Ring-shaped Calorimetry Information for a Neural egamma Identification with ATLAS Detector

Ring-shaped Calorimetry Information

for a Neural eGamma Identification

with ATLAS Detector

João  Victor  da  Fonseca  Pinto  on  behalf  of  ATLAS  Collabora:on    

Universidade  Federal  do  Rio  de  Janeiro  

R   I   N  

L  

S   G  

2  

R  

E  

17th  Interna:onal  workshop  on    

Outline  

2  

! 

ATLAS  Trigger  system;  

! 

Selec5on  algorithms;  

! 

Ringer  approach:  

! 

Ringer  algorithm;  

! 

Neural  Network;  

! 

Ringer  hypothesis;    

! 

Implementa5on  in  details;  

! 

Ringer  opera5on  for  the  trigger;  

! 

Summary  and  ongoing  for  2016.  

3  

The  e/𝜸  trigger  goal:  

" 

Maximize  the  efficiency  of  the  channel  

e/𝜸  :  Electrons  and  Photons  detec5on;  

" 

Reduce  the  fake  rates  of  the  trigger;  

Three  types  of  algorithms  can  be  used  in  

the  electron  and  photon  iden5fica5on:  

! 

Cut-­‐based  (used  in  the  fast  

preselec5on);  

! 

Likelihood;  

! 

Ringer  (proposed  by  this  work).  

4  

The  e/𝜸  trigger  goal:  

" 

Maximize  the  efficiency  of  the  channel  

e/𝜸  :  Electrons  and  Photons  detec5on;  

" 

Reduce  the  fake  rates  of  the  trigger;  

Three  types  of  algorithms  can  be  used  in  

the  electron  and  photon  iden5fica5on:  

! 

Cut-­‐based  (used  in  the  fast  

preselec5on);  

! 

Likelihood;  

! 

Ringer  (proposed  by  this  work).  

Electron  Iden5fica5on  

Cal

or

im

ete

r  

Fe

atu

re

s  

CutID  

Likelihood  

Ringer  

If  Electron  

Pure  tracking  features  

+  

Combined  Tracking  &  Calorimeter  features  

Cl

as

si

fie

rs

O

th

er

Fe

atu

re

s  

OR  

5  

Cut-­‐based  

• 

Applies  linear  cuts  over  

the  over  shower  shape  

Likelihood  

• 

Applies  Naïve  Bayes  like  

approach  over  shower  

shape  

Ringer  

• 

Applies  Neural  Networks  

fed  with  rings.  

EM1$ EM2$ EM3$ HAD1$ HAD2$ HAD3$

Electromagne,c-Calorimeter-- Hadronic-Calorimeter-r3# r2# r1#

∑$ ∑$

∑$

∑$

∑$

∑$

Graphical illustration

• For explicit definitions see Appendix A of Phys. Rev. D83, 052005 (2011). The strip layer variables are computed from an array of cells that spans one or two rows in ϕ depending on the position in ϕ of the cluster barycenter.

Not reviewed, for internal cir culation only

Graphical illustration

• For explicit definitions see Appendix A of Phys. Rev. D83, 052005 (2011). The strip layer variables are computed from an array of cells that spans one or two rows in ϕ depending on the position in ϕ of the cluster barycenter.

Electron  Iden5fica5on  

Cal

or

im

ete

r  

Fe

atu

re

s  

If  Electron  

Pure  tracking  features  

+  

Combined  Tracking  &  Calorimeter  features  

Cl

as

si

fie

rs

O

th

er

Fe

atu

re

s  

OR  

6  

EM1$ EM2$ EM3$ HAD1$ HAD2$ HAD3$

Electromagne,c-Calorimeter-- Hadronic-Calorimeter-r3# r2# r1#

∑$ ∑$

∑$

∑$

∑$

∑$

HAD3-Cut-­‐based  

• 

Applies  linear  cuts  over  

the  over  shower  shape  

Likelihood  

• 

Applies  Naïve  Bayes  like  

approach  over  shower  

shape  

Ringer  

• 

Applies  Neural  Networks  

fed  with  rings.  

ATL-­‐COM-­‐PHYS-­‐2013-­‐600  

CutID  

Calorimeter  Ring  concept  

• 

Build  using  all  calorimeter  

layers,  centered  in  a  

window  (0.4  x  0.4  in  η  x  ϕ)  

at  the  hoaest  cell  of  each  

layer;  

• 

Hoaest  cell:  first  

“ring”  (on  each  layer);  

• 

Next  ring:  collec5on  of  

cells  around  the  previous  

one;    

• 

The  ring  “value”  is  the  

sum  of  the  E

_T

 of  all  cells  

composing  the  ring;  

• 

Provides  input  data  

reduc5on  for  the  neural  

processing  (w.r.t  using  all  

cells);    

• 

Keeps  the  physics  

interpreta5on  (typical  EM  

object  shower  shape).  

