fragmentationsfunktionen, multiplizität und h1

Fragmentationsfunktionen, Multiplizität und H1

Nicolas du Fresne von Hohenesche

Bonn Meeting 19.12.2012

COMPASS

Nicolas du Fresne von Hohenesche FF und H1

Semiinklusive tiefinelastische Streuung

Nachweis eines Hadrons h inKoinzidenz mit einem gestreutenLepton l �

l + N = l � + h + X

Zusätzliche Variablen: z, xf


Fragmentationsfunktionen

Nicht farbneutrale Fragmente nach der Streuung vorhanden ⇒HadronisierungWelche Hadronen entstehen? Und wieviele? ⇒Fragmentationsfunktionen Dh

q(z): nicht normierteWahrscheinlichkeit, dass aus Quark q eine Hadron h entstehtmit dem Impulsbruchteil z⇒ FF sind Umkehrungen von Quarkverteilung q(x)Eigenschaften von Dh

q :�

h

� 1

0z · Dh

f (Q2, z)dz = 1

nh =�

f

� 1

zSchwelle

Dhf (Q

2, z)dz

Unabhängig vom Streuprozess (⇒ Unabhängigkeit von x)Universalität, d.h. unabhängig von der Produktionsart desQuark, das hadronisiert


Multiplizität als Observable

Multiplizität für Hadron vom Typ h

1σtot

dσh

dz=

1Ntot

dNh

dz=

�q e2

qq(x)Dhq(z)�

q e2qq(x)

Gemessen werden Summen von Fragmentationsfunktion mitunterschiedlichen Gewichtungen


Fragmentationsfunktion II

Es gibt viele Fragmentationsfunktionen, z.B.:Dπ+

u , Dπ−u , Dπ+

u , DK−u , Dπ0

u usw.Isospinsymmetrie und Ladungskonjugation:

Dπ+

u = Dπ+

d = Dπ−d = Dπ−

u → favoured

Dπ+

u = Dπ+

d = Dπ−

d = Dπ−u → unfavoured

Unterscheidung von favoured und unfavoured

Annahmen:Dfav > Dunfav

alle nonfavoured FF sind gleichalle favoured FF von leichten Quarks in Pionen sind gleich


Herangehensweise

Standard Event-SelektionBest Primary VertexReconstructed µ and µ�

Target cutAuswahl des Hadrons

Stromquark (xf oder z)0.1 < x < 0.5 Valenzquarkregion oder Seequarkregion10 GeV/c2 < p < 50 GeV/c2 für Identifikation im RICH

⇒ Messen von Hadronen (π, K und p)


Hadron-Identifikation: RICH

cosθ =1

n · β

Schwelleneffekt für verschiedene Teilchenarten (n, m)Verschmierung bei hohen ph


H1 als Flugzeitdetektor

Ähnliche Akzeptanz wie RICHGute ZeitauflösungLimitation: Luftlichleiter, Loch


TOF

Time-of-flight Methode als Teilchenidentifikation? Auflösung:

∆t =L

E1 − E2≈ Lc

2p2 (m21 − m2

2)

∆t = 4σt für K, π Trennung

Zutaten:(tj -ts) : Differenz(tj+ts)/2 : Meantimevscinti

KalibrationTrackingImpuls-Rekonstruktion


RPD als Vorbild

TOF wird beim RPD verwendet (→ RPDhelper)Unterschiede: keine Ring A, SM1

Startcounter


Test: FI01 als Startcounter

FI01 hitsVertex-Zeit mit v=c2012 Carbon-DatenVgl. mit Meantime (hier:Track-Time)

htemp3Entries 1827626Mean 0.5215RMS 1.592

-10 -8 -6 -4 -2 0 2 4 6 8 100

20

40

60

80

100

120

310× htemp3Entries 1827626Mean 0.5215RMS 1.592

timeFI01

htemp2Entries 411876Mean -49.6RMS 11.17

-70 -65 -60 -55 -50 -45 -40 -35 -30

1000

2000

3000

4000

5000

6000

htemp2Entries 411876Mean -49.6RMS 11.17

Zprim {Zprim>-70&& Zprim<-30}htemp1

Entries 411876Mean 27.13RMS 1.494

22 24 26 28 30 32 34 36 380

5000

10000

15000

20000

25000

30000

35000

htemp1Entries 411876Mean 27.13RMS 1.494

vertex_time {Zprim>-70&& Zprim<-30}


Zeitkalibration

Hier meantime für schmallen Streifen in der Mitte (ExtrapolierteTracks)

