. 1-29, 1984.
[94] JORGE, L. S. Estudo das lacunas de rapidez dos eventos de Minimum
Bias a√s = 7 TeV no CMS/LHC. 2011. Dissertação (Mestrado) - Programa
de Pós-Graduação em Física, Universidade do Estado do Rio de Janeiro, Rio de
Janeiro, 2011.
[95] NAKAMURA, K. PDG Group. Review of particle physics. Journal of Physics
G: Nuclear and Particle Physics, v. 37, n. 7A, 2010.
[96] SOYEZ, G. The SISCone and anti-kt jet algorithms. 2008. Disponível em:
<arXiv:0807.0021v1>.
[97] HEINRICH, M. A jet based approach to measuring soft contributions to
proton-proton collisions with the CMS experiment. 2011. Tese (Doutorado)
- Karlsruhe Institute of Technology, 2011.
[98] GOTSMAN, E. The survival probability of large rapidity gaps. In: LISHEP IN-
TERNATIONAL SCHOOL OF HIGH ENERGY PHYSICS, 1998, Rio de Janeiro.
[Proceedings...]. Rio de Janeiro, 1998.
[99] ALVES, G. Di�ractive results from Tevatron. In: LOS ANGELES MEETING, Los
Angeles, 1999. [Proceedings...]. Los Angeles, 1999.
[100] LEVIN, E. Survival probability of large rapidity gaps, Run II QCD WS. In: DIF-
FRACTIVE PHYSICS AND COLOR COHERENCE, WG-Fermilab, 1999. [Pro-
ceedings...].
124
[101] PROSKURYAKOV, A. Update on di�ractive dijets analysis. In: CMS Internal
Meeting, Março de 2011.
125
APÊNDICE A - Trabalho no Sistema de Trajetogra�a
No sistema de trajetogra�a do CMS colaboramos em uma equipe, sob supervisão
do Físico Karl Aaron Gill, designada para conectar os cabos de �bras ópticas do sistema
de trajetogra�a do CMS até a sala de contagem do P5, onde localizam-se os bastidores de
eletrônica rápida, Figura 77. Para cada cabo do sistema de trajetogra�a do CMS, existe
na sala de controle um módulo para processamento de sinais analógicos conhecido como
The Front-End Driver VME Card (FED). Caso os cabos sejam de controle do sistema de
trajetogra�a são conectados nos módulos The Front-End Controller VME Card (FEC) já
que esse tipo de sinal é digital. Tais sistemas eletrônicos utilizam optotransmissores [77].
Figura 77 - Foto dos módulos FED.
Os engenheiros e físicos foram responsáveis em testar os cabos de �bras ópticas
conectados, medir os comprimentos das �bras, identi�car os cabos quebrados, partidos e
torcidos, desenvolver ferramentas para análise de dados, analisá-los, além de controlar e
documentar todos os resultados. Esses trabalhos foram coordenados por Daniel Ricci.
No âmbito dos testes, existe um caráter especial para serem efetuados com cautela
e precisão visto que a única maneira de obterem-se medidas concretas dos comprimentos
dos cabos de �bras ópticas é através desses testes.
Essas medidas são importantes para que a equipe de aquisição de dados do sistema
de trajetogra�a possa desenvolver programas de computador para sincronizarem os detec-
126
tores de silício. A cada 5 m de �bra óptica, existe um atraso na transmissão do sinal de
aproximadamente 1 ns. Como a geometria do sistema de trajetogra�a é cilíndrica, os ca-
bos possuem diferentes tamanhos até a sala de controle. Há necessidade de sincronização
para que em um mesmo intervalo de tempo todos os sinais provenientes dos detectores de
silício e microtiras sejam processados na sala de contagem do P5.
Qualidade e Controle dos Cabos de Fibras Ópticas
Ao total, o sistema de trajetogra�a do CMS é composto por 570 cabos de transmis-
são de dados chamados multiribbons (MR), Figura 78(a). Cada um desses cabos possui
96 �bras ópticas. Em uma das extremidades dos MRs existem 8 conjuntos de 12 �bras
com conectores do tipo Multi-Fiber Push-On (MPO), Figura 78(b).
(a) Cabos Multiribbon. (b) Conectores MPO.
Figura 78 - Conexões MPO e cabos do sistema de trajetogra�a.
Os cabos que saem do interior do sistema de trajetogra�a são conhecidos como
fanouts. Tais cabos estão conectados internamente, através de conectores chamados MUs
aos cabos chamados de pigtails, Figura 79(a). Externamente ao sistema de trajetogra-
�a os fanouts são conectados à um conjunto de gavetas chamadas cassetes em posições
especí�cas, Figura 80.
127
(a) Conectores MU no interior dosistema de trajetogra�a.
(b) Conectores MFS.
Figura 79 - Conexões MU e MFS do sistema de trajetogra�a.
Os conectores dentro de cada uma dessas gavetas são chamados de MFS, Figura
79(b). Para um conjunto de cassetes tem-se um setor do anel do CMS. Ao total, são 18
setores em ambos lados do detector (lado positivo e negativo), sendo que 4 dos 36 setores
são áreas reservadas para a mecânica de suporte do sistema de trajetogra�a.
Figura 80 - Foto de um dos setores contendo 4 cassetes.
O uso de �bras ópticas economiza espaço no detector, evita a interferência ele-
tromagnética entre os cabos e a interferência do campo magnético externo do solenóide
na transmissão de sinais. Entretanto, as �bras ópticas são bastante frágeis. Antes de
todos os testes dos cabos, foram removidas impurezas e gordura das �bras com o uso de
limpadores especiais [78], Figura 81.
128
(a) Um dos limpadores dos conectoresfêmea MPO.
(b) Um dos limpadores dos conec-tores macho MPO.
Figura 81 - Dispositivos para limpeza das �bras ópticas.
Instrumento de Medida
O instrumento utilizado para os testes nos cabos de �bras ópticas é conhecido como
OTDR (Optical Time Domain Re�ectometer)25.
Figura 82 - Instrumento de medida OTDR.
O OTDR funciona medindo a potência do laser emitido e a potência da laser
recebido. A toda diferença de potência do laser, tem-se um pico. A largura do pico é a
diferença temporal entre o sinal emitido e o recebido e denota uma medida de distância.
As medidas aferidas explicitam a localização de eventuais problemas nos cabos.
A equipe de Qualidade e Controle [81] dos cabos adaptou o uso do OTDR para que
em um mesmo teste, pudessem ser testadas 12 �bras de um dos cabos com conector MPO
do multi-ribbon (Figura 83), já que o OTDR é um instrumento que mede apenas uma
�bra por teste. Desta maneira, os testes foram realizados mais rapidamente. A unidade
de medida do OTDR é dB26 para a amplitude dos sinais laser e cm para os comprimentos
25Em português signi�ca Re�ectrômetro Óptico no Domínio do Tempo.26o dB (decibel) é uma unidade logarítma de medição de ruídos e de amplitude de ondas.
129
medidos.
Figura 83 - Esquema com as divisões nos cabos de testes do OTDR.
A cada teste realizado em um multiribbon obtem-se um espectro com os picos de
laser esperados. Quando esses picos estão em distâncias diferentes das que são de�nidas
para aparecer no espectro, deduz-se que os cabos tem algum tipo de problema. Basi-
camente essa é a maneira mais geral para explicar o funcionamento dos testes que são
intimamente relacionados à interpretação de um conjunto de parâmetros medidos e de
conhecimento das associações dos tipos de cabos, com tamanhos distintos, instalados no
sistema de trajetogra�a.
Os problemas mais comuns foram os de MFS, signi�cando que os fanouts não
estavam conectados corretamente ou sujos nos cassetes. Outro problema comum foi o de
MU. Esse problema denota que os pigtails conectados aos fanouts no interior do sistema
de trajetogra�a estão sujos ou com conexões problemáticas.
Quando existia um problema de MFS, esse era rapidamente reparado. No entanto,
os problemas de MU não eram reparados pois um dos lados dos fanouts e todos os pigtails
estavam no interior do sistema de trajetogra�a, e portanto inacessíveis. Ao �m de todos
os testes, apenas uma �bra no interior do sistema de trajetogra�a foi dani�cada. Os
problemas de MU não impossibilitam a aquisição de dados.
A cada �bra testada, o programa de computador de controle do OTDR gerava
um arquivo contendo os resultados dos testes. Esse arquivo possuía uma formatação
particular com as identi�cações dos conectores e os valores medidos dos comprimentos das
�bras. Em alguns momentos quando as �bras eram retestadas, arquivos mais atualizados
eram gerados. Para análise mais atualizada dos resultados, foi desenvolvido um conjunto
de ferramentas de programação que selecionava os arquivos mais atualizados e extraia
informações pertinentes de cada um, salvando-as em único arquivo.