Total  number  of  Rings  per  layer  

(covering  0.4  x  0.4  region  in  η  x  ϕ)  

PS  

EM1   EM2   EM3   HAD1   HAD2   HAD3  

8  

64  

8  

8  

4  

4  

4  

7  

Algorithm  skept:  

EM1$

EM2$

EM3$

Electromagne,c-Calorimeter--

Hadronic-Calorimeter-r3#

r2#

r1#

∑$ ∑$

∑$

∑$

Cluster(center(

∑$

∑$

Pr

eS

am

pl

er

$

PS-

EM1-

EM2-

EM3-

HAD1-

HAD2-

HAD3-10 20 30 40 50 60 70 80 90 100 2000 4000 6000 8000 10000 PS EM 1 EM 2 EM 3 HAD 1 HAD 2 HAD 3 Dataset Z ee R i n g # En e r g y ( E t )[ M e V ] M e an 10 20 30 40 50 60 70 80 90 100 500 1000 1500 2000 2500 PS EM 1 EM 2 EM 3 HAD 1 HAD 2 HAD 3 D ataset JF17 R i n g # En e r g y ( Et )[ M e V ] _{M e an}

8  

The   ring   energy   profile  

describes   the   shower   shape  

of   the   par5cle   interac5on  

throughout   all   calorimeter  

layers.  

Background sample energy distribution

Electron  sample  energy  distribu5on  

L1  

Raw  

data  

HLT  

Classifier  

Ringer  

Feature  

Extrac:on  

perfil de deposi¸c˜ao de energia semelhante ao de el´etrons.

20 40 60 80 100 0 0.05 0.1 0.15 0.2 0.25 0.3 Anel Energia (MeV) Camadas _Hadrônicas PS E1 E2 E3 (a) 20 40 60 80 100 0 0.05 0.1 0.15 Energia (MeV) Camadas Hadrônicas Anel PS E1 E2 E3 (b) 20 40 60 80 100 0 0.05 0.1 0.15 Anel Energia (MeV) Camadas Hadrônicas PS E1 E2 E3 (c)

Figura 4.8: Sinais em an´eis para (a) el´etron t´ıpico, (b) jato t´ıpico e (c) jato com perfil semelhante ao de el´etrons (normalizados pela energia total dos eventos).

4.3.2

Normaliza¸c˜

ao

Antes da utiliza¸c˜ao nos sistemas de classifica¸c˜ao, os sinais em an´eis precisam ser normalizados. No trabalho [10], foram testadas diferentes formas de normaliza¸c˜ao dos sinais em an´eis, como:

• Energia total: dividindo-se a energia de cada anel (Eai) pela energia total

do evento: EN i= Eai P100 i=1Eai . (4.1) 58 (a)

perfil de deposi¸c˜ao de energia semelhante ao de el´etrons.

20 40 60 80 100 0 0.05 0.1 0.15 0.2 0.25 0.3 Anel Energia (MeV) Camadas _Hadrônicas PS E1 E2 E3 (a) 20 40 60 80 100 0 0.05 0.1 0.15 Energia (MeV) Camadas Hadrônicas Anel PS E1 E2 E3 (b) 20 40 60 80 100 0 0.05 0.1 0.15 Anel Energia (MeV) Camadas Hadrônicas PS E1 E2 E3 (c)

Figura 4.8: Sinais em an´eis para (a) el´etron t´ıpico, (b) jato t´ıpico e (c) jato com perfil semelhante ao de el´etrons (normalizados pela energia total dos eventos).

4.3.2

Normaliza¸c˜

ao

Antes da utiliza¸c˜ao nos sistemas de classifica¸c˜ao, os sinais em an´eis precisam ser normalizados. No trabalho [10], foram testadas diferentes formas de normaliza¸c˜ao dos sinais em an´eis, como:

• Energia total: dividindo-se a energia de cada anel (Eai) pela energia total

do evento: EN i= Eai P100 i=1Eai . (4.1) 58 (b)

perfil de deposi¸c˜ao de energia semelhante ao de el´etrons.

20 40 60 80 100 0 0.05 0.1 0.15 0.2 0.25 0.3 Anel Energia (MeV) Camadas _Hadrônicas PS E1 E2 E3 (a) 20 40 60 80 100 0 0.05 0.1 0.15 Energia (MeV) Camadas Hadrônicas Anel PS E1 E2 E3 (b) 20 40 60 80 100 0 0.05 0.1 0.15 Anel Energia (MeV) Camadas Hadrônicas PS E1 E2 E3 (c)

Figura 4.8: Sinais em an´eis para (a) el´etron t´ıpico, (b) jato t´ıpico e (c) jato com perfil semelhante ao de el´etrons (normalizados pela energia total dos eventos).

