Der Large Hadron Collider am CERN bei Genf, Schweiz, wird Protonen bei einer Schwerpunktsenergie von 14 TeV und Luminosität von 1034 cm-2 s-1 alle 25 ns kollidieren. Dabei enstehen per Strahkreuzung ca. 20 zusätzliche Proton-Proton-Wechselwirkungen, deren überlagerte Signale vom ATLAS Detektor gemessen werden. Diese Ereignisse müssen möglichst präzise verstanden werden, um neuartige physikalische Phänomene entdecken zu können, aber auch um das Verständnis bereits bestehender Konzepte zu verbesssern, die diese weichen Wechselwirkungen quantitativ beschreiben. In Monte-Carlo (MC) Generatoren wie EPOS, PHOJET und PYTHIA