130
Testes e Atividades
Ao total, foram testados aproximadamente 50.000 canais de �bras ópticas utilizando-
se o OTDR. Concomitante ao trabalho, foram desenvolvidas três ferramentas de progra-
mação [80], em linguagem visual LabView27, para o organização dos resultados gerados e
um código em C++28 para análise dos medidas. Além disso, ao término de cada dia de
trabalho, era atualizado um arquivo com todos os resultados, manuscrito e digital.
Figura 84 - Pastas contendo as resultados manuscritos dos testes.
Outra atividade exercida pela nossa equipe foi conectar todos os cabos testados
nos bastidores, limpando ambos conectores e inserindo uma �ta de silicone para proteção
das �bras.
Figura 85 - Cabos conectados nos bastidores.
27Labview - Linguagem de programação visual, conhecida como linguagem G, utilizada para controlar,simular e automatizar dispositivos eletrônicos.
28C++ - Linguagem de programação orientada à objeto.
131
Desenvolvimento de Ferramentas de Programação
O primeiro dos programas de computador desenvolvidos objetiva organizar todas as
medidas dos comprimentos dos cabos que são importantes para a posterior sincronização
dos detectores de silício e microtiras do sistema de trajetogra�a.
O programa faz uma leitura de todos os arquivos com medidas de comprimentos
de cada uma das �bras dos cabos, organiza-os na codi�cação do grupo do sistema de
aquisição de dados (as identi�cações dos cabos do grupo de qualidade e controle eram
diferentes das do grupo de aquisição de dados) e copia todas as medidas, em uma tabela,
na linha concernente à identi�cação do código do cabo.
Figura 86 - Tela do programa que gera o arquivo com os comprimentos dos cabos MR.
Outra ferramenta foi desenvolvida para copiar os arquivos de testes mais atua-
lizados de uma pasta especí�ca, extraindo os resultados pertinentes de cada um desses
arquivos e salvando-os em um único arquivo.
Figura 87 - Tela do programa que gera o arquivo de dados.
O arquivo gerado por esse programa contém as informações dos comprimentos de
132
cada uma das �bras, dos fanouts, pigtails e as medidas de problemas de fantasma29.
A aplicação seguinte objetiva separar essas informações de um único arquivo, ge-
rado pelo programa anterior, em diferentes arquivos para posterior análise. São gerados 4
arquivos com as informações dos comprimentos dos cabos, dos fanouts, dos pigtails e dos
problemas de fantasma.
Figura 88 - Tela do programa que gera os arquivos para análise.
Análise dos Testes
Com os arquivos gerados pelos programas descritos anteriormente foram criados
histogramas para análise de dados [82]. Aos pigtails, fanouts e aos cabos que levam até a
sala da eletrônica, o fabricante forneceu comprimentos nominais. Sendo assim, utilizando-
se as medidas nominais podemos comparar com as medidas aferidas. Caso exista algum
desvio muito grande em algumas dessas distribuições, podemos encontrar cabos partidos
que não foram reparados por algum descuido ou que são irreparáveis. Nosso objetivo foi
também encontrar a porcentagem de problemas nas juntas MU.
Análise dos Comprimentos dos Cabos do Tipo Fanout
Nesse tópico, apresentaremos os resultados medidos nos testes com o OTDR du-
rante mais de dois meses no P5. Lembramos também que os arquivos foram gerados
pelas ferramentas computacionais desenvolvidas nesse trabalho. Na Figura 89 mostramos
o histograma que contém as medidas aferidas para os comprimentos dos cabos fanout.29Fantasmas - re�exões sucessivas nos cabos de �bras ópticas. Geralmente ocorrem quando existe uma
grande re�exão MU.
133
Utilizando-se arquivos do banco de dados do grupo do sistema de trajetogra�a, encontra-
mos as medidas nominais, que podem ser veri�cadas no mesmo histograma.
Figura 89 - Histograma com os valores dos comprimentos dos fanouts medidos peloOTDR.
Cada uma das regiões contendo estatística su�ciente foi ajustada com uma distri-
buição Gaussiana [82] e os valores organizados na tabela abaixo.
Tabela 10 - Estimativas dos comprimentos dos cabos do tipo Fanout.
Comprimento Médio dos Fanouts [cm]618,6± 3,8604,1± 2,9571,1± 4,8531,2± 8,3483,7± 6,5482,6± 4,3467,2± 3,8446,4± 4,7418,9± 3,4408,0± 1,0
As medidas de fanouts são obtidas a partir de uma seleção no arquivo de dados.
Os cabos do tipo fanout estão acoplados aos cabos pigtails. Sendo assim, conclui-se que a
seleção das medidas dos comprimentos dos cabos fanout é verdadeira quando existir uma
medida de comprimento dos cabos do tipo pigtail no arquivo de dados. Ao total, foram
reportados aproximadamente 42.130 canais com problemas de MU, o que corresponde a
134
uma porcentagem de 93% de todos os canais do sistema de trajetogra�a.
Análise dos Comprimentos dos Cabos do Tipo Pigtails
As medidas dos comprimentos dos cabos tipo pigtail estão representadas na Figura
90 e foram obtidas utilizando-se o instrumento de medida OTDR. As informações dos
arquivos de dados do OTDR foram organizadas pelo conjunto de ferramentas computaci-
onais que desenvolvemos nesse trabalho.
Figura 90 - Histograma com os valores dos comprimentos dos Pigtails medidos peloOTDR.
Cada uma das regiões do histograma dos comprimentos medidos para os cabos do
tipo pigtail foi ajustada com uma distribuição Gaussiana, e por consequência, os valores
organizados na Tabela 11.
Tabela 11 - Estimativas dos comprimentos dos cabos do tipo Pigtail.
Comprimento Médio dos Pigtails [cm]203,1± 1,2124,3± 1,0113,5± 0,7101,5± 1,089,5± 1,057,7± 1,136,7± 1,1
135
Comparando as medidas aferidas para o comprimento dos cabos do tipo pigtail
com as medidas nominais, encontramos re�exões que não são esperadas na região de 0
até 15 cm do histograma na Figura 90. No histograma (Figura 91) é con�rmada esta
observação.
Figura 91 - Histograma com regiões de comprimentos não esperadas quando comparadascom os valores nominais.
Podemos concluir, que existem pelo menos 13 canais dani�cados. Em nossa tabela
de controle dos resultados manuais, veri�camos um conector contendo 12 canais que é
irreparável, já que está dani�cado no interior do sistema de trajetogra�a.
136
Análise dos Comprimentos dos Cabos do Tipo Multirribon
No histograma da Figura 92 é de se perceber cinco regiões distintas para os com-
primentos dos cabos que saem do sistema de trajetogra�a e chegam até a sala de controle
da eletrônica. Essas regiões são concernentes à geometria do sistema de trajetogra�a. Os
cabos mais longos são os que estão em uma posição diametralmente oposta à sala de
controle.
Figura 92 - Histograma com os valores dos comprimentos dos cabos MR medidos peloOTDR.
As estimativas para os comprimentos dos cabos do tipo Multirribon foram organi-
zadas na Tabela 12.
Tabela 12 - Estimativas dos comprimentos dos cabos do tipo Multirribon.
Comprimento Médio dos cabos Multirribon [cm]6626± 156122± 105621± 115123± 114624± 11
137
Conclusões
Em todas os histogramas obtidos, somente foram ajustadas as regiões em que havia
estatística para tal, mesmo que previamente fossem conhecidas todas as regiões nominais.
Tal fato é bastante destacado, pois algumas regiões nominais possuem estatística da ordem
de poucos canais para um dado comprimento.
Ao total, as ferramentas de computação organizaram os dados de 545 pastas que
continham os arquivos medidos pelo OTDR. Considerando-se que dentro dessas pastas
8 arquivos de análise nos interessavam (arquivos concernentes a cada conector MPO),
conclui-se que 4360 conectores MPO foram testados (mesmo os desconectados). Deste
modo, comparando-se com o número de canais conectados no sistema de trajetogra�a,
concluímos que existem aproximadamente 20% de canais sobressalentes.
Analisando as ferramentas computacionais desenvolvidas, aproximadamente 2%
dos arquivos estão com algum tipo de problema, já que não forneceram nenhuma medida
do comprimento dos cabos Multirribon. Para melhor destaque dos cabos que possivel-
mente estão dani�cados, em um único histograma foram somados os comprimentos dos
cabos Pigtail, Fanout e eventuais re�exões chamadas fantasmas. É de se esperar, uma
distribuição Gaussiana pois os Pigtails somados aos Fanouts possuem comprimentos co-
nhecidos. Os fantasmas são problemas que ocorrem quando há re�exões inesperadas nos
conectores de MU (destacado por um pico de amplitude maior que 35 dB), sendo portanto,
próximos aos pigtails.