4.3.2

Normaliza¸c˜

ao

Antes da utiliza¸c˜ao nos sistemas de classifica¸c˜ao, os sinais em an´eis precisam ser normalizados. No trabalho [10], foram testadas diferentes formas de normaliza¸c˜ao dos sinais em an´eis, como:

• Energia total: dividindo-se a energia de cada anel (Eai) pela energia total

do evento: EN i= Eai P100 i=1Eai . (4.1) 58 (c)

Figura 3.9: Perfil típico para os 100 anéis de elétrons (3.9(a)) e jatos (3.9(b)). Jatos atípicos (3.9(c)) dificultam o processo de discriminação. A escala de energia está normalizada pela Norma 1. Extraído de [42].

em ⌘ ⇥ do evento, fazendo-se: r0 i= ri N P j=1 rj 8 i = 1, 2, 3, ..., N (3.2)

onde N é o número de anéis produzidos, considerando todas as camadas (i.e. 100). O objetivo desta normalização é reduzir a influência da energia de cada evento nas análises, mantendo, ainda assim, a proporção de energia contida em cada anel. 3.2.4.2.2 Norma 2

Cada anel foi normalizado por

r0

i=

ri

||r|| 8 i = 1, 2, 3, ..., N (3.3)

97

Trigger  Ringer  preselec:on  decision  

EM1$ EM2$ EM3$HAD1$HAD2$HAD3$

Electromagne,c-Calorimeter-- Hadronic-Calorimeter-r3# r2# r1# ∑$ ∑$ ∑$ ∑$ Ho2est-cell-∑$ ∑$ Pr eS am pl er $ Tracking-1$

Accept?  

~100  different  e/𝜸  

configura5ons

Trigger  menu  

9  

Fast  

Precise  

Offli

ne  

Calo  

Track  

The  Ringer  Chain  

Configura5on  

L1  

Raw  

data  

HLT  

Classifier  

Ringer  

Feature  

Extrac:on  

perfil de deposi¸c˜ao de energia semelhante ao de el´etrons.

20 40 60 80 100 0 0.05 0.1 0.15 0.2 0.25 0.3 Anel Energia (MeV) Camadas _Hadrônicas PS E1 E2 E3 (a) 20 40 60 80 100 0 0.05 0.1 0.15 Energia (MeV) Camadas Hadrônicas Anel PS E1 E2 E3 (b) 20 40 60 80 100 0 0.05 0.1 0.15 Anel Energia (MeV) Camadas Hadrônicas PS E1 E2 E3 (c)

Figura 4.8: Sinais em an´eis para (a) el´etron t´ıpico, (b) jato t´ıpico e (c) jato com perfil semelhante ao de el´etrons (normalizados pela energia total dos eventos).

4.3.2

Normaliza¸c˜

ao

Antes da utiliza¸c˜ao nos sistemas de classifica¸c˜ao, os sinais em an´eis precisam ser normalizados. No trabalho [10], foram testadas diferentes formas de normaliza¸c˜ao dos sinais em an´eis, como:

• Energia total: dividindo-se a energia de cada anel (Eai) pela energia total

do evento: EN i= Eai P100 i=1Eai . (4.1) 58 (a)

perfil de deposi¸c˜ao de energia semelhante ao de el´etrons.

20 40 60 80 100 0 0.05 0.1 0.15 0.2 0.25 0.3 Anel Energia (MeV) Camadas _Hadrônicas PS E1 E2 E3 (a) 20 40 60 80 100 0 0.05 0.1 0.15 Energia (MeV) Camadas Hadrônicas Anel PS E1 E2 E3 (b) 20 40 60 80 100 0 0.05 0.1 0.15 Anel Energia (MeV) Camadas Hadrônicas PS E1 E2 E3 (c)

Figura 4.8: Sinais em an´eis para (a) el´etron t´ıpico, (b) jato t´ıpico e (c) jato com perfil semelhante ao de el´etrons (normalizados pela energia total dos eventos).

4.3.2

Normaliza¸c˜

ao

Antes da utiliza¸c˜ao nos sistemas de classifica¸c˜ao, os sinais em an´eis precisam ser normalizados. No trabalho [10], foram testadas diferentes formas de normaliza¸c˜ao dos sinais em an´eis, como:

• Energia total: dividindo-se a energia de cada anel (Eai) pela energia total

do evento: EN i= Eai P100 i=1Eai . (4.1) 58 (b)

perfil de deposi¸c˜ao de energia semelhante ao de el´etrons.