0 5 10 15 20 25 30

-844

-842

-840

-838

-836

-834

-832

-830

-828

-826calibration

Entries 235705Mean x 15.7Mean y -836.5RMS x 5.48RMS y 2.04

200

400

600

800

1000

1200

1400

1600

1800

2000

calibrationEntries 235705Mean x 15.7Mean y -836.5RMS x 5.48RMS y 2.04

calibrationcalibration_1

Entries 26Mean 15.5RMS 8.12

calibration_1Entries 26Mean 15.5RMS 8.12






Für Jura und SaleveNicolas du Fresne von Hohenesche FF und H1

Geschwindigkeit im Szintillator Saleve

-100 -50 0 50 100

-1100

-1000

-900

-800

-700

-600

-500

Fitted value of par[1]=MeanHG01Y1_s_t_ch2_1

Entries 230

Mean -0.6388

RMS 66.43

Fitted value of par[1]=Mean

-100 -50 0 50 100

-1050

-1000

-950

-900

-850

-800

-750

-700


Entries 230

Mean -0.4753

RMS 66.43


-100 -50 0 50 100

-1200

-1000

-800

-600

-400

-200

0


Entries 229

Mean -0.2485

RMS 66.22


-100 -50 0 50 100

-1100

-1000

-900

-800

-700

-600


Entries 230

Mean -0.697

RMS 66.47


-100 -50 0 50 100

-1050

-1000

-950

-900

-850

-800

-750

-700

-650

-600


Entries 230

Mean -0.9024

RMS 66.29


-100 -50 0 50 100

-1100

-1000

-900

-800

-700

-600

-500

-400

-300


Entries 230

Mean -0.4782

RMS 66.34


-100 -50 0 50 100

-1100

-1000

-900

-800

-700

-600

-500


Entries 230

Mean -0.6313

RMS 66.49


-100 -50 0 50 100

-1100

-1000

-900

-800

-700

-600


Entries 230

Mean -0.7511

RMS 66.46


-100 -50 0 50 100

-1100

-1000

-900

-800

-700

-600


Entries 230

Mean -0.7628

RMS 66.42


-100 -50 0 50 100

-1000

-900

-800

-700

-600


Entries 230

Mean -0.8026

RMS 66.48


-100 -50 0 50 100

-1100

-1000

-900

-800

-700

-600

-500


Entries 230

Mean -0.7048

RMS 66.57


-100 -50 0 50 100

-1100

-1000

-900

-800

-700

-600


Entries 230

Mean -0.7003

RMS 66.6


-100 -50 0 50 100

-1200

-1100

-1000

-900

-800

-700

-600


Entries 230

Mean -0.7648

RMS 66.58


-100 -50 0 50 100

-1000

-800

-600

-400

-200

0


Entries 196

Mean 0.3675

RMS 71.82


-100 -50 0 50 100

-1000

-800

-600

-400

-200

0


Entries 196

Mean 0.02937

RMS 72.05


-100 -50 0 50 100

-1100

-1000

-900

-800

-700

-600


Entries 230

Mean -0.7071

RMS 66.62


-100 -50 0 50 100

-1200

-1100

-1000

-900

-800

-700

-600

-500


Entries 230

Mean -0.8505

RMS 66.55


-100 -50 0 50 100

-1200

-1100

-1000

-900

-800

-700

-600


Entries 230

Mean -1.509

RMS 66.83


-100 -50 0 50 100

-1300

-1200

-1100

-1000

-900

-800

-700


Entries 230

Mean -1.636

RMS 66.8


-100 -50 0 50 100

-1400

-1300

-1200

-1100

-1000

-900

-800

-700

-600

-500


Entries 230

Mean -1.327

RMS 66.77


-100 -50 0 50 100

-1000

-950

-900

-850

-800

-750

-700

-650


Entries 230

Mean -0.724

RMS 66.35


-100 -50 0 50 100

-1050

-1000

-950

-900

-850

-800

-750

-700


Entries 230

Mean -0.9654

RMS 66.55


-100 -50 0 50 100

-1050

-1000

-950

-900

-850

-800

-750

-700


Entries 230

Mean -0.996

RMS 66.61


-100 -50 0 50 100

-1000

-950

-900

-850

-800

-750

-700


Entries 230

Mean -0.7657

RMS 66.38


-100 -50 0 50 100

-1050

-1000

-950

-900

-850

-800

-750

-700

-650

-600


Entries 230

Mean -0.7171

RMS 66.51


-100 -50 0 50 100

-1100

-1000

-900

-800

-700

-600

-500


Entries 230

Mean -0.6297

RMS 66.52


-100 -50 0 50 100

-1200

-1000

-800

-600

-400

-200

0


Entries 229

Mean -0.3703

RMS 66.26