Figura 93 - Histograma com os valores dos comprimentos dos Fanouts, Pigtails e Fantas-mas somados.
138
Quando observamos o histograma gerado (Figura 93), uma região não esperada
aparece (> 900 cm). Nesta região os comprimentos dos Fanouts e Pigtails somados são
maiores do que o real comprimento no interior do sistema de trajetogra�a. Conclui-se que
essa região é concernente à canais quebrados que não foram perceptíveis nos histogramas
dos cabos Fanout.
139
APÊNDICE B - Trabalho no CASTOR
Para veri�car o funcionamento do CASTOR e estudar a resolução na medida da
energia para elétrons e píons, foram realizados testes com feixes do calorímetro com feixes
de partículas provenientes do Super Proton Synchrotron (SPS)30.
Na área de teste haviam, dentre outros elementos, cinco câmaras de �os denomi-
nadas WCA, WCB, WCC, WCD e WCE, as quais foram utilizadas para a determinação
do posicionamento do feixe. Na Figura 94 mostramos um esquema geral da disposição
das câmaras de �os no teste com feixe. Neste trabalho apresentamos o método de análise
que desenvolvemos para o estudo do comportamento dessas câmaras.
Figura 94 - Esquema do teste com feixe. A WCA, a primeira a ser sensibilizada pelofeixe e a mais afastada, não estava funcionando.
Motivações e Metodologia
Esse trabalho foi motivado pelas seguintes questões:
1. uma das câmaras (WCD) apresentava uma pequena região sem atividade e uma
aparente descorrelação com uma outra câmara de �os próxima (WCE) em alguns
eventos;
2. a câmara de �os WCA não funcionava;
3. entender o comportamento das câmaras de �os antes de uma análise detalhada da
resposta do calorímetro.
Diante dos problemas encontrados, a primeira ação foi desenvolver um conjunto
de ferramentas computacionais para que os eventos das amostras de dados31 pudessem30Em 1983, foram descobertos os bósons da interação fraca W e Z no SPS.31Períodos de aquisição chamados de run, em Inglês.
140
ser visualizados e melhor estudados, uma espécie de monitor de eventos (Event Display
O�-Line). Esta ferramenta apresenta as coordenadas do feixe registradas por cada uma
das câmaras de �os operacionais (WCB, WCC, WCD e WCE), em duas vistas: uma
tridimensional e outra no plano das câmaras.
Beam Line (Unit)
0 20 40 60 80 100 120 140 160
X (mm)
−200−150
−100−50
050
100150
200
Y (
mm
)
−200
−150
−100
−50
0
50
100
150
200
Run 47774, Event 24, Reconstructed Tracks Entries 4Run 47774, Event 24, Reconstructed Tracks
Beam Line (Unit)
0 20 40 60 80 100 120 140 160
X (mm)
−200−150
−100−50
050
100150
200
Y (
mm
)
−200
−150
−100
−50
0
50
100
150
200
Entries 4Entries 4Run 47774, Event 24, Reconstructed Tracks
X (mm)−50 −40 −30 −20 −10 0 10 20 30 40 50
Y (
mm
)
−50
−40
−30
−20
−10
0
10
20
30
40
50
Run 47774, Event 24, Wire Chamber Front View Entries 4Wire ChamberBCDE
Run 47774, Event 24, Wire Chamber Front View
(a) Evento 24.
Beam Line (Unit)
0 20 40 60 80 100 120 140 160
X (mm)
−200−150
−100−50
050
100150
200
Y (
mm
)
−200
−150
−100
−50
0
50
100
150
200
Run 47774, Event 25, Reconstructed Tracks Entries 4Run 47774, Event 25, Reconstructed Tracks
Beam Line (Unit)
0 20 40 60 80 100 120 140 160
X (mm)
−200−150
−100−50
050
100150
200
Y (
mm
)
−200
−150
−100
−50
0
50
100
150
200
Entries 4Entries 4Run 47774, Event 25, Reconstructed Tracks
X (mm)−50 −40 −30 −20 −10 0 10 20 30 40 50
Y (
mm
)
−50
−40
−30
−20
−10
0
10
20
30
40
50
Run 47774, Event 25, Wire Chamber Front View Entries 4Wire ChamberBCDE
Run 47774, Event 25, Wire Chamber Front View
(b) Evento 25.
Beam Line (Unit)
0 20 40 60 80 100 120 140 160
X (mm)
−200−150
−100−50
050
100150
200
Y (
mm
)
−200
−150
−100
−50
0
50
100
150
200
Run 47774, Event 26, Reconstructed Tracks Entries 4Run 47774, Event 26, Reconstructed Tracks
Beam Line (Unit)
0 20 40 60 80 100 120 140 160
X (mm)
−200−150
−100−50
050
100150
200
Y (
mm
)
−200
−150
−100
−50
0
50
100
150
200
Entries 4Entries 4Run 47774, Event 26, Reconstructed Tracks
X (mm)−50 −40 −30 −20 −10 0 10 20 30 40 50
Y (
mm
)
−50
−40
−30
−20
−10
0
10
20
30
40
50
Run 47774, Event 26, Wire Chamber Front View Entries 4Wire ChamberBCDE
Run 47774, Event 26, Wire Chamber Front View
(c) Evento 26.
Beam Line (Unit)
0 20 40 60 80 100 120 140 160
X (mm)
−200−150
−100−50
050
100150
200
Y (
mm
)
−200
−150
−100
−50
0
50
100
150
200
Run 47774, Event 27, Reconstructed Tracks Entries 4Run 47774, Event 27, Reconstructed Tracks
Beam Line (Unit)
0 20 40 60 80 100 120 140 160
X (mm)
−200−150
−100−50
050
100150
200
Y (
mm
)
−200
−150
−100
−50
0
50
100
150
200
Entries 4Entries 4Run 47774, Event 27, Reconstructed Tracks
X (mm)−50 −40 −30 −20 −10 0 10 20 30 40 50
Y (
mm
)
−50
−40
−30
−20
−10
0
10
20
30
40
50
Run 47774, Event 27, Wire Chamber Front View Entries 4Wire ChamberBCDE
Run 47774, Event 27, Wire Chamber Front View
(d) Evento 27.
Figura 95 - Nas �guras a,b,c e d os grá�cos da esquerda são as reconstruções do feixe eos da direita os per�s frontais.
Como exemplo das visualizações produzidas pelo monitor de eventos apresentamos
nas Figura 95(a) - Figura 95(d) uma seqüência de alguns eventos sucessivos. Observa-se
que as coordenadas nas câmaras D (verde) e E (azul) repetem-se em todos estes eventos.
Tal repetição foi compreendida como uma ausência de informação correta sobre a posição
da partícula na câmara em questão, para estes eventos. Após um exame mais detalhado
descobrimos que os valores das taxas de repetição estavam intimamente relacionados com
problemas operacionais nas câmaras de �os (vazamento de gás, cabos dani�cados dentre
outros). Em consequência, demonstramos que para o estudo das respostas do calorímetro,
os eventos em que ocorreram tais repetições deveriam ser removidos.
Um conjunto de ferramentas computacionais foi desenvolvido para a análise dos
per�s das câmaras de modo sistemático para a maioria dos períodos de aquisição de dados.
As ocorrências dos problemas foram identi�cadas quando comparadas com as informações
do livro de registros (Log Book).
141
Na Figura 96 mostramos dois desses runs problemáticos.
Figura 96 - Superposição de per�s nas câmaras WCB, WCC e WCD e regiões sematividade na câmara WCD.
Outra ferramenta foi desenvolvida para calcular as taxas de repetições para as
amostras de dados em função dos dias de teste. Com isso, foi possível identi�car o período
exato em que ocorreu determinado problema. Os grá�cos mostrando essa dependência
temporal podem ser vistos nas Figura 97(a) e Figura 97(b) para as coordenadas x e y
respectivamente.
(a) Taxa de repetição da coordenada x emfunção dos dias de teste.
(b) Taxa de repetição da coordenada y emfunção dos dias de teste.
Figura 97 - Em ambos grá�cos as câmaras B e C apresentam valores correlacionados.A câmara D ao longo do tempo aumentou a porcentagem de repetição e a câmara E umcomportamento aleatório.
A Figura 97(a) e a Figura 97(b) mostram uma correlação entre as taxas de re-
petição para as coordenadas x e y de cada uma das câmaras, consequência do fato que
a ausência de sinal em uma vista implicava na ausência de sinal na outra vista. Vê-se
nesses grá�cos que as taxas de repetição foram muito diferentes para as diversas câmaras.