20 40 60 80 100 0 0.05 0.1 0.15 0.2 0.25 0.3 Anel Energia (MeV) Camadas _Hadrônicas PS E1 E2 E3 (a) 20 40 60 80 100 0 0.05 0.1 0.15 Energia (MeV) Camadas Hadrônicas Anel PS E1 E2 E3 (b) 20 40 60 80 100 0 0.05 0.1 0.15 Anel Energia (MeV) Camadas Hadrônicas PS E1 E2 E3 (c)

Figura 4.8: Sinais em an´eis para (a) el´etron t´ıpico, (b) jato t´ıpico e (c) jato com perfil semelhante ao de el´etrons (normalizados pela energia total dos eventos).

4.3.2

Normaliza¸c˜

ao

Antes da utiliza¸c˜ao nos sistemas de classifica¸c˜ao, os sinais em an´eis precisam ser normalizados. No trabalho [10], foram testadas diferentes formas de normaliza¸c˜ao dos sinais em an´eis, como:

• Energia total: dividindo-se a energia de cada anel (Eai) pela energia total

do evento: EN i= Eai P100 i=1Eai . (4.1) 58 (c)

Figura 3.9: Perfil típico para os 100 anéis de elétrons (3.9(a)) e jatos (3.9(b)). Jatos atípicos (3.9(c)) dificultam o processo de discriminação. A escala de energia está normalizada pela Norma 1. Extraído de [42].

em ⌘ ⇥ do evento, fazendo-se: r0 i= ri N P j=1 rj 8 i = 1, 2, 3, ..., N (3.2)

onde N é o número de anéis produzidos, considerando todas as camadas (i.e. 100). O objetivo desta normalização é reduzir a influência da energia de cada evento nas análises, mantendo, ainda assim, a proporção de energia contida em cada anel. 3.2.4.2.2 Norma 2

Cada anel foi normalizado por

r0

i=

ri

||r|| 8 i = 1, 2, 3, ..., N (3.3)

97

EM1$ EM2$ EM3$HAD1$HAD2$HAD3$

Electromagne,c-Calorimeter-- Hadronic-Calorimeter-r3# r2# r1# ∑$ ∑$ ∑$ ∑$ Ho2est-cell-∑$ ∑$ Pr eS am pl er $ Tracking-1$

Accept?  

~100  different  e/𝜸  

configura5ons

The  Ringer  Chain  

Configura5on  

Trigger  menu  

Fast  

Precise  

Offli

ne  

Calo  

Track  

10  

Fast  decision  and  more  discrimina5on  

power  than  simple  linear  cuts  as  

applied  on  the  preselec5on  

calorimetry  step  standard  algorithm.  

Input layer Hidden layer Output layer 1

x

x

x

x

w

w

w

w

w

w

w

w

! 

A  standard  feed  forward  neural  network  is  used  for  the  

par5cle  iden5fica5on  task;  

! 

Normalized  ring  informa5on  (norm-­‐1  of  the  rings  

energy  in  all  calorimeter  layers)  is  fed  into  the  input  

nodes  of  the  neural  network;  

! 

The  network  output  is  compared  to  a  threshold  for  final  

decision;  

! 

Cross-­‐Valida5on:  used  to  evaluate  the  sta5s5cal  

fluctua5ons  from  the  dataset.  

! 

Network  topology  determina5on  (number  of  neurons  

in  the  hidden  layer):  see  backup  slides.  

11  

Ar5ficial  

Neural  

Network  

Normaliza5on  

(Norm1)  

Fast  Calorimeter  

 Reconstruc5on  

Efficient  calorimeter  preselec5on  

−1.50 −1 −0.5 0 0.5 1 1.5 1 2 3 4 5 6x 104 ef.pd.eta0.et1

Threshold  

Accept?  

Neural

 Ringe

r  

EM1$ EM2$ EM3$HAD1$HAD2$HAD3$

Electromagne,c-Calorimeter-- Hadronic-Calorimeter-r3# r2# r1# ∑$ ∑$ ∑$ ∑$ Ho2est-cell-∑$ ∑$ Pr eS am pl er $ Tracking-1$

perfil de deposi¸c˜ao de energia semelhante ao de el´etrons.

20 40 60 80 100 0 0.05 0.1 0.15 0.2 0.25 0.3 Anel Energia (MeV) Camadas _Hadrônicas PS E1 E2 E3 (a) 20 40 60 80 100 0 0.05 0.1 0.15 Energia (MeV) Camadas Hadrônicas Anel PS E1 E2 E3 (b) 20 40 60 80 100 0 0.05 0.1 0.15 Anel Energia (MeV) Camadas Hadrônicas PS E1 E2 E3 (c)

Figura 4.8: Sinais em an´eis para (a) el´etron t´ıpico, (b) jato t´ıpico e (c) jato com perfil semelhante ao de el´etrons (normalizados pela energia total dos eventos).

