首頁>編程相關>其他源碼
下載

Tau ID 比例因子

此儲存庫包含幾個 tau 鑑別器的建議比例因子 (SF) 以及讀取它們的工具。更詳細的建議可以在此 TWiki 頁面上找到：https://twiki.cern.ch/twiki/bin/viewauth/CMS/TauIDRecommendationForRun2

️請注意，在不久的將來，ROOT 檔案格式的 SF 將被淘汰，並在長期內由 XPOG 集中提供的correctionlib工具和 JSON 檔案取代。有關 tau 校正的更詳細說明請參閱此處。

目錄

  • 工具的安裝
    • Python
    • C++
    • 沒有 CMSSW 的 Python
  • 可用 SF 的摘要
  • 用法
    • pT依賴性SF
    • DM 依賴性 SF
    • 抗輕子鑑別器的依賴 eta 的假率 SF
    • DM 依賴性 tau 能量標度
    • Eta- & DM 依賴 e -> tau 假能量標度

工具的安裝

若要安裝用於讀取 tau ID SF 的工具，請執行下列操作

 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

Python

使用對應的目錄層次結構進行編譯後，您可以在 python 中存取該工具 ( python/TauIDSFTool.py )，如下所示

 from TauPOG.TauIDSFs.TauIDSFTool import TauIDSFTool

可以使用 python 運行該工具的測試

 ./test/testTauIDSFTool.py

C++

src/TauIDSFTool.cc中提供了類似的 C++ 實現，並在 ( test/testTauIDSFTool.cc ) 中提供了簡單的使用範例。這也是一個安裝測試，可以編譯並執行

 scram b runtests -j8

沒有 CMSSW 的 Python

或者，如果您想在沒有 CMSSW 的情況下獨立使用 python 工具，請複製儲存庫並確保您的PYTHONPATH指向TauIDSFTool模組。 

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

之後，您應該能夠執行以下操作： 

 from TauIDSFTool import TauIDSFTool

可用 SF 的摘要

這是data/中DeepTau2017v2p1和DeepTau2018v2p5的可用 SF 的粗略摘要：

Tau 成分genmatch DeepTau2017v2p1 VSjet DeepTau2017v2p1 VSe DeepTau2017v2p1 VSmu DeepTau2018v2p5 VSjet能量等級
真正的tau蛋白5與 pT 和 DM（對於 MC）或與 pT 或與 DM（對於嵌入） – (*) – (*)與 pT 和 DM（對於 MC），無嵌入。尚未得出修正與 DM
e -> tau 假冒1 , 3 –與 eta –與 DM 和 eta
mu -> tau 假2 , 4 – –與 eta –（±1% 未計算）

(*) 僅針對工作點的子集提供比例因子。對於 VSele 判別器，它們是針對 VVLoose 和 Tight WP 進行測量的 - 強烈鼓勵用戶使用這兩個工作點之一，如果使用另一個工作點，應向 TauPOG 報告以獲得批准。對於VSmu，它們是針對緊密WP 進行測量的，但我們預計在這種情況下不會對所選的VSmu WP 有很大的依賴性，因此您可以自由地使用任何您喜歡的可用WP 來抑制μ子。

基因匹配定義為：

  • 1為瞬發電子
  • 2為瞬發μ介子
  • 3表示來自 tau 衰變的電子
  • 4代表來自 tau 衰變的 μ 子
  • 5代表真正的 taus
  • 6代表不匹配，或噴射機假裝 taus。有關 taus 基因匹配的更多信息，請參閱此處。請注意，在 nanoAOD 中，這可用作Tau_GenPartFlav ，但 jet 或不匹配對應於Tau_GenPartFlav==0而不是6 。

SF 適用於以下活動：

年份標籤MC活動數據活動
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*

(*) 為 UL 前樣本提供的 SF 遵循 pT 或 DM 分檔的舊慣例，並遵循舊的不確定性方案，其中僅報告總不確定性

用法

給出了一個簡單的腳本來轉儲保存在data/中檔案的直方圖或函數中的校正。使用例如

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

DM 和 pT 依賴性 SF

DM 和 pT 相關 SF 在 DeepTau2017v2p1 的“TauID_SF_dm_DeepTau2017v2p1VSjet_VSjetX_VSeleY_Mar07.root”根文件和 DeepTau2018v 的“TauID_SF_dm_DrootTau2018181818121202018 月 201812120018 2p5，其中 X 對應於 VSjet WP，Y 對應於 VSele WP。

ROOT 檔案包含多個函數。中心值是從名為「DM$DM_$ERA_fit」的函數中獲得的，其中 $DM 是衰減模式 = 0、1、10 或 11，$ERA = 2016_preVFP、2016_postVFP、2017 或 2018。

例如，要取得 2018 年 DM=1 時'DeepTau2017v2p1VSjet'鑑別器的 Medium VSjet 和 VVLoose VSele WP 的 SF 中心值，請使用

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

還有一些與系統變化相對應的函數可以透過相同的方式存取。下表總結了 DeepTau2017v2p1 的函數名稱及其對應的不確定性：

不確定ROOT 檔案中的函數名稱要傳遞給工具的字串筆記按時代相關透過 DM 關聯
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 ✗ ✗

下表總結了 DeepTau2018v2p5 的函數名稱及其對應的不確定性：

不確定ROOT 檔案中的函數名稱要傳遞給工具的字串筆記按時代相關透過 DM 關聯
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 ✗ ✗

也可以使用以下工具存取 SF： 

 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)