Enquanto as câmara B (azul) e C (rosa) apresentaram valores da taxa de repetição em
torno de 20%, as câmaras D (verde) e E (cinza) apresentaram, em geral, valores maiores
e comportamento mais instável. A análise desses grá�cos revelou vários problemas que
142
puderam ser claramente correlacionados com as variações das taxas de repetição, como
vazamento de gás na câmara D (verde) e falhas eletrônicas na câmara E (cinza).
Para o teste do ano seguinte (2009) do calorímetro, foi desenvolvida uma ferra-
menta que permitiu a análise e o monitoramento da qualidade das câmaras de �os quase
simultaneamente à tomada de dados. O programa calculava a porcentagem dos eventos
não válidos e permitia identi�car rapidamente a(s) câmara(s) de �o que não estivesse(m)
funcionando apropriadamente.
Conclusões
Desenvolvemos uma série de estudos que possibilitaram diagnosticar a qualidade
dos dados das câmaras de �os bem como seu funcionamento. Esta análise teve impacto
para determinar as amostras com maior fração de eventos contendo informação con�ável
do posicionamento da passagem das partículas nas câmaras de �os, informação esta de
grande utilidade na análise da resposta e resolução do calorímetro CASTOR.
143
APÊNDICE C - Amostras Utilizadas
As amostras de dados e monte carlo (sem e com efeito de empilhamento), processa-
das em ambiente Grid na T2 HEPGrid-UERJ, são mostradas nesse anexo. A formatação
dos dados é padronizada no CMS. O programa o�cial de análise dos dados no CMS é
chamado CMSSW. A versão utilizada foi 3_8_6.
Alguns programas de análise privados foram desenvolvidos objetivando criar cole-
ções de objetos em formatação ROOT32 com o uso do CMSSW. Em seguida, os dados
armazenados na T2HEPGrid-Brazil foram copiados localmente em terminais e proces-
sados com a classe MakeClass do ROOT, que analisa os dados evento a evento sem a
necessidade de reprocessamento em Grid.
Tabela 13 - Amostras de dados.
Nome da Amostra de Dados Eventos Totais
/MinimumBias/Commissioning10�GoodColSlim-Sep17Skim-v1/RECO 53489170
/JetMETTau/Run2010A-Sep17ReReco_v2/RECO 7527170
/JetMET/Run2010A-Sep17ReReco_v2/RECO 20762160
Tabela 14 - Amostras de monte carlo sem efeito de empilhamento.
Monte Carlo - PYTHIA 6 TuneZ2 sem Efeito de Empilhamento Eventos Totais
/QCD_Pt_15to30_TuneZ2_7TeV_pythia6/Fall10-START38_V12-v1/GEN-SIM-RECO 982423
/QCD_Pt_30to50_TuneZ2_7TeV_pythia6/Fall10-START38_V12-v1/GEN-SIM-RECO 982901
/QCD_Pt_50to80_TuneZ2_7TeV_pythia6/Fall10-START38_V12-v1/GEN-SIM-RECO 983061
/QCD_Pt_80to120_TuneZ2_7TeV_pythia6/Fall10-START38_V12-v1/GEN-SIM-RECO 979096
/QCD_Pt_120to170_TuneZ2_7TeV_pythia6/Fall10-START38_V12-v1/GEN-SIM-RECO 982973
/QCD_Pt_170to300_TuneZ2_7TeV_pythia6/Fall10-START38_V12-v1/GEN-SIM-RECO 982604
/QCD_Pt_300to470_TuneZ2_7TeV_pythia6/Fall10-START38_V12-v1/GEN-SIM-RECO 983340
32É um programa de análise estatística rotineiramente utilizado em Física de Altas Energias paragrandes quantidades de dados.
144
Tabela15
-Amostras
demonte
carlocom
efeito
deem
pilham
ento.
MonteCarlo
-PYTHIA6TuneZ2com
EfeitodeEmpilhamento
EventosTotais
/QCD_Pt_
15to30_TuneZ2_7TeV_pythia6/Fall10-E7TeV_ProbDist_
2010Data_BX156_START38_V12-v1/GEN-SIM
-RECO
996740
/QCD_Pt_
30to50_TuneZ2_7TeV_pythia6/Fall10-E7TeV_ProbDist_
2010Data_BX156_START38_V12-v1/GEN-SIM
-RECO
996832
/QCD_Pt_
50to80_TuneZ2_7TeV_pythia6/Fall10-E7TeV_ProbDist_
2010Data_BX156_START38_V12-v1/GEN-SIM
-RECO
996818
/QCD_Pt_
80to120_TuneZ2_7TeV_pythia6/Fall10-E7TeV_ProbDist_
2010Data_BX156_START38_V12-v1/GEN-SIM
-RECO
973016
/QCD_Pt_
120to170_TuneZ2_7TeV_pythia6/Fall10-E7TeV_ProbDist_
2010Data_BX156_START38_V12-v1/GEN-SIM
-RECO
996793
/QCD_Pt_
170to300_TuneZ2_7TeV_pythia6/Fall10-E7TeV_ProbDist_
2010Data_BX156_START38_V12-v1/GEN-SIM
-RECO
996840
/QCD_Pt_
300to470_TuneZ2_7TeV_pythia6/Fall10-E7TeV_ProbDist_
2010Data_BX156_START38_V12-v1/GEN-SIM
-RECO
954156
145
APÊNDICE D - Monte Carlo
Introdução ao PYTHIA 6
Uma das ferramentas de simulação de processos em física de partículas é o PYTHIA,
escrito em duas linguagens de programação: recentemente a versão 8.142 em C++ [90] [91]
e em Fortran escrita em 1977 cuja versão mais atualizada é a 6.4.23. A diferença básica
entre as duas versões é que o PYTHIA 8 ainda não é recomendado para produção em
larga escala e não gera colisões de elétron-próton. A linguagem Fortran oferece um bom
desempenho e con�abilidade. Entretanto, devido ao uso em larga escala de programas
orientados a objeto, houve a necessidade de reescrever o PYTHIA em C++. Sendo assim,
é esperado que nos próximos anos, o PYTHIA 8 substitua o seu antecessor.
O PYTHIA 6 simula todos os processos do modelo padrão de elementos da matriz
de espalhamento 2 → 1 e 2 → 2, contribuições da QCD duras, produção de sabores e
bóson de Higgs. Ao total são mais de 300 processos simulados. Entretanto, supersimetria
e technicolor não estão incluídas no PYTHIA 6. O PYTHIA 6 simula contribuições
difrativas macias para colisões próton-próton.
Os processos macios não podem ser calculados usando-se a teoria de perturbação,
mas fenomenologia é aplicada para reproduzir as distribuições observadas nos dados. Esses
modelos, no caso especial do PYTHIA 6, contém grande número de parâmetros livres.
As combinações de certos parâmetros livres, ajustados a partir de dados, são chamados
de tunes. Um dos grandes avanços do PYTHIA 6 é a implementação do modelo de
fragmentação Lund-String [90]. Exaustivas discussões podem ser encontradas em [91].
Métodos de Monte Carlo
Através das simulações em Monte Carlo os modelos teóricos podem ser comparados
em relação aos dados de experimentos. A partir dessa comparação, podemos estudar
os parâmetros dos modelos teóricos em relação às variações dos observáveis. Como as
equações da mecânica quântica envolvem distribuições de probabilidade, para o estudo
dessas questões, os métodos de Monte Carlo são recomendados já que os processos físicos
146
são simulados com o uso de distribuições de probabilidades.
Basicamente, a partir de uma distribuição aleatória podemos calcular integrais
numericamente, implementar cálculos de matrizes de espalhamento, simular algoritmos
de chuveiros com pártons espalhados das interações e até mesmo a formação de hádrons
com a recombinação de quarks do chuveiro. Essa poderosa técnica de simulação é essencial
para o estudo de processos físicos particulares.
Cálculo de Elemento de Matriz
O primeiro passo na geração de eventos de Monte Carlo é o cálculo de uma interação
pelos elementos de matriz. Isso requer a integração numérica do elemento ao quadrado da
matriz de espalhamento sobre todo o espaço de fase. Esses cálculos podem ser realizados
para processos de apenas um vértice (LO) ou vários vértices (NLO) até as ordens mais
altas e dependendo do número de objetos virtuais ou vértices. Percebe-se que o cálculo
de ordens mais altas é dependente da escala de normalização e também essencial para
contribuições de cálculos precisos em processos duros em Física de Partículas.