4.3.2 Normaliza¸c˜ao

Antes da utiliza¸c˜ao nos sistemas de classifica¸c˜ao, os sinais em an´eis precisam ser normalizados. No trabalho [10], foram testadas diferentes formas de normaliza¸c˜ao dos sinais em an´eis, como:

• Energia total: dividindo-se a energia de cada anel (Eai) pela energia total

do evento: EN i= Eai P100 i=1Eai . (4.1) 58 (a)

perfil de deposi¸c˜ao de energia semelhante ao de el´etrons.

20 40 60 80 100 0 0.05 0.1 0.15 0.2 0.25 0.3 Anel Energia (MeV) Camadas Hadrônicas PS E1 E2 E3 (a) 20 40 60 80 100 0 0.05 0.1 0.15 Energia (MeV) Camadas Hadrônicas Anel PS E1 E2 E3 (b) 20 40 60 80 100 0 0.05 0.1 0.15 Anel Energia (MeV) Camadas Hadrônicas PS E1 E2 E3 (c)

Figura 4.8: Sinais em an´eis para (a) el´etron t´ıpico, (b) jato t´ıpico e (c) jato com perfil semelhante ao de el´etrons (normalizados pela energia total dos eventos).

4.3.2 Normaliza¸c˜ao

Antes da utiliza¸c˜ao nos sistemas de classifica¸c˜ao, os sinais em an´eis precisam ser normalizados. No trabalho [10], foram testadas diferentes formas de normaliza¸c˜ao dos sinais em an´eis, como:

• Energia total: dividindo-se a energia de cada anel (Eai) pela energia total

do evento: EN i= Eai P100 i=1Eai . (4.1) 58 (b)

perfil de deposi¸c˜ao de energia semelhante ao de el´etrons.

20 40 60 80 100 0 0.05 0.1 0.15 0.2 0.25 0.3 Anel Energia (MeV) Camadas Hadrônicas PS E1 E2 E3 (a) 20 40 60 80 100 0 0.05 0.1 0.15 Energia (MeV) Camadas Hadrônicas Anel PS E1 E2 E3 (b) 20 40 60 80 100 0 0.05 0.1 0.15 Anel Energia (MeV) Camadas Hadrônicas PS E1 E2 E3 (c)

Figura 4.8: Sinais em an´eis para (a) el´etron t´ıpico, (b) jato t´ıpico e (c) jato com perfil semelhante ao de el´etrons (normalizados pela energia total dos eventos).

4.3.2 Normaliza¸c˜ao

Antes da utiliza¸c˜ao nos sistemas de classifica¸c˜ao, os sinais em an´eis precisam ser normalizados. No trabalho [10], foram testadas diferentes formas de normaliza¸c˜ao dos sinais em an´eis, como:

• Energia total: dividindo-se a energia de cada anel (Eai) pela energia total

do evento: EN i= Eai P100 i=1Eai . (4.1) 58 (c)

Figura 3.9: Perfil típico para os 100 anéis de elétrons (3.9(a)) e jatos (3.9(b)). Jatos atípicos (3.9(c)) dificultam o processo de discriminação. A escala de energia está normalizada pela Norma 1. Extraído de [42].

em ⌘ ⇥ do evento, fazendo-se: r0 i= ri N P j=1 rj 8 i = 1, 2, 3, ..., N (3.2)

onde N é o número de anéis produzidos, considerando todas as camadas (i.e. 100). O objetivo desta normalização é reduzir a influência da energia de cada evento nas análises, mantendo, ainda assim, a proporção de energia contida em cada anel. 3.2.4.2.2 Norma 2

Cada anel foi normalizado por

r0 i=

ri

||r|| 8 i = 1, 2, 3, ..., N (3.3) 97

12  

P D(%) =

N

e

|e

N

e

× 100%

! 

N

_e

 =  Number  of  candidates  on  Zee,  which  

passed  offline  Likelihood  :ght  (aims  at  

assessing  sample  with  high  purity).  

! 

N

_b

 =  Number  of  candidates  on  background,  

not  labeled  as  isolated  electron  by  truth  (Z  

mother,  W  mother…).    

! 

N

_e|e

 =  Number  of  trigger  events  classified  as  

electrons,  given  that  they  are  counted  as  N

_e

.  

! 

N

_e|b

 =  Number  of  trigger  events  classified  as  

electrons,  given  that  they  are  counted  N

_b

.  

