Unduh TauIDSFs - Unduh kode sumber TauIDSFs

Faktor skala Tau ID

Repositori ini berisi faktor skala (SF) yang direkomendasikan untuk beberapa diskriminator tau, dan alat untuk membacanya. Rekomendasi lebih detail dapat ditemukan di halaman TWiki ini: https://twiki.cern.ch/twiki/bin/viewauth/CMS/TauIDRecommendationForRun2

️ Harap dicatat bahwa dalam waktu dekat SF dalam format file ROOT akan dihapuskan secara bertahap, dan dalam jangka panjang digantikan oleh alat correctionlib dan file JSON yang disediakan secara terpusat oleh XPOG. Petunjuk lebih rinci untuk koreksi tau ada di sini.

Daftar isi

Pemasangan alat
- ular piton
- C++
- Python tanpa CMSSW
Ringkasan SF yang tersedia
Penggunaan
- SF yang bergantung pada pT
- SF yang bergantung pada DM
- SF tarif palsu yang bergantung pada eta untuk diskriminator anti-lepton
- Skala energi tau yang bergantung pada DM
- Eta- & DM-dependent e -> tau skala energi palsu

Pemasangan alat

Untuk menginstal alat untuk membaca tau ID SF, lakukan

 export SCRAM_ARCH=slc6_amd64_gcc700 # for CMSSW_10_3_3, check "scram list"
CMSSW_BASE=CMSSW_10_3_3             # or whichever release you desire
cmsrel $CMSSW_BASE
cd $CMSSW_BASE/src
git clone https://github.com/cms-tau-pog/TauIDSFs TauPOG/TauIDSFs
cmsenv
scram b -j8

ular piton

Setelah mengkompilasi dengan hierarki direktori masing-masing, Anda dapat mengakses alat ( python/TauIDSFTool.py ) dengan python sebagai

 from TauPOG.TauIDSFs.TauIDSFTool import TauIDSFTool

Pengujian alat dengan python dapat dijalankan dengan

 ./test/testTauIDSFTool.py

C++

Implementasi C++ serupa tersedia di src/TauIDSFTool.cc , dengan contoh penggunaan sederhana di ( test/testTauIDSFTool.cc ). Ini juga merupakan tes instalasi yang dapat dikompilasi dan dijalankan

 scram b runtests -j8

Python tanpa CMSSW

Alternatifnya, jika Anda ingin menggunakan alat python mandiri tanpa CMSSW, kloning repositori dan pastikan bahwa PYTHONPATH Anda menunjuk ke modul TauIDSFTool .

 export PYTHONPATH=<path to python directory>:$PYTHONPATH

Setelah itu, Anda harus dapat melakukan:

 from TauIDSFTool import TauIDSFTool

Ringkasan SF yang tersedia

Ini adalah ringkasan kasar SF yang tersedia untuk DeepTau2017v2p1 dan DeepTau2018v2p5 di data/ :

komponen Tau	`genmatch`	`DeepTau2017v2p1` `VSjet`	`DeepTau2017v2p1` `VSe`	`DeepTau2017v2p1` `VSmu`	`DeepTau2018v2p5` `VSjet`	skala energi
nyata lho	`5`	vs pT dan DM (untuk MC) atau vs. pT, atau vs. DM (untuk Sematkan.)	– (*)	– (*)	vs pT dan DM (untuk MC), tanpa Sematan. koreksi belum diperoleh	vs.DM
e -> tau palsu	`1` , `3`	–	vs.eta	–		vs DM dan eta
mu -> tau palsu	`2` , `4`	–	–	vs.eta		– (±1% kecuali)

(*) Faktor skala disediakan hanya untuk sub-kumpulan titik kerja. Untuk diskriminator VSele, pengukuran dilakukan untuk WP VVLoose dan Tight - pengguna sangat dianjurkan untuk menggunakan salah satu dari dua titik kerja ini dan harus melapor ke TauPOG untuk mendapatkan persetujuan jika titik kerja lain digunakan. Untuk VSmu, mereka diukur untuk WP Ketat tetapi kami tidak mengharapkan ketergantungan yang besar pada WP VSmu yang dipilih dalam hal ini sehingga Anda bebas menggunakan WP apa pun yang tersedia yang Anda suka untuk penolakan muon.