Esses cálculos contém, conforme as ordens mais altas, todos os possíveis diagramas
de Feynman representativos do processo. No caso especí�co da QCD, a cada vértice
adicionamos um fator relacionado à constante de acoplamento αs e linhas de quarks e
glúons. O cálculo desses diagramas também depende da adição de linhas de glúons ou
quarks internas e externas que podem atuar virtualmente ou produzir outros estados �nais
respectivamente.
Chuveiro Partônico
Experimentalmente colisões hadrônicas produzem múltiplas partículas espalhadas
no estado �nal e jatos. Algumas dessas partículas estáveis podem ser originadas de pro-
cessos duros e descritas por técnicas perturbativas. Entretanto, o cálculo perturbativo dos
elementos da matriz de espalhamento tem limites em relação ao número de diagramas de
Feynman que realmente contribuem para a formação de um determinado processo. Pela
matriz de espalhamento, o cálculo dos elementos de matriz cresce fatorialmente a medida
em que aumenta-se o número de pártons no estado �nal.
Com a �nalidade de se obterem resultados válidos para todas as ordens de energia,
é aplicado um algoritmo de chuveiro partônico. Poucos pártons que são produzidos em
147
interações duras estão envolvidos em numerosos pártons na escala de fatorização da QCD
usando-se o formalismo das equações DGLAP33 [92]. As equações DGLAP descrevem a
evolução das distribuições partônicas com Q2. As probabilidades de pártons envolvidos
em escalas mais altas Q0 para escalas mais baixas Q1, sem a radiação de glúons, pode ser
expressa pelo fatores de forma de Sudakov [95]
∆(Q0,Q1) ∝ e−G12αs ln
2(
Q0Q1
)(24)
Com a ajuda da geração de números aleatórios, poderemos resolver a equação e
a primeira emissão é determinada. Esse procedimento é repetido até um número �xo
da ordem de 1 GeV, quando o chuveiro de pártons pára e a parte não perturbativa da
geração de eventos começa. O parâmetro de evolução pode ser por exemplo, o momentum
transverso, que ordena os chuveiros ou o ângulo de radiação em caso de chuveiros virtuais.
Embora o mecanismo de chuveiro partônico seja capaz de calcular, com aproxi-
mação muito boa, o espaço de fase dominado por emissões de glúons colineares (ou seja
produção de jatos), tem de�ciências na contabilização de radiação energética e grandes
ângulos entre os pártons. Cálculos de elementos da matriz, por outro lado podem preen-
cher estas regiões do espaço de fase que ainda não são capazes de lidar com a radiação
macia. Assim, uma combinação ótima, é a combinação dos dois métodos.
Hadronização
A transição dos pártons �nais, calculados pelo algoritmo de chuveiros, para há-
drons estáveis não podem ser calculadas pela teoria da perturbação no regime de energia
partônico. Entretanto, modelos de fenomenologia são necessários para construir objetos
contendo cor neutra da con�guração partônica do evento. Basicamente, dois diferentes
métodos são implementados em nível de gerador: o modelo Lund-String que utiliza cordas
entre quarks que quebram-se e formam hádrons de cores neutras e o modelo de Grupo
de Hadronização34 [93] que basicamente divide todos os glúons em quarks e anti-quarks e
constrói grupos sem cor que podem ser interpretados como hádrons. Ambos modelos são
ajustados com dados em ordem para reproduzir o número de partículas e de distribuição
de sabores observados em dados de colisores.33Equações propostas por Dokshitzer - Gribov - Lipatov - Altarelli - Parisi.34Do Inglês Cluster Hadronization Model.
148
Eventos Subjacentes
Os eventos subjacentes (Underlying Event) podem ser considerados interações se-
cundárias entre os pártons remanescentes de uma interação principal ou objetos fragmen-
tados pelos prótons, instáveis, que irradiam glúons.
Além disso, os eventos subjacentes podem ser descritos em modelos ajustáveis.
Numerosos parâmetros orientam as propriedades do espaço de fase. Contudo, a de�nição
física para essa classe de eventos é mais problemática do que o próprio tratamento na
geração do Monte Carlo. O conceito de múltiplas interações partônicas35 (MPI) é base-
ado em espalhamentos de baixo momentum transferido nos prótons colididos. Em outro
ponto de vista, esses espalhamentos podem ser completamente independentes da interação
partônica dura nas colisões e são tratados na geração do Monte Carlo como interações
partônicas de minimum bias (eventos selecionados com mínima condição de gatilho. Deste
modo, cada detector tem a própria de�nição de minimum bias. No caso do CMS, o gatilho
é su�ciente para selecionar uma dominante componente difrativa macia, o que não exclui
a seleção de processos duros) [94].
Ajustes do Monte Carlo
A manipulação dos efeitos macios da cromodinâmica quântica conectada ao es-
palhamento duro partônico no Monte Carlo para a geração de eventos é implementada
para a tentativa de compreensão dos eventos subjacentes e os modelos de fragmentação.
Enquanto a parte perturbativa de uma colisão hadrônica pode ser calculada com bastante
precisão em geradores de eventos, para os processos macios ainda é preliminar.
A escolha para o cálculo dos processos macios é um paradigma entre um modelo que
tem muitos parâmetros ajustáveis livres ou outro que tenha poucos parâmetros, no entanto
com conteúdo físico mais acentuado. Enquanto a primeira solução pode ser muito �exível e
ajustada para às diversas medidas, conceitos físicos podem estar sendo desconsiderados. A
segunda solução, no entanto, pode ser inadequada já que podem implicar em um desajuste
em relação aos dados.
O PYTHIA 6 oferece dezenas de parâmetros que orientam todos os efeitos relativos
à chuveiros partônicos, modelos não-perturbativos e da interação de ambos. Ao longo dos35Do Inglês Multiple Parton Interactions.
149
anos, mais de 20 tipos de tunes diferentes foram produzidos. Antes do início dos esforços
de ajuste do experimento CDF, os tunes estavam ligados a uma determinada versão do
gerador. Para organização dos diferentes tunes, três parâmetros principais são usados
contendo os diferentes parâmetros livres dos modelos:
• Funções de Distribuição Partônica: o tune atualmente usado é o CTEQ6L. Nesse
tune é implementada a densidade gluônica para o pequeno x de Bjorken, que acredita-
se ter uma implicação nas contribuições de eventos subjacentes, assim como nas
contribuições da seção de choque de múltiplas interações partônicas (MPI) em um
mínimo momentum transferido;
• O Modelo de Múltiplas Interações Partônicas: existem três modelos que se propõem
em explicar as múltiplas interações partônicas. São chamados de Modelo Velho,
Modelo Intermediário e Modelo Novo;
• Modelo de Chuveiros Partônicos: embora não seja tecnicamente parte da descrição
dos eventos subjacentes, esse modelo é intimamente ligado a ele.
Parâmetros do Tune
Embora sejam muitos parâmetros ajustáveis do PYTHIA 6, vamos citar alguns
concernentes ao tune Z2 utilizado nessa análise:
• PDF: funções de distribuição partônica obtidas pelas equações DGLAP que foram
ajustadas com dados a partir da evolução de Q2;
• MSTP(81): ativa o modelo de interação múltipla de pártons para as partículas
remanescentes da interação;
• MSTP(82): fator de regularização para o MPI e de escala para distribuição de
matéria no próton. O valor padrão é 4 e representa modelos com colisões que
incorporam parâmetros de impacto e uma distribuição de matéria duplicada;
• PARP(82): outra escala de regularização do MPI. O valor é dado pela energia do
centro de massa PARP (89) e é extrapolado em PARP (90);
• PARP(83) e PARP(84): parâmetros de sobreposição da matéria em MSTP(82);
150
• PARP(85) e PARP(86): probabilidades do MPI produzir glúons em vez de quarks;
• PARP(89): escala de energia de referência para o PARP (82). Os valores são
tipicamente da energia do centro de massa do Tevatron;
• PARP(90): poder de escalonamento de energia para a regularização MPI;
• PARP(62): corte de escala do tipo espaço para a evolução partônica;
• PARP(64): valor de escala para a evolução do momentum transferido ao quadrado;
• PARP(67): valor máximo de virtualidade partônica permitido para chuveiros;
• MSTP(91): distribuição partônica domomentum transversal em hádrons incidentes.
O valor 1 corresponde a uma gaussiana com largura de PARP (91) e um corte em
PARP (93).
• PARP(91) e PARP(93): parâmetros domomentum transverso intrínseco de MSTP(91).
Os tunes do PYTHIA 6 com novos modelos partônicos foram inicialmente intro-
duzidos em um trabalho para a estimativa de propriedades do quarks top no Tevatron.