不確定性變化可以透過以下方式獲得： 

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

其中unc字串用於識別上表第三列中給出的系統變異

高 pT pT 依賴性 SF

對 pT>140 GeV 的 taus 敏感的分析應切換到在 140 GeV 以上的 pT 箱中測量的專用高 pT SF

SF 在「TauID_SF_Highpt_DeepTau2017v2p1VSjet_VSjetX_VSeleY_Mar07.root」ROOT 檔案中作為 TGraphAsymmErrors 物件提供，其中 X 對應於 VSjet WP，Y 對應於 VSele WP。

ROOT 檔案包含多個圖表。中心值是從名為「DMinclusive_$ERA」的圖表中獲得的，其中 $ERA = 2016_preVFP、2016_postVFP、2017 或 2018。您應該僅將它們用作分箱值。對於 140-200 GeV 之間的 taus，使用第一個 bin，對於 pT>200 GeV 的 taus，使用第二個 bin。

也可以使用以下工具存取 SF： 

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

不確定性變化可以透過以下方式獲得： 

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

其中“unc”取決於不確定性來源。下表描述了不確定性來源以及您需要傳遞給工具以檢索它們的字串：

不確定要傳遞給工具的字串筆記按時代相關與 pT 相關
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 ✓ ✓

pT依賴性SF

已棄用 UL MC - 請改用 DM 和 pT 相關的 SF！

嵌入的比例因子仍然遵循 pT 或 DM 分檔 SF 的舊規定，因此這些說明在這種情況下仍然適用

pT 依賴性 SF 以TF1函數提供。例如，要取得 2016 年'DeepTau2017v2p1VSjet'鑑別器的中 WP 的值，請使用

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

該工具可用作

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

並檢索給定 tau pT 的 SF，執行

 sf = tauSFTool.getSFvsPT(pt)

SF 應該只應用於在 gen 層級匹配「真實」taus 的 tau 物件 ( genmatch==5 )。您可以傳遞可選的genmatch參數，如果genmatch==5 ，函數將傳回適當的 SF ，否則傳回1.0 ， 

 sf = tauSFTool.getSFvsPT(pt,genmatch)

建議的不確定性可以檢索為

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

或者，三者同時進行： 

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

對於嵌入樣本的 tau ID SF，將emb標誌設為True ： 

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

如果您的分析使用比 VLoose 寬鬆的 DeepTauVSe WP 和/或比中鑑別器寬鬆的 DeepTauVSmu，則應使用otherVSlepWP標誌添加額外的不確定性： 

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

DM 依賴性 SF

已棄用 UL MC - 請改用 DM 和 pT 相關的 SF！

嵌入的比例因子仍然遵循 pT 或 DM 分檔 SF 的舊規定，因此這些說明在這種情況下仍然適用

使用 ditau 觸發器和 tau pT > 40 GeV 進行分析，可以使用 DM 依賴性 SF。請注意，衰減模式 5 和 6 沒有可用的 SF，並且該工具預設回傳 1，請閱讀此 TWiki 部分。它們以TH1直方圖的形式提供。例如，要取得 2016 年'DeepTau2017v2p1VSjet'鑑別器的中 WP 的值，請使用

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

或使用工具， 

 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')

其中genmatch是可選的。

抗輕子鑑別器的依賴 eta 的假率 SF

若要將 SF 應用於偽造 tau 的電子或 μ 子，請使用重建 tau 的 eta 和genmatch程式碼。它們以TH1直方圖的形式提供： 

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

或使用工具， 

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

不確定度的取得方式與上述類似。

DM 依賴性 tau 能量標度

DeepTau2018v2p5 的用法

文件data/TauES_dm_DeepTau2018v2p5VSjet_$ERA_VSjet$X_VSele$Y_Jul18.root中提供了 pT<140 GeV 的 tau 能量標度 (TES) 校正，其中 $X 對應於 VSjet WP，$Y 10, post 、UL2017 或UL2018

每個文件包含一個直方圖 ( 'tes' )，TES 以1.0為中心，在 tau 衰變模式的 bin 中測量。它應該透過乘以 tau TLorentzVector或等效的 tau 能量、pT 和質量來應用於真正的 tau，如下所示： 

 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

衰減模式 0、1 和 10 的不確定性等於 1.5%，衰減模式 11 的不確定性等於 2%。對於 pT>140 GeV 的 taus，不應對 MC 的標稱 TES 值進行修正，但應包括更大的 3% 不確定性。提供了一個簡單的類別TauESTool來取得 TES： 

 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')

此方法計算低 pT (20 GeV < pT < 140 GeV) 和較高 pT 值 (pT > 140 GeV) 的中心值和不確定性。

DeepTau2017v2p1 的用法

檔案data/TauES_dm_*.root中提供了 tau 能量標度 (TES)。每個文件包含一個直方圖（ 'tes' ），TES 以1.0為中心。它應該透過乘以 tau TLorentzVector或等效的 tau 能量、pT 和質量來應用於真正的 tau，如下所示： 

 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

提供了一個簡單的類別TauESTool來取得 TES： 

 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')

此方法計算中間 (34 GeV < pT < 170 GeV) 和較高 pT 值 (pT > 170 GeV) 的正確不確定度。只想在高 pT 下使用 TES 的分析，可以使用以下內容： 

 tes     = testool.getTES_highpt(dm,genmatch)

Tau 能量尺度不確定性處理

Eta- & DM 依賴 e -> tau 假能量標度

檔案data/TauFES_eta-dm_*.root中提供了 e -> tau 假能量標度 (FES)。每個檔案包含一個圖表（ 'fes' ），FES 以1.0為中心。它只能應用於由電子偽造的重建 taus（即genmatch==1或3 ）並且具有 DM 0 或 1。提供了一個簡單的類別TauFESTool來取得 FES，如下所示

 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')
展開
附加信息
相關應用
爲您推薦
相關資訊 全部