Authors:	Damp, Johannes Frederic
Title:	Search for Dijet Resonances with the Level-1 Topological Processor at ATLAS
Online publication date:	4-Feb-2021
Year of first publication:	2021
Language:	english
Abstract:	Due to the limited bandwidth capacity of data acquisition systems, any analysis performed at a collider experiment has to rely on an efficient trigger system, which selects only the potentially interesting events. To cope with increasing data rates caused by higher instantaneous luminosities of up to 2.1⋅10³⁴ cm⁻² s⁻¹ in Run-2 of the LHC, trigger thresholds would have had to be increased, leading to both losses in signal efficiency and statistical limitations for a wide range of analyses. To avoid these losses, the FPGA-based Level-1 Topological Processor (L1Topo) has been introduced to ATLAS in Run-2. It extends the capabilities of the hardware-based first-level trigger by the ability to perform trigger decisions based on topological algorithms, for example angular selections or mass cuts. Using L1Topo, it was possible to maintain the trigger thresholds for Run-2 and to avoid losses in signal efficiencies while keeping the data rates low, which is of paramount importance for analyses targeting low-p T signatures. This thesis reports on the firmware development and trigger performance of the topological processor during Run-2. In addition, this thesis presents a novel approach to search for new physics in the dijet invariant mass spectrum. These resonance searches are performed by searching for a localized excess of events above a smoothly falling background of dijet events. Due to the limited available bandwidth of the data acquisition system, searches for dijet resonances suffer from statistical limitations in the mass range below 500 GeV. Using L1Topo, these statistical limitations can be fully avoided. By performing the analysis and creating invariant mass histograms directly on the first trigger level, the bandwidth limitations can be circumvented and every single collision event can be analyzed. This makes it possible to perform an analysis of the whole invariant mass spectrum using an unprecedented level of statistical precision. This thesis presents the development of the new approach and its implementation into the trigger and data acquisition system of ATLAS. Using this approach, data has been collected in 2018 with √s = 13 TeV in proton-proton collisions corresponding to a recorded offline luminosity of 60.6 fb⁻¹ . A statistical analysis is performed to search for deviations from a data-driven background estimate. No evidence for new resonances is observed, the data is therefore used to set exclusion limits at a credibility level of 95 % on the product of the production cross section, the acceptance and the branching ratio, both for model-agnostic Gaussian resonance shapes and an axial-vector Z′ dark matter mediator. Aufgrund der begrenzten verfügbaren Bandbreite der Datenerfassungssysteme ist jedes Beschleunigerexperiment auf ein effizientes Triggersystem angewiesen, um nur die potenziell interessanten Ereignisse auszuwählen. Um mit den steigenden Datenraten, die durch höhere instantane Luminositäten von bis zu 2.1⋅10³⁴ cm⁻² s⁻¹ in Run-2 des LHCs verursacht werden, fertig zu werden, hätten die Triggerschwellen erhöht werden müssen, was zu Verlusten in der Signaleffizienz sowie zu statistischen Einschränkungen für eine Vielzahl von Analysen geführt hätte. Um diese Verluste zu vermeiden, wurde der Level-1 topologische Prozessor (L1Topo) für Run-2 in ATLAS eingeführt. Er erweitert die Fähigkeiten des hardwarebasierten Level-1-Triggers und ermöglicht es Triggerentscheidungen mit topologischen Algorithmen durchzuführen, zum Beispiel Winkel- oder Massenschnitte. Dies ermöglichte es, Verluste in Signaleffizienzen zu vermeiden und die Triggerschwellen in Run-2 niedrig zu halten, was von größter Wichtigkeit für zahlreiche Analysen bei ATLAS ist. In dieser Arbeit wird die Firmware-Entwicklung und die Leistungsfähigkeit der Trigger des topologischen Prozessors während Run-2 beschrieben. Darüber hinaus stellt diese Arbeit einen neuartigen Ansatz zur Suche nach neuer Physik im Spektrum der invarianten Dijetmassen vor. Analysen von Dijetmassenspektren werden durch die Suche nach einem lokalisierten Überschuss von Ereignissen über einem glatt fallenden Dijethintergrund durchgeführt. Aufgrund der begrenzten verfügbaren Bandbreite des Datenerfassungssystems haben Dijetresonanzsuchen jedoch statistische Einschränkungen im Massenbereich unter 500 GeV. Mit Hilfe des L1Topo-Moduls können diese statistischen Einschränkungen jedoch umgangen werden. Mittels der Durchführung der Analyse und der Erstellung invarianter Massenhistogramme direkt auf der ersten Triggerstufe können die Bandbreitenbeschränkungen vermieden werden, und jedes einzelne Kollisionsereignis kann für die Analyse verwendet werden. Dies ermöglicht eine Analyse des gesamten invarianten Massenspektrums unter Verwendung einer noch nie dagewesenen statistischen Präzision. Mit diesem Ansatz wurden im Jahr 2018 Daten mit √s = 13 TeV in Proton-Proton-Kollisionen gesammelt, die einer aufgezeichneten Offlineluminosität von 60,6 fb⁻¹ entsprechen. Diese Arbeit stellt die Entwicklung des neuen Ansatzes und seine Implementierung in das Trigger- und Datenerfassungssystem von ATLAS vor. Es wird eine statistische Analyse durchgeführt, um nach Abweichungen von einer datengetriebenen Hintergrundschätzung zu suchen. In dieser Analyse werden keine Hinweise auf neue Resonanzen beobachtet. Daher werden die Daten dafür verwendet, um Ausschlussgrenzen mit einem Glaubwürdigkeitsniveau von 95 % auf das Produkt aus Wirkungsquerschnitt, Akzeptanz und Verzweigungsverhältnis zu setzen. Dies geschieht sowohl für modellunabhängige Gauß’sche Resonanzen, als auch für ein Modell der dunklen Materie, welches ein Axialvektor-Mediatorteilchen Z ′ vorhersagt.
DDC:	530 Physik 530 Physics
Institution:	Johannes Gutenberg-Universität Mainz
Department:	FB 08 Physik, Mathematik u. Informatik
Place:	Mainz
ROR:	https://ror.org/023b0x485
DOI:	http://doi.org/10.25358/openscience-5599
URN:	urn:nbn:de:hebis:77-openscience-76e664be-86da-49a0-8b38-8913674fa1682
Version:	Original work
Publication type:	Dissertation
License:	In Copyright
Information on rights of use:	https://rightsstatements.org/page/InC/1.0/?language=en
Extent:	xix, 231 Seiten
Appears in collections:	JGU-Publikationen