Performance  Indexes  

Signal  efficiency  or  Detec5on    

Probability:  

Background  Efficiency  or  Fake  Rate  

Probability:  

Tag  and  Probe  (T&P):  is  a  method  to  measure  signal  efficiency.  Z

#

ee  

events  with  one  electron  passing  default  trigger  and  second  (probe)  

reconstructed  electron  by  offline  are  selected  and  used  to  check  if  probe  

electron  has  also  passed  trigger.  

F R(%) =

N

e

|b

Ringer  studies  for  the  Trigger  L2  

Calorimetry  op5miza5on  

L1Calo  

L2Calo  

(Cut-­‐Based)  

L2Electron  

EFCalo  

EFElectron  

L1Calo  

EFElectron  

Benchmark  chain  

Ringer  chain  

14  

Calorimetry    

pre-­‐selec5on  step.  

L2Calo  

Ringer  

L2Electron  

EFCalo  

Fa

st  pr

ese

le

c:

on

 step

Trigger  steps    

in  details  

L1Calo  

EFElectron  

Ringer  chain  

L2Calo  

Ringer  

L2Electron  

EFCalo  

L1Calo  

EFElectron  

L2Calo  

Ringer  

L2Electron  

EFCalo  

L1Calo  

L2Calo  

(Cut-­‐Based)  

L2Electron  

EFCalo  

EFElectron  

Benchmark  chain  

15  

Trigger  steps    

in  details  

Efficiencies  are  

shown  for  this  step  

w.r.t  offline.  

L1Calo  

L2Calo  

(Cut-­‐Based)  

L2Electron  

EFCalo  

EFElectron  

L1Calo  

EFElectron  

Benchmark  chain  

Ringer  chain  

16  

L2Calo  

Ringer  

L2Electron  

EFCalo  

Trigger  steps    

in  details  

L1Calo  

EFElectron  

L2Calo  

Ringer  

L2Electron  

EFCalo  

Neural  

network  

Neural  

Network  

Neural  

Network  

eta/Et    

Bin  selec5on  

threshold  

eta/Et  

cluster  informa:on  

Ringer  binned  

Hypothesis  

RingerFex  

Accept?  

L1Calo  

L2Calo  

(Cut-­‐Based)  

L2Electron  

EFCalo  

EFElectron  

L1Calo  

EFElectron  

Benchmark  chain  

Ringer  chain  

17  

L2Calo  

Ringer  

L2Electron  

EFCalo  

Trigger  steps    

in  details  

L1Calo  

EFElectron  

L2Calo  

Ringer  

L2Electron  

EFCalo  

Neural  

network  

Neural  

Network  

Neural  

Network  

eta/Et    

Bin  selec5on  

threshold  

eta/Et  

cluster  informa:on  

Ringer  binned  

Hypothesis  

RingerFex  

" 

3  bins  of  E

_T

:    

 [0,  30,  50,  ∞[  

" 

4  bins  of  η  (pseudorapidity)  region:    

 [0,  0.8,  1.37,  1.54,  2.5]  

η

2

−

−

1

0

1

2

Trigger Efficiency

0.7

0.75

0.8

0.85

0.9

0.95

1

1.05

1.1

1.15

1.2

Trigger fast calorimeter sub-step

> 24 GeV

T

ee, Ringer electron E →

Z

> 24 GeV

T

ee, Benchmark electron E →

Z

ATLAS Simulation Preliminary

-1

L dt = 3.3 fb

∫

=13 TeV,

s

>

µ

<

0

5

10

15

20

25

30

35

Trigger Efficiency

0.7

0.75

0.8

0.85

0.9

0.95

1

1.05

1.1

1.15

1.2

Trigger fast calorimeter sub-step

> 24 GeV

T

ee, Ringer electron E →

Z

> 24 GeV

T

ee, Benchmark electron E →

Z

ATLAS Simulation Preliminary

-1

L dt = 3.3 fb

∫

=13 TeV,

s

Medium  (P

_D

)  

T&P  efficiency  

18  

Benchmark:  L2Calo@e24_lhmedium_L1EM20VH  

T&P  PD%  

FR%  

Ringer  

97.78  

5.37  

L2Calo  

97.66  

12.73  

Pseudorapidity  

η

2

−

−

1

0

1

2

Trigger Efficiency

0.7

0.75

0.8

0.85

0.9

0.95

1

1.05

1.1

1.15

1.2

Trigger fast calorimeter sub-step

> 24 GeV

T

ee, Ringer electron E →

Z

> 24 GeV

T

ee, Benchmark electron E →

Z

ATLAS Simulation Preliminary

-1

L dt = 3.3 fb

∫

=13 TeV,

s

>

µ

<

0

5

10

15

20

25

30

35

Trigger Efficiency

0.7

0.75

0.8

0.85

0.9

0.95

1

1.05

1.1

1.15

1.2

Trigger fast calorimeter sub-step

> 24 GeV

T

ee, Ringer electron E →

Z

> 24 GeV

T

ee, Benchmark electron E →

Z

ATLAS Simulation Preliminary

-1

L dt = 3.3 fb

∫

=13 TeV,

s

Medium  (P

_D

)  