Pencocokan gen didefinisikan sebagai:

1 untuk elektron cepat
2 untuk muon cepat
3 untuk elektron dari peluruhan tau
4 untuk muon dari peluruhan tau
5 untuk taus asli
6 karena tidak cocok, atau jet memalsukan taus. Untuk informasi lebih lanjut mengenai gen-matching taus, silakan lihat di sini. Perhatikan bahwa dalam nanoAOD ini tersedia sebagai Tau_GenPartFlav , tetapi jet atau no match sesuai dengan Tau_GenPartFlav==0 alih-alih 6 .

SF dimaksudkan untuk kampanye berikut:

Label tahun	kampanye MC	Kampanye data
`2016Legacy` (*)	`RunIISummer16MiniAODv3`	`17Jul2018`
`2017ReReco` (*)	`RunIIFall17MiniAODv2`	`31Mar2018`
`2018ReReco` (*)	`RunIIAutumn18MiniAOD`	`17Sep2018` / `22Jan2019`
`UL2016_preVFP`	`RunIISummer20UL16*APV`	`(HIPM_)UL2016_MiniAODv*`
`UL2016_postVFP`	`RunIISummer20UL16`	`UL2016_MiniAODv*`
`UL2017`	`RunIISummer20UL17`	`UL2017_MiniAODv*`
`UL2018`	`RunIISummer20UL18`	`UL2018_MiniAODv*`

(*) SF yang disediakan untuk sampel pra-UL mengikuti konvensi lama untuk binning baik oleh pT atau DM, dan mengikuti skema ketidakpastian lama di mana hanya ketidakpastian total yang dilaporkan

Penggunaan

Skrip sederhana diberikan untuk membuang koreksi yang disimpan dalam histogram atau fungsi file di data/ . Gunakan misalnya

 ./test/dumpTauIDSFs.py data/TauID_SF_*_DeepTau2017v2p1VSjet_*.root

SF yang bergantung pada DM dan pT

SF yang bergantung pada DM dan pT disediakan sebagai fungsi TF1 dalam file ROOT "TauID_SF_dm_DeepTau2017v2p1VSjet_VSjetX_VSeleY_Mar07.root" untuk DeepTau2017v2p1 dan "TauID_SF_dm_DeepTau2018v2p5VSjet_VSjetX_VSeleY_Jul18.root" untuk DeepTau2018v2p5, di mana X berhubungan dengan VSjet WP dan Y berhubungan dengan VSele WP.

File ROOT berisi beberapa fungsi. Nilai sentral diperoleh dari fungsi bernama seperti "DM$DM_$ERA_fit" dengan $DM adalah mode peluruhan = 0, 1, 10, atau 11, dan $ERA = 2016_preVFP, 2016_postVFP, 2017, atau 2018.

Misalnya untuk mendapatkan nilai sentral SF untuk WP Medium VSjet dan VVLoose VSele dari diskriminator 'DeepTau2017v2p1VSjet' untuk DM=1 pada tahun 2018, gunakan

 file = TFile("data/TauID_SF_dm_DeepTau2017v2p1VSjet_VSjetMedium_VSeleVVLoose_Mar07.root")
func = file.Get('DM1_2018_fit')
sf   = func.Eval(pt)

Ada juga fungsi yang sesuai dengan variasi sistematis yang dapat diakses dengan cara yang sama. Tabel di bawah ini memberikan ringkasan nama fungsi dan ketidakpastian apa yang terkait dengan DeepTau2017v2p1:

Ketakpastian	Nama fungsi dalam file ROOT	String untuk diteruskan ke alat	Catatan	Berkorelasi dengan zaman	Dikorelasikan dengan DM
`Statistical uncertainty 1`	`DM$DM_$ERA_fit_uncert0_{up,down}`	`uncert0_{up,down}`	`Statistical uncertainty on linear fit parameters from eigendecomposition of covariance matrix.`	✗	✗
`Statistical uncertainty 2`	`DM$DM_$ERA_fit_uncert1_{up,down}`	`uncert1_{up,down}`	`Statistical uncertainty on linear fit parameters from eigendecomposition of covariance matrix.`	✗	✗
`Systematic alleras`	`DM$DM_$ERA_syst_alleras_{up,down}_fit`	`syst_alleras_{up,down}`	`The component of the systematic uncertainty that is correlated across DMs and eras`	✓	✓
`Systematic by-era`	`DM$DM_$ERA_syst_$ERA_{up,down}_fit`	`syst_$ERA_{up,down}`	`The component of the systematic uncertainty that is correlated across DMs but uncorrelated by eras`	✗	✓
`Systematic by-era and by-DM`	`DM$DM_$ERA_syst_dm$DM_$ERA_{up,down}_fit`	`syst_dm$DM_$ERA_{up,down}`	`The component of the systematic uncertainty that is uncorrelated across DMs and eras`	✗	✗

Tabel di bawah ini memberikan ringkasan nama fungsi dan ketidakpastian apa yang terkait dengan DeepTau2018v2p5:

Ketakpastian	Nama fungsi dalam file ROOT	String untuk diteruskan ke alat	Catatan	Berkorelasi dengan zaman	Dikorelasikan dengan DM
`Statistical uncertainty 1`	`DM$DM_$ERA_fit_uncert0_{up,down}`	`uncert0_{up,down}`	`Statistical uncertainty on linear fit parameters from eigendecomposition of covariance matrix.`	✗	✗
`Statistical uncertainty 2`	`DM$DM_$ERA_fit_uncert1_{up,down}`	`uncert1_{up,down}`	`Statistical uncertainty on linear fit parameters from eigendecomposition of covariance matrix.`	✗	✗
`Systematic alleras`	`DM$DM_$ERA_syst_alleras_{up,down}_fit`	`syst_alleras_{up,down}`	`The component of the systematic uncertainty that is correlated across DMs and eras`	✓	✓
`Systematic by-era`	`DM$DM_$ERA_syst_alldms_$ERA_{up,down}_fit`	`syst_alldms_$ERA_{up,down}`	`The component of the systematic uncertainty that is correlated across DMs but uncorrelated by eras`	✗	✗
`Systematic Tau Energy scale`	`DM$DM_$ERA_TES{Up,Down}_fit`	`TES_{up,down}`	`The uncertainty due to the tauenergy scale systematic uncertainty`	✗	✗

SF juga dapat diakses menggunakan alat ini:

 from TauPOG.TauIDSFs.TauIDSFTool import TauIDSFTool
tauSFTool = TauIDSFTool(year='UL2018',id='DeepTau2017v2p1VSjet',wp='Medium',wp_vsele='VVLoose',ptdm=True)
sf        = tauSFTool.getSFvsDMandPT(pt,dm,genmatch)

Dan variasi ketidakpastian dapat diakses menggunakan:

 sf        = tauSFTool.getSFvsDMandPT(pt,dm,genmatch,unc)

dimana string unc digunakan untuk mengidentifikasi variasi sistematis seperti yang diberikan pada kolom ketiga pada tabel di atas

SF yang bergantung pada pT pT tinggi

Analisis yang sensitif terhadap taus dengan pT>140 GeV harus beralih ke SF pT tinggi khusus yang diukur dalam wadah pT di atas 140 GeV

SF disediakan sebagai objek TGraphAsymmErrors dalam file ROOT "TauID_SF_Highpt_DeepTau2017v2p1VSjet_VSjetX_VSeleY_Mar07.root", di mana X berhubungan dengan VSjet WP dan Y berhubungan dengan VSele WP.