-100 -50 0 50 100

-1100

-1000

-900

-800

-700

-600


Entries 230

Mean -0.6529

RMS 66.49



Geschwindigkeit im Szintillator Jura

-100 -50 0 50 100

-1050

-1000

-950

-900

-850

-800

-750

-700

-650

Fitted value of par[1]=MeanHG01Y1_j_t_ch2_1

Entries 230

Mean 0.7829

RMS 66.5


-100 -50 0 50 100

-1050

-1000

-950

-900

-850

-800

-750

-700

-650


Entries 230

Mean 0.5321

RMS 66.49


-100 -50 0 50 100-1100

-1000

-900

-800

-700

-600


Entries 230

Mean 0.9778

RMS 66.59


-100 -50 0 50 100

-1200

-1100

-1000

-900

-800

-700

-600

-500


Entries 230

Mean 0.8916

RMS 66.52


-100 -50 0 50 100

-1100

-1000

-900

-800

-700

-600


Entries 230

Mean 0.6262

RMS 66.48


-100 -50 0 50 100

-1050

-1000

-950

-900

-850

-800

-750

-700

-650


Entries 230

Mean 0.6896

RMS 66.47


-100 -50 0 50 100

-1050

-1000

-950

-900

-850

-800

-750

-700

-650


Entries 230

Mean 0.9791

RMS 66.54


-100 -50 0 50 100

-1400

-1200

-1000

-800

-600

-400


Entries 230

Mean 0.9302

RMS 66.59


-100 -50 0 50 100

-1000

-950

-900

-850

-800

-750


Entries 230

Mean 0.7222

RMS 66.59


-100 -50 0 50 100

-1100

-1000

-900

-800

-700

-600


Entries 230

Mean 0.976

RMS 66.68


-100 -50 0 50 100

-1100

-1000

-900

-800

-700

-600


Entries 230

Mean 0.966

RMS 66.58


-100 -50 0 50 100

-1100

-1050

-1000

-950

-900

-850

-800

-750

-700


Entries 230

Mean 1.314

RMS 66.82


-100 -50 0 50 100

-1300

-1200

-1100

-1000

-900

-800

-700

-600

-500


Entries 230

Mean 0.5921

RMS 66.48


-100 -50 0 50 100

-1400

-1200

-1000

-800

-600

-400

-200

0


Entries 196

Mean 2.074

RMS 72.12


-100 -50 0 50 100

-1000

-800

-600

-400

-200

0


Entries 196

Mean 1.851

RMS 72.1


-100 -50 0 50 100

-1000

-950

-900

-850

-800

-750

-700


Entries 230

Mean 0.814

RMS 66.63


-100 -50 0 50 100

-1000

-950

-900

-850

-800

-750

-700

-650

-600


Entries 230

Mean 0.7953

RMS 66.58


-100 -50 0 50 100

-1300

-1200

-1100

-1000

-900

-800

-700

-600

-500


Entries 230

Mean 1.101

RMS 66.76


-100 -50 0 50 100

-1200

-1100

-1000

-900

-800

-700

-600

-500


Entries 230

Mean 1.174RMS 66.72


-100 -50 0 50 100

-1400

-1200

-1000

-800

-600

-400


Entries 230

Mean 1.776

RMS 66.82


-100 -50 0 50 100

-1300

-1200

-1100

-1000

-900

-800

-700

-600


Entries 230

Mean 1.176

RMS 66.62


-100 -50 0 50 100

-160

-140

-120

-100

-80

-60

-40

-20

0

310×


Entries 230

Mean 36.7

RMS 62.88


-100 -50 0 50 100

-1000

-950

-900

-850

-800

-750

-700

-650


Entries 230

Mean 0.7569

RMS 66.55


-100 -50 0 50 100

-1100

-1000

-900

-800

-700

-600

-500


Entries 230

Mean 0.6404

RMS 66.54


-100 -50 0 50 100

-1200

-1000

-800

-600

-400


Entries 230

Mean 0.9517

RMS 66.55


-100 -50 0 50 100

-1200

-1100

-1000

-900

-800

-700

-600


Entries 230

Mean 1.13

RMS 66.66


-100 -50 0 50 100

-1150

-1100

-1050

-1000

-950

-900

-850

-800

-750

-700


Entries 230

Mean 1.139

RMS 66.61


-100 -50 0 50 100

-1050

-1000

-950

-900

-850

-800

-750

-700

-650


Entries 230

Mean 0.6918

RMS 66.46



Next steps

KalibrationLuftlichtleiter-Problem lösenMassenbestimmungVergleich mit RICH in Überlapp (Nour)Evaluation des GewinnsEffizienzTesten an 2009 - 2011Warten auf 2012 Daten


fragmentationsfunktionen, multiplizität und h1

Documents