T&P  efficiency  

19  

Benchmark:  L2Calo@e24_lhmedium_L1EM20VH  

T&P  PD%  

FR%  

Ringer  

97.78  

5.37  

L2Calo  

97.66  

12.73  

This  gain  in  the  fake  rate  means  a  

reduc5on  of  a  factor  of  ~2    in  the  

trigger  rate  due  to  the  high  

background/signal  cross-­‐sec5on  

ra5o.  

Pseudorapidity  

Summary  and  ongoing  work  

20  

• 

Implemented  Trigger  Hypothesis  algorithm:  

– 

Hypothesis  verifica5on  in  bins  and  candidate  E

_T

 for  

more  stable  performance;  

• 

Superior  performance  as  compared  to  cut-­‐based  

algorithm:  

– 

Factor  of  ~2  reduc5on  of  the  fake  rate.  

• 

Implementa5on  and  studies  on  complete  trigger  

chains  in  progress;  

• 

A  complete  Ringer  Offline  version  was  

.  .  .

.  .  .

.  .  .

.  .  .

.  .  .

22  

Dataset  

Box  1  

Box  2  

Box  3  

Box  4  

.  .  .  .

Box  

₁₀  

60%  Train  

40%  Train  

Box  1  

Box  2  

Box  3  

Box  4  

.  .  .  .

Box  

₁₀  

Box  1  

Box  2  

Box  3  

Box  4  

.  .  .  .

Box  

₁₀  

Cross  Valida5on  (k-­‐fold):  50  sorts  using  dataset  

uniformly   spread   within   10   subsets,   usually  

referred   to   as   boxes.   Here,   in   the   par5cular  

case:   60%   for   training   phase   (model  

development)   and   40%   for   test.   (sta5s5cal  

fluctua5ons  es5ma5on)  

23  

Init  1  

Init  2  

Init  3  

.  .  .    

₁₀₀  

Init  

Sort  1:  

Selected  Net  

(set  by  

T2Calo  FR)  

Selected  Net  

(max  SP)  

Selected  Net  

(set  by  

T2Calo  PD)  

Init  1  

Init  2  

Init  3  

.  .  .    

₁₀₀  

Init  

Sort  2:  

Selected  Net  

(set  by  

T2Calo  FA)  

Selected  Net  

(max  SP)  

Selected  Net  

(set  by  

T2Calo  PD)  

Init  1  

Init  2  

Init  3  

.  .  .    

₁₀₀  

Init  

Sort  3:  

Selected  Net  

(set  by  

T2Calo  FR)  

Selected  Net  

(max  SP)  

Selected  Net  

(set  by  

T2Calo  PD)  

Init  1  

Init  2  

Init  3  

.  .  .    

₁₀₀  

Init  

Sort  50:  

Selected  Net  

(set  by  

T2Calo  FR)  

Selected  Net  

(max  SP)  

Selected  Net  

(set  by  

T2Calo  PD)  

.  .  .    

.  .  .    

.  .  .    

.  .  .    

.  .  .    

.  .  .    

.  .  .    

The  full  dataset  is  propagated  to  

choose  the  ones  that  achieved  best  

outputs.  

Best  Net  

(set  by  

T2Calo  FR)  

Best  Net  

(max  SP)  

Best  Net  

(set  by  

T2Calo  PD)  

Fu

ll  d

ata

se

t  

Medium  (FR)  

veryMedium  

Medium  (PD)  

24  

|eta|  <  0.8    

PD  (%)  

FR  (%)  

97.0+-­‐0.1  

4.4+-­‐0.3  

_$

_57.9%  

99.5-­‐0.1  

%

2.4  

8.6+-­‐0.1  

97.1  

8.6  

Benchmark:  L2Calo@e24_lhmedium_L1EM20VH  

Ringer  opera5ng  points:  

“same”  Benchmark  P

“same”  Benchmark  FR

0.8  <  |eta|  <=  1.37      

PD  (%)  

FR  (%)  

96.9+-­‐0.1  

4.6+-­‐0.2  

_$

_53.2%  

99.7+-­‐0.1  

%

2.8  

9.8+-­‐0.1  

96.9  

9.8  

1.37  <  |eta|  <=  1.54  

PD  (%)  