Eles usualmente implementam ambos fenômenos de ordenamento do chuveiro partônico e
de reconexões de cores. Recentemente, novos tunes foram implementados com funções de
fragmentação derivadas em eventos hadrônicos do LEP. Além disso, um novo gerador de
matéria foi escolhido para alguns tunes, que podem derivar propriedades das partículas a
partir de distribuições gaussianas e de funções exponenciais.
151
Os novos tunes são organizados na Tabela 16.
Tabela 16 - Organização dos novos tunes para o Monte Carlo PYTHIA 6 baseado noordenamento do chuveiro partônico e no novo modelo de MPI.
Parâmetro S0 P0 ProQ20 Z1 Z2
PDF CTEQ5L CTEQ5L CTEQ5L CTEQ5L CTEQ6L
MSTP(81) 21 21 21 21 21
MSTP(82) 5 5 4 4 4
PARP(82) 1,85 GeV 2,0 GeV 1,9 GeV 1,932 GeV 1,832 GeV
PARP(83) 1,6 1,7 0,83 0,356 0,356
PARP(84) 0,6 0,651 0,651
PARP(85) 0,9 0,9 0,86 0,9 0,9
PARP(86) 0,95 0,95 0,93 0,95 0,95
PARP(89) 1,8 TeV 1,8 TeV 1,8 TeV 1,8 TeV 1,8 TeV
PARP(90) 0,16 0,26 0,22 0,275 0,275
PARP(62) 1,0 1,0 2,9 1,025 1,025
PARP(64) 1,0 1,0 0,14 1,0 1,0
PARP(67) 1,0 1,0 2,65 1,0 1,0
MSTP(91) 1,0 1,0 1,0 1,0 1,0
PARP(91) 2,0 2,0 2,1 2,0 2,0
PARP(93) 5,0 10,0 5,0 10,0 10,0
Alguns efeitos foram melhorados no novo modelo de MPI em relação ao antigo:
enquanto no Modelo Velho somente os pártons que participam da interação dura podem
irradiar. No Novo Modelo MPI pártons que interagem suavemente, como parte do MPI,
podem também irradiar. Esses efeitos de radiação são intercalados com o MPI em uma
forma ordenada de pT, evitando dupla contagem no espaço das PDFs.
152
APÊNDICE E - Algoritmo de Jatos
A idéia básica dos algoritmos de jatos mais modernos, para reduzir o tempo de
processamento e reconstrução, é o uso de técnicas combinatoriais. Esse método é deno-
minado Algoritmo de Jatos Combinatoriais. Um dos algoritmos de reconstrução de jatos
utilizado no CMS é denominado algoritmo anti-kT [96] [97].
Esse algoritmo usa as seguintes medidas de distância:
dij = min(p−2T,i ,p
−2T,j )
∆R2ij
R2(25)
Sendo que:
∆R2ij = (yi − yj)
2 + (φi − φj)2 (26)
E além disso:
diF = p−2T,i (27)
Onde dij é a distância no quadri-espaço entre duas partículas i e j e diF é a distância
entre i e o eixo do feixe. R é o parâmetro que determina o tamanho do jato. O algoritmo
de reconstrução de jatos funciona da seguinte maneira:
1. Calcula todos os valores de dij e diF das partículas estáveis;
2. encontra o valor mínimo entre todos os dij e diF;
3. caso o valor mínimo seja um dij, combina i e j para um novo objeto e retorna para
o primeiro passo. Em seguida remove i e j da lista de entradas. Entretanto se diF
é o menor possível, o objeto criado é colocado na lista de jatos no estado �nal e
removido completamente da lista de entrada;
4. os procedimentos são repetidos até que não tenha mais partículas.
Em contraste com outros algoritmos, o anti-kT reconstrói com melhor e�ciência
jatos em eventos que envolvam altas multiplicidades de partículas porque possui uma hie-
rarquia de agrupamento que leva em consideração o valor do quadri-momentum transverso
153
das partículas. Como consequência desse agrupamento hierárquico, os jatos reconstruídos
são melhor isolados. É o algoritmo ideal para ser utilizado no ambiente do CMS.
154
APÊNDICE F - Grá�cos Suplementares
Nas distribuições a seguir, mostramos os grá�cos de controle da análise para di-
ferentes períodos de aquisição de dados. Selecionamos os dois jatos principais de cada
evento. Percebe-se que há maior compatibilidade entre os dados e os eventos simulados
pelo Monte Carlo com e sem o efeito de empilhamento nesses casos.
Primeiro Jato Mais Energético
η -4 -2 0 2 4
N e
ven
ts
0
10000
20000
30000
40000
50000
60000
70000
80000
90000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionηLeading Jet 1:
(a) Primeiro Período de Aquisi-ção.
η -4 -2 0 2 4
N e
ven
ts
0
20
40
60
80
100
120
140
160
180
310×
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionηLeading Jet 1:
(b) Segundo Período de Aquisi-ção.
η -4 -2 0 2 4
N e
ven
ts
0
20
40
60
80
100
120
140
160
310×
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionηLeading Jet 1:
(c) Terceiro Período de Aquisi-ção.
Figura 98 - Distribuição normalizada de η do jato mais energético. Comparamos o MonteCarlo com e sem o efeito de empilhamento aos dados para diferentes períodos de aquisição.
φ -3 -2 -1 0 1 2 3
N e
ven
ts
15000
20000
25000
30000
35000
40000
45000
50000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionφLeading Jet 1:
(a) Primeiro Período de Aquisi-ção.
φ -3 -2 -1 0 1 2 3
N e
ven
ts
20000
30000
40000
50000
60000
70000
80000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionφLeading Jet 1:
(b) Segundo Período de Aquisi-ção.
φ -3 -2 -1 0 1 2 3
N e
ven
ts
20000
30000
40000
50000
60000
70000
80000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionφLeading Jet 1:
(c) Terceiro Período de Aquisi-ção.
Figura 99 - Distribuição normalizada de φ do jato mais energético. Comparamos o MonteCarlo com e sem o efeito de empilhamento aos dados para diferentes períodos de aquisição.
155
]-1 [GeV cT
p0 50 100 150 200 250 300 350 400
N e
ven
ts
-110
1
10
210
310
410
510
610
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionT
Leading Jet 1: p
(a) Primeiro Período de Aquisi-ção.
]-1 [GeV cT
p0 50 100 150 200 250 300 350 400
N e
ven
ts
-110
1
10
210
310
410
510
610
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionT
Leading Jet 1: p
(b) Segundo Período de Aquisi-ção.
]-1 [GeV cT
p0 50 100 150 200 250 300 350 400
N e
ven
ts
-110
1
10
210
310
410
510
610
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionT
Leading Jet 1: p
(c) Terceiro Período de Aquisi-ção.
Figura 100 - Distribuição normalizada de pT do jato mais energético. Comparamos oMonte Carlo com e sem o efeito de empilhamento aos dados para diferentes períodos deaquisição.
Segundo Jato Mais Energético
η -4 -2 0 2 4
N e
ven
ts
0
10000
20000
30000
40000
50000
60000
70000
80000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionηLeading Jet 2:
(a) Primeiro Período de Aquisi-ção.
η -4 -2 0 2 4
N e
ven
ts
0
20
40
60
80
100
120
310×
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionηLeading Jet 2:
(b) Segundo Período de Aquisi-ção.
η -4 -2 0 2 4
N e
ven
ts
0
20
40
60
80
100
120
310×
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionηLeading Jet 2:
(c) Terceiro Período de Aquisi-ção.
Figura 101 - Distribuição normalizada de η do segundo jato mais energético. Comparamoso Monte Carlo com e sem o efeito de empilhamento aos dados para diferentes períodos deaquisição.
156
φ -3 -2 -1 0 1 2 3
N e
ven
ts
15000
20000
25000
30000
35000
40000
45000
50000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionφLeading Jet 2:
(a) Primeiro Período de Aquisi-ção.
φ -3 -2 -1 0 1 2 3
N e
ven
ts
20000
30000
40000
50000
60000
70000
80000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionφLeading Jet 2:
(b) Segundo Período de Aquisi-ção.
φ -3 -2 -1 0 1 2 3
N e
ven
ts
20000
30000
40000
50000
60000
70000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionφLeading Jet 2:
(c) Terceiro Período de Aquisi-ção.
Figura 102 - Distribuição normalizada de φ do segundo jato mais energético. Comparamoso Monte Carlo com e sem o efeito de empilhamento aos dados para diferentes períodos deaquisição.
]-1 [GeV cT
p0 50 100 150 200 250 300 350 400
N e
ven
ts
-210
-110
1
10
210
310
410
510
610
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionT
Leading Jet 2: p
(a) Primeiro Período de Aquisi-ção.