File ROOT berisi beberapa grafik. Nilai sentral diperoleh dari grafik yang diberi nama seperti "DMinclusive_$ERA" dengan $ERA = 2016_preVFP, 2016_postVFP, 2017, atau 2018. Grafik ini berisi 2 bin pT dengan pT 100-200, dan pT>200 GeV. Anda sebaiknya hanya menggunakan ini sebagai nilai yang dibuang. Untuk taus antara 140-200 GeV gunakan bin pertama, dan untuk taus dengan pT>200 GeV gunakan bin kedua.

SF juga dapat diakses menggunakan alat ini:

 from TauPOG.TauIDSFs.TauIDSFTool import TauIDSFTool
tauSFTool = TauIDSFTool(year='UL2018',id='DeepTau2017v2p1VSjet',wp='Medium',wp_vsele='VVLoose',highpT=True)
sf        = tauSFTool.getHighPTSFvsPT(pt,genmatch)

Dan variasi ketidakpastian dapat diakses menggunakan:

 sf        = tauSFTool.getHighPTSFvsPT(pt,genmatch,unc)

dimana "unc" bergantung pada sumber ketidakpastian. Tabel di bawah menjelaskan sumber ketidakpastian dan string yang perlu Anda teruskan ke alat untuk mengambilnya:

Ketakpastian	String untuk diteruskan ke alat	Catatan	Berkorelasi dengan zaman	Dikorelasikan dengan pT
`Statistical uncertainty 1`	`stat_bin1_{up,down}`	`Statistical uncertainty on the pT 140-200 GeV bin. Note this also includes systematic uncertainties that are decorrelated by pT bin and era (since they also behave like statistical uncertainties)`	✗	✗
`Statistical uncertainty 2`	`stat_bin2_{up,down}`	`Statistical uncertainty on the pT >200 GeV bin. Note this also includes systematic uncertainties that are decorrelated by pT bin and era (since they also behave like statistical uncertainties)`	✗	✗
`Systematic`	`syst_{up,down}`	`The systematic uncertainty that is correlated across pT regions and eras`	✓	✓
`Extrapolation Systematic`	`extrap_{up,down}`	`The systematics uncertainty due to the extrapolation of the SF to higher pT regions`	✓	✓

SF yang bergantung pada pT

Tidak digunakan lagi untuk UL MC - gunakan SF yang bergantung pada DM dan pT!

Faktor skala yang tertanam masih mengikuti resep lama untuk pT atau DM binned SF sehingga petunjuk ini masih berlaku dalam kasus ini

SF yang bergantung pada pT disediakan sebagai fungsi TF1 . Misalnya, untuk mendapatkan WP medium dari diskriminator 'DeepTau2017v2p1VSjet' untuk tahun 2016, gunakan

 file = TFile("data/TauID_SF_pt_DeepTau2017v2p1VSjet_2016Legacy.root")
func = file.Get('Medium_cent')
sf   = func.Eval(pt)

Alat tersebut dapat digunakan sebagai

 from TauPOG.TauIDSFs.TauIDSFTool import TauIDSFTool
tauSFTool = TauIDSFTool('2016Legacy','DeepTau2017v2p1VSjet','Medium',ptdm=False)

dan untuk mengambil SF untuk tau pT tertentu, lakukan

 sf = tauSFTool.getSFvsPT(pt)

SF hanya boleh diterapkan pada objek tau yang cocok dengan tau "asli" pada level gen ( genmatch==5 ). Anda dapat meneruskan argumen genmatch opsional dan fungsi akan mengembalikan SF yang sesuai jika genmatch==5 , dan 1.0 sebaliknya,

 sf = tauSFTool.getSFvsPT(pt,genmatch)

Ketidakpastian yang direkomendasikan dapat diambil sebagai

 sf_up   = tauSFTool.getSFvsPT(pt,genmatch,unc='Up')
sf_down = tauSFTool.getSFvsPT(pt,genmatch,unc='Down')

atau, ketiganya sekaligus:

 sf_down, sf, sf_up = tauSFTool.getSFvsPT(pt,genmatch,unc='All')

Untuk tau ID SF dari sampel yang disematkan , setel tanda emb ke True :

 tauSFTool = TauIDSFTool('2017ReReco','DeepTau2017v2p1VSjet','Medium',emb=True)

Jika analisis Anda menggunakan DeepTauVSe WP yang lebih longgar daripada VLoose dan/atau DeepTauVSmu yang lebih longgar daripada diskriminator medium, sebaiknya tambahkan ketidakpastian tambahan menggunakan tanda otherVSlepWP :

 tauSFTool = TauIDSFTool('2017ReReco','DeepTau2017v2p1VSjet','Medium',otherVSlepWP=True)

SF yang bergantung pada DM

Tidak digunakan lagi untuk UL MC - gunakan SF yang bergantung pada DM dan pT!