FR  (%)  

90.7+-­‐0.0  

6.2+-­‐1.2  

$

86.6%  

99.7+-­‐0.2  

%

9.1  

46.4+-­‐0.2  

90.7  

46.5  

1.54  <  |eta|  <=  2.5  

PD  (%)  

FR  (%)  

95.1+-­‐0.1  

10.9+-­‐0.6  

$

38.0%  

99.2+-­‐0.1  

%

4.1  

17.6+-­‐0.0  

95.1  

17.6  

Et(GeV)  ≤  30  

Ringer  

Benchmark

25  

|eta|  <  0.8    

PD  (%)  

FR  (%)  

97.0+-­‐0.1  

4.4+-­‐0.3  

_$

_57.9%  

99.5-­‐0.1  

%

2.4  

8.6+-­‐0.1  

97.1  

8.6  

Benchmark:  L2Calo@e24_lhmedium_L1EM20VH  

Ringer  opera5ng  points:  

0.8  <  |eta|  <=  1.37      

PD  (%)  

FR  (%)  

96.9+-­‐0.1  

4.6+-­‐0.2  

_$

_53.2%  

99.7+-­‐0.1  

%

2.8  

9.8+-­‐0.1  

96.9  

9.8  

1.37  <  |eta|  <=  1.54  

PD  (%)  

FR  (%)  

90.7+-­‐0.0  

6.2+-­‐1.2  

$

86.6%  

99.7+-­‐0.2  

%

9.1  

46.4+-­‐0.2  

90.7  

46.5  

1.54  <  |eta|  <=  2.5  

PD  (%)  

FR  (%)  

95.1+-­‐0.1  

10.9+-­‐0.6  

$

38.0%  

99.2+-­‐0.1  

%

4.1  

17.6+-­‐0.0  

95.1  

17.6  

Et(GeV)  ≤  30  

“same”  Benchmark  P

“same”  Benchmark  FR

26  

|eta|  <  0.8    

PD  (%)  

FR  (%)  

99.0+-­‐0.1  

5.5+-­‐0.7  

$

54.2%  

99.9+-­‐0.0  

%

0.9  

11.9+-­‐0.1  

99.0  

11.9  

Benchmark:  L2Calo@e24_lhmedium_L1EM20VH  

Ringer  opera5ng  points:  

0.8  <  |eta|  <=  1.37      

PD  (%)  

FR  (%)  

99.1+-­‐0.1  

6.3+-­‐0.9  

$

47.5%  

99.9+-­‐0.0  

%

0.7  

12.0+-­‐0.1  

99.2  

11.9  

1.37  <  |eta|  <=  1.54  

PD  (%)  

FR  (%)  

95.9+-­‐0.1  

9.5+-­‐2.1  

$

81.7%  

99.9+-­‐0.1  

%

4.0  

50.9+-­‐0.2  

95.9  

50.9  

1.54  <  |eta|  <=  2.5  

PD  (%)  

FR  (%)  

97.5+-­‐0.1  

11.2+-­‐0.9  

$

51.1%  

99.9+-­‐0.1  

%

2.3  

22.9+-­‐0.1  

97.6  

22.8  

30<Et(GeV)≤50  

“same”  Benchmark  P

“same”  Benchmark  FR

27  

|eta|  <  0.8    

PD  (%)  

FR  (%)  

99.4+-­‐0.1  

2.0+-­‐0.4  

$

72.4%  

99.9+-­‐0.1  

%

0.5  

7.4+-­‐0.1  

99.4  

7.4  

Benchmark:  L2Calo@e24_lhmedium_L1EM20VH  

Ringer  opera5ng  points:  

50<Et(GeV)<∞

0.8  <  |eta|  <=  1.37        

PD  (%)  

FR  (%)  

99.7+-­‐0.1  

5.2+-­‐1.0  

$

53.8%  

99.9+-­‐0.1  

%

0.2  

11.3+-­‐0.1  

99.7  

11.3  

1.37  <  |eta|  <=  1.54  

PD  (%)  

FR  (%)  

96.7+-­‐0.1  

2.7+-­‐1.9  

$

94.0%  

99.9+-­‐0.1  

%

3.2  

44.3+-­‐0.6  

96.7  

44.6  

1.54  <  |eta|  <=  2.5  

PD  (%)  

FR  (%)  

98.4+-­‐0.1  

4.7+-­‐0.9  

$

67.0%  

99.9+-­‐0.1  

%

1.5  

14.2+-­‐0.1  

98.5  

14.1  

“same”  Benchmark  P

“same”  Benchmark  FR