]-1 [GeV cT
p0 50 100 150 200 250 300 350 400
N e
ven
ts
-110
1
10
210
310
410
510
610
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionT
Leading Jet 2: p
(b) Segundo Período de Aquisi-ção.
]-1 [GeV cT
p0 50 100 150 200 250 300 350 400
N e
ven
ts
-210
-110
1
10
210
310
410
510
610
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
distributionT
Leading Jet 2: p
(c) Terceiro Período de Aquisi-ção.
Figura 103 - Distribuição normalizada de pT do segundo jato mais energético. Com-paramos o Monte Carlo com e sem o efeito de empilhamento aos dados para diferentesperíodos de aquisição.
157
Distribuições das Medidas da Energia no Calorímetro HF.
Etotal =∑
Etorre|HF (28)
Energy [GeV]0 200 400 600 800 1000 1200 1400
N e
ven
ts
0
10000
20000
30000
40000
50000
60000
70000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF- Energy Distribution
(a) Primeiro Período de Aquisi-ção. Soma da energia do lado ne-gativo.
Energy [GeV]0 200 400 600 800 1000 1200 1400
N e
ven
ts
0
20
40
60
80
100
310×
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF- Energy Distribution
(b) Segundo Período de Aquisi-ção. Soma da energia do lado ne-gativo.
Energy [GeV]0 200 400 600 800 1000 1200 1400
N e
ven
ts
0
20
40
60
80
100
310×
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF- Energy Distribution
(c) Terceiro Período de Aquisi-ção. Soma da energia do lado ne-gativo.
Energy [GeV]0 200 400 600 800 1000 1200 1400
N e
ven
ts
0
10000
20000
30000
40000
50000
60000
70000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF+ Energy Distribution
(d) Primeiro Período de Aquisi-ção. Soma da energia do lado po-sitivo.
Energy [GeV]0 200 400 600 800 1000 1200 1400
N e
ven
ts
0
20
40
60
80
100
310×
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF+ Energy Distribution
(e) Segundo Período de Aquisi-ção. Soma da energia do lado po-sitivo.
Energy [GeV]0 200 400 600 800 1000 1200 1400
N e
ven
ts
0
10000
20000
30000
40000
50000
60000
70000
80000
90000
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF+ Energy Distribution
(f) Terceiro Período de Aquisi-ção. Soma da energia do lado po-sitivo.
Figura 104 - Soma da Energia por evento do calorímetro HF para cada um dos lados emseparado.
158
Distribuições de Multiplicidade de Traços e dos Calorímetros
HF- Multiplicity1 10 210
N e
ven
ts
-510
-410
-310
-210
-110
1
10
210
310
410
510
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF- Multiplicity Distribution
(a) Primeiro Período de Aquisi-ção. Multiplicidade do lado ne-gativo.
HF- Multiplicity1 10 210
N e
ven
ts
-510
-410
-310
-210
-110
1
10
210
310
410
510
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF- Multiplicity Distribution
(b) Segundo Período de Aquisi-ção. Multiplicidade do lado ne-gativo.
HF- Multiplicity1 10 210
N e
ven
ts
-510
-410
-310
-210
-110
1
10
210
310
410
510
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF- Multiplicity Distribution
(c) Terceiro Período de Aquisi-ção. Multiplicidade do lado ne-gativo.
HF+ Multiplicity1 10 210
N e
ven
ts
-410
-310
-210
-110
1
10
210
310
410
510
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF+ Multiplicity Distribution
(d) Primeiro Período de Aquisi-ção. Multiplicidade do lado posi-tivo.
HF+ Multiplicity1 10 210
N e
ven
ts
-310
-210
-110
1
10
210
310
410
510
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF+ Multiplicity Distribution
(e) Segundo Período de Aquisi-ção. Multiplicidade do lado po-sitivo.
HF+ Multiplicity1 10 210
N e
ven
ts-310
-210
-110
1
10
210
310
410
510
Data
Pythia6 Tune Z2 - PU
Pythia6 Tune Z2 - No PU
HF+ Multiplicity Distribution
(f) Terceiro Período de Aquisi-ção. Multiplicidade do lado po-sitivo.
Figura 105 - Soma da Multiplicidade por evento do calorímetro HF para cada um doslados em separado.
Pode-se concluir que à medida em que a luminosidade aumenta, o efeito do em-
pilhamento nos dados também. No primeiro período de aquisição de dados, a forma das
distribuições do Monte Carlo sem empilhamento é compatível com as distribuições dos
dados. Entretanto, conforme a L aumenta, as distribuições do Monte Carlo com empi-
lhamento gradativamente tornam-se compatíveis com as distribuições dados. Ressalta-se
que o efeito de empilhamento no Monte Carlo é estimado para o ano de 2010. Entre-
tanto estamos comparando o Monte Carlo a períodos especí�cos e, portanto menores, de
aquisição de dados do ano de 2010.
159
APÊNDICE G - Algumas Estimativas
Nesse anexo reunimos o número de eventos no bin(0,0), (Ndados ou NMC), nos
intervalos de menor multiplicidade concernentes às distribuições das torres do HF36 para
os dados nos diferentes períodos de aquisição e para o Monte Carlo, cujas distribuições
foram normalizadas para cada período de aquisição de dados. Iremos estimar a taxa de
crescimento do sinal difrativo após o uso dos critérios de seleção adotados.
Os números dos eventos podem ser veri�cados nas Tabela 17 e Tabela 18 quando
selecionamos dois jatos principais com pT > 30 GeV em qualquer região do CMS.
Tabela 17 - Número de Eventos do pico no bin(0,0) nas distribuições de multiplicidadedas torres do HF para dois jatos principais com pT > 30 GeV em qualquer região do CMS.
Amostra Dados Ndados (Lado Negativo) Ndados (Lado Positivo)
Primeiro Período (L = 6,4 nb−1) 60± 7,75 54± 7,4
Segundo Período (L = 10,7 nb−1) 151± 12,3 149± 12,2
Terceiro Período (L = 9,7 nb−1) 241± 15,52 242± 15,5
Tabela 18 - Número de Eventos do pico no bin(0,0) nas distribuições de multiplicidadedas torres do HF para dois jatos principais com pT > 30 GeV em qualquer região do CMS,normalizado para Monte Carlo.
Amostra Monte Carlo L [nb−1] NMC (Lado Negativo) NMC (Lado Positivo)
SemEmpilhamento
6,4 61,11± 7,8 60,3± 7,7610,7 103,04± 10,15 101,7± 10,89,7 93,15± 9,65 91,97± 9,6
ComEmpilhamento
6,4 5,84± 2,41 7,87± 2,810,7 9,85± 3,13 13,2± 3,69,7 8,9± 2,9 12± 3,46
As incertezas foram calculadas como√Ndados ou
√NMC dependendo do tipo de
amostra: dados ou Monte Carlo respectivamente.
36Divididas em duas partes chamadas Low HF e High HF em cada um dos lados.
160
Após a seleção de eventos difrativos, os números de eventos no pico do Bin(0, 0)
para ambos lados do CMS foram organizados nas Tabela 19 e Tabela 20.
Tabela 19 - Número de Eventos do pico no bin(0,0) nas distribuições de multiplicidadedas torres do HF após seleção difrativa.
Amostra de Dados Ndados (Lado Negativo) Ndados (Lado Positivo)
Primeiro Período (L = 6,4 nb−1) 4± 2 5± 2,2
Segundo Período (L = 10,7 nb−1) 12± 3,4 14± 3,7
Terceiro Período (L = 9,7 nb−1) 16± 4 17± 4,1
Tabela 20 - Número de Eventos do pico no bin(0,0) nas distribuições de multiplicidadedas torres do HF após seleção difrativa, normalizado para Monte Carlo.
Amostra Monte Carlo L [nb−1] NMC (Lado Negativo) NMC (Lado Positivo)
SemEmpilhamento
6,4 0,93± 0,96 0,73± 0,8510,7 1,57± 1,25 1,23± 1,119,7 1,42± 1,19 1,11± 1
ComEmpilhamento
6,4 0,008± 0,08 0,1± 0,3110,7 0,013± 0,11 0,16± 0,49,7 0,012± 0,11 0,15± 0,38
A razão entre o número de eventos dos dados (Tabela 17 e Tabela 19) em relação ao
Monte Carlo sem empilhamento (Tabela 18 e Tabela 20) aumenta entre 400 e 800 % após
a seleção de dijatos difrativos. Em relação ao Monte Carlo com efeito de empilhamento,
essa razão aumenta entre 520 e 6000 %. Isso rati�ca que a medida em que aplicamos os
critérios para seleção de dijatos de difração simples dura, aumentamos a pureza do excesso
dos dados em relação ao Monte Carlo que simula o nosso fundo não difrativo duro.