Faktor skala yang tertanam masih mengikuti resep lama untuk pT atau DM binned SF sehingga petunjuk ini masih berlaku dalam kasus ini

Analisis menggunakan pemicu ditau dan tau pT > 40 GeV, dapat menggunakan SF yang bergantung pada DM. Harap dicatat bahwa tidak ada SF yang tersedia untuk mode peluruhan 5 dan 6, dan alat akan mengembalikan 1 secara default, silakan baca bagian TWiki ini. Mereka disediakan sebagai histogram TH1 . Misalnya, untuk mendapatkan WP medium dari diskriminator 'DeepTau2017v2p1VSjet' untuk tahun 2016, gunakan

 file = TFile("data/TauID_SF_dm_DeepTau2017v2p1VSjet_2016Legacy.root")
hist = file.Get('Medium')
sf   = hist.GetBinContent(hist.GetXaxis().FindBin(dm))

atau dengan alatnya,

 from TauPOG.TauIDSFs.TauIDSFTool import TauIDSFTool
tauSFTool = TauIDSFTool('2017ReReco','MVAoldDM2017v2','Tight',dm=True,ptdm=False)
sf        = tauSFTool.getSFvsDM(pt,dm,genmatch)
sf_up     = tauSFTool.getSFvsDM(pt,dm,genmatch,unc='Up')
sf_down   = tauSFTool.getSFvsDM(pt,dm,genmatch,unc='Down')

di mana genmatch bersifat opsional.

SF tarif palsu yang bergantung pada eta untuk diskriminator anti-lepton

Untuk menerapkan SF pada elektron atau muon yang memalsukan taus, gunakan eta dari tau yang direkonstruksi dan kode genmatch . Mereka disediakan sebagai histogram TH1 :

 file = TFile("data/TauID_SF_eta_DeepTau2017v2p1VSmu_2016Legacy.root")
hist = file.Get('Medium')
sf   = hist.GetBinContent(hist.GetXaxis().FindBin(eta))

atau dengan alatnya,

 python/TauIDSFTool.py
antiEleSFTool = TauIDSFTool('2017ReReco','antiEleMVA6','Loose')
antiMuSFTool  = TauIDSFTool('2017ReReco','antiMu3','Tight')
antiEleSF     = antiEleSFTool.getSFvsEta(eta,genmatch)
antiMuSF      = antiMuSFTool.getSFvsEta(eta,genmatch)

Ketidakpastian diperoleh dengan cara yang sama seperti di atas.

Skala energi tau yang bergantung pada DM

Penggunaan untuk DeepTau2018v2p5

Koreksi skala energi tau (TES) untuk taus dengan pT<140 GeV disediakan dalam file data/TauES_dm_DeepTau2018v2p5VSjet_$ERA_VSjet$X_VSele$Y_Jul18.root , di mana $X berhubungan dengan VSjet WP, $Y berhubungan dengan VSele WP, dan $ERA = UL2016_preVFP, UL2016_postVFP, UL2017, atau UL2018

Setiap file berisi satu histogram ( 'tes' ) dengan TES berpusat di sekitar 1.0 diukur dalam bin mode peluruhan tau. Ini harus diterapkan pada tau asli dengan mengalikan tau TLorentzVector , atau setara dengan energi tau, pT dan massa sebagai berikut:

 file = TFile("data/TauES_dm_DeepTau2018v2p5VSjet_UL2018_VSjetMedium_VSeleVVLoose_Jul18.root")
hist = file.Get('tes')
tes  = hist.GetBinContent(hist.GetXaxis().FindBin(dm))