Conhecendo-se o número de eventos selecionados e a luminosidade integrada de
cada período de aquisição de dados, podemos estimar as seções de choque de dijatos
inclusivos (σInclusivos) e de dijatos de difração simples dura (σSD) no CMS. Além disso,
segundo o artigo de E. Gotsman [98] apresentado na Lishep37 em 1998, podemos obter
medidas aproximadas dos valores da fração da lacuna de pseudorapidez (fgap) e indireta-
mente o valor de 〈S2〉 com o uso das seções de choque medidas para o CMS nesse primeiro
ano de aquisição de dados. Salientamos que essas medidas não são corrigidas em relação
às e�ciências do critério de seleção difrativo já que não podemos assegurar que todos os
eventos selecionados sejam difrativos.37International School on High Energy Physics.
161
Experimentalmente fgap é medida como:
fgap =σSD
σInclusivos(29)
Uma representação pictórica da de�nição de fgap é mostrada na Figura 106.
Figura 106 - Nos diagramas, P e G representam respectivamente a troca de um singletode cor e a troca de um octeto de cor.
E relacionamos a probabilidade de sobrevivência da lacuna de pseudorapidez como:
fgap = 〈S2〉 · Fs (30)
No entanto, Fs é calculado teoricamente por alguns autores. J. D. Bjorken com-
parando a taxa para troca de dois gluons em um estado de singleto de cor para a troca de
um gluon no estado de cor do octeto, estimou Fs ' 0,1 [19]. A maior parte dos autores
sugere um valor ' 1,5 [98].
Experimentos no Tevatron mostraram que conforme a energia do centro de massa
aumenta, o valor de 〈S2〉 diminui [99] [100]. Os valores encontrados para fgap foram
organizados na Tabela 21.
Tabela 21 - Valores de fgap medidos nos experimentos do Tevatron.
CDF D60fgap(
√s = 630 GeV) 0,027± 0,007 0,018± 0,0009
fgap(√s = 1800 GeV) 0,0113± 0,0012 0,0094± 0,0004
Com o uso dos resultados experimentais do Tevatron, tentaremos estimar o valor
de fgap para energia no centro de massa do LHC em 14 TeV com o uso da medida obtida
162
no CMS em 7 TeV. Ou seja, com três pontos experimentais, encontraremos a função que
descreve os resultados e a partir dela, apresentaremos uma estimativa para 14 TeV.
As seções de choque foram medidas do seguinte modo:
σ =Nsel
L(31)
Onde Nsel é o número de eventos selecionados para cada critério de seleção cine-
mático: Ninclusivos para dijatos inclusivos, NSD para dijatos difrativos somados em ambos
lados do CMS e Ldados que é a luminosidade integrada concernente ao período de dados
dos critérios de seleção utilizados. Entretanto, em relação aos cálculos concernentes às
medidas de seção de choque difrativa, é necessário aplicar uma correção, já que há uma
porcentagem de eventos no pico localizado no bin(0,0) que não são difrativos. Em outras
palavras o pico nos dados, após o uso dos critérios de seleção difrativos, possui uma por-
certagem de eventos não difrativos. Nesse caso, será usado o número de eventos para o
Monte Carlo sem efeito de empilhamento, já que esse possui maior pico no bin(0,0). A
correção nas medidas pode ser chamada de pureza (P), de�nida como:
P =Ndados − NMC
Ndados
(32)
O valor de P para cada período de aquisição de dados será multiplicado ao número
de eventos no pico do bin(0,0) quando selecionamos dijatos de difração simples dura. No
caso inclusivo, não aplicamos nenhuma correção.
Tabela 22 - Pureza encontrada para cada uma das amostras de dados.
Amostras de Dados Pureza (%)
Primeiro Período (L = 6,4 nb−1) 83
Segundo Período (L = 10,7 nb−1) 90
Terceiro Período (L = 9,7 nb−1) 92
163
As seções de choque (σ) estimadas, usando-se a equação 31, foram organizadas na
Tabela 23.
Tabela 23 - Seções de Choque de dijatos inclusivos (σinclusivos) e de dijatos de difraçãosimples dura (σSD) para 7 TeV. O valor de P foi aplicado somente à seção de choquedifrativa.
Amostras de Dados Ninclusivos NSD σinclusivos [nb] σSD [nb]
Primeiro Período (L = 6,4 nb−1) 20319 9 3174,84± 22,27 1,16± 0,54
Segundo Período (L = 10,7 nb−1) 44274 26 4137,75± 19,66 2,19± 0,60
Terceiro Período (L = 9,7 nb−1) 57684 33 5946,80± 24,76 2,82± 0,76
Assim, os valores de fgap e de 〈S2〉, usando-se as equações 29 e 30 respectivamente,
foram calculados e organizados na Tabela 24.
Tabela 24 - Resultados de fgap e 〈S2〉 estimados para 7 TeV.
Amostras de Dados fgap 〈S2〉 = fgap0,15
Primeiro Período (L = 6,4nb−1) 0,00036± 0,00017 0,0024± 0,0011
Segundo Período (L = 10,7nb−1) 0,00053± 0,00014 0,0035± 0,0009
Terceiro Período (L = 9,7nb−1) 0,00047± 0,00013 0,0031± 0,0001
Entretanto talvez seja interessante ajustar funções nas redondezas do pico do
bin(0,0) para corrigirmos mais detalhadamente essas estimativas, já que existe uma ine�ci-
ência intrínseca da seleção de eventos difrativos que também podem estar nas vizinhanças
desse pico.
As estimativas aproximadas para o fgap embora sejam compatíveis com as obtidas
por Alexander Proskuryakov [101] são o dobro do valor. A técnica utilizada por Alexander
baseia-se em selecionar eventos com valor de ξ < 0,003 após a veri�cação da lacuna de
pseudorapidez. Além disso, não aplicamos qualquer correção de e�ciência dos triggers.
Lembramos que os eventos que selecionamos com os critérios de seleção difrativos, possuem
ξ < 0,012, conforme Figura 67 e Figura 68.
164
Combinado-se os dados dos experimentos do Tevatron (CDF e D60) com a média
de fgap para as três amostras de dados do CMS, encontramos a Figura 107. É rati�cado
que conforme√s aumenta, o valor de fgap diminui.
[TeV]s1 2 3 4 5 6 7
gap
f
0
0.005
0.01
0.015
0.02
0.025
/ ndf 2χ 0.5362 / 1
p0 0.002603± 0.04206
p1 0.07997± 0.7069
/ ndf 2χ 0.5362 / 1
p0 0.002603± 0.04206
p1 0.07997± 0.7069
/ ndf 2χ 0.06077 / 1
p0 0.001797± 0.02578
p1 0.04652± 0.5627
/ ndf 2χ 0.06077 / 1
p0 0.001797± 0.02578
p1 0.04652± 0.5627
/ ndf 2χ 0.1722 / 1
p0 0.002102± 0.03374
p1 0.06239± 0.6475
/ ndf 2χ 0.1722 / 1
p0 0.002102± 0.03374
p1 0.06239± 0.6475
Obtidas no CDF e no D0 Combinadas com a Estimativa do CMSgapf
Ajuste com dados do CDF e CMS
Ajuste com dados do D0 e CMS
Ajuste com dados do CDF, D0 e CMS
Figura 107 - Funções exponenciais ajustadas para a estimativa de fgap.
Após os dados serem ajustados com uma função exponencial, obtemos os parâ-
metros. Com o uso desses parâmetros, podemos estimar o valor de fgap para 14 TeV.
Ressalta-se que tanto os valores encontrados das seções de choque, assim como de fgap são
apenas estimativas grosseiras do que se pretende medir em trabalhos futuros.
A função ajustada será:
y = p0 · e−p1·x (33)
Usando-se os parâmetros p0 e p1 das funções ajustadas de cada combinação de
dados na Figura 107 e o valor x= 14 TeV, encontramos y que é o fgap em 14 TeV. Os
valores foram resumidos na Tabela 25.
165
Tabela 25 - Resultados de fgap estimados para 14 TeV.
Dados Combinados fgap (%)
CDF e CMS 0,00021± 0,00003
D60 e CMS 0,00097± 0,00001
CDF, D 60 e CMS 0,00039± 0,00004
Tais estimativas, bastante preliminares e mesmo sem um estudo mais detalhado das
correções e e�ciências necessárias, indicam que possivelmente as lacunas de pseudorapidez
em 14 TeV poderão ser suprimidas em colisões de pp em uma taxa maior do que a esperada
por modelos de fenomenologia utilizando apenas a aceptância do CMS. Podemos assim
concluir, que é necessária a instrumentação de detectores frontais no CMS como por
exemplo o detector de prótons FP420 para a medida de processos difrativos.