# scale the tau's TLorentzVector
tau_tlv *= tes

# OR, scale the energy, mass and pT
tau_E  *= tes
tau_pt *= tes
tau_m  *= tes

Ketidakpastian tersebut setara dengan 1,5% untuk mode peluruhan 0, 1, dan 10, dan 2% untuk mode peluruhan 11. Ketidakpastian tersebut harus dikorelasikan berdasarkan mode peluruhan dan era. Untuk taus dengan pT>140 GeV, tidak ada koreksi yang harus diterapkan pada nilai TES nominal dari MC tetapi ketidakpastian 3% yang lebih besar harus disertakan. Kelas sederhana, TauESTool , disediakan untuk mendapatkan TES sebagai

 from TauPOG.TauIDSFs.TauIDSFTool import TauESTool
testool = TauESTool('UL2018','DeepTau2018v2p5VSjet',wp='Medium', wp_vsele='VVLoose')
tes     = testool.getTES(pt,dm,genmatch)
tesUp   = testool.getTES(pt,dm,genmatch,unc='Up')
tesDown = testool.getTES(pt,dm,genmatch,unc='Down')

Metode ini menghitung nilai sentral dan ketidakpastian untuk pT rendah (20 GeV < pT < 140 GeV) dan nilai pT lebih tinggi (pT > 140 GeV).

Penggunaan untuk DeepTau2017v2p1

Skala energi tau (TES) disediakan dalam file data/TauES_dm_*.root . Setiap file berisi satu histogram ( 'tes' ) dengan TES berpusat di sekitar 1.0 . Ini harus diterapkan pada tau asli dengan mengalikan tau TLorentzVector , atau setara dengan energi tau, pT dan massa sebagai berikut:

 file = TFile("data/TauES_dm_DeepTau2017v2p1VSjet_UL2018.root")
hist = file.Get('tes')
tes  = hist.GetBinContent(hist.GetXaxis().FindBin(dm))

# scale the tau's TLorentzVector
tau_tlv *= tes

# OR, scale the energy, mass and pT
tau_E  *= tes
tau_pt *= tes
tau_m  *= tes

Kelas sederhana, TauESTool , disediakan untuk mendapatkan TES sebagai

 from TauPOG.TauIDSFs.TauIDSFTool import TauESTool
testool = TauESTool('2017ReReco','DeepTau2017v2p1VSjet')
tes     = testool.getTES(pt,dm,genmatch)
tesUp   = testool.getTES(pt,dm,genmatch,unc='Up')
tesDown = testool.getTES(pt,dm,genmatch,unc='Down')

Metode ini menghitung ketidakpastian yang tepat pada nilai pT menengah (34 GeV < pT < 170 GeV) dan lebih tinggi (pT > 170 GeV). Analisis yang hanya ingin menggunakan TES pada pT tinggi, dapat menggunakan yang berikut ini:

 tes     = testool.getTES_highpt(dm,genmatch)

Perlakuan ketidakpastian skala energi Tau

Eta- & DM-dependent e -> tau skala energi palsu

Skala energi palsu e -> tau (FES) disediakan dalam file data/TauFES_eta-dm_*.root . Setiap file berisi satu grafik ( 'fes' ) dengan FES berpusat di sekitar 1.0 . Ini hanya boleh diterapkan pada taus yang direkonstruksi yang dipalsukan oleh elektron (yaitu genmatch==1 atau 3 ) dan memiliki DM 0 atau 1. Penerapannya sama dengan TES di atas. Kelas sederhana, TauFESTool , disediakan untuk mendapatkan FES sebagai

 from TauPOG.TauIDSFs.TauIDSFTool import TauFESTool
festool = TauESTool('2017ReReco')
fes     = festool.getFES(eta,dm,genmatch)
fesUp   = festool.getFES(eta,dm,genmatch,unc='Up')
fesDown = festool.getFES(eta,dm,genmatch,unc='Down')

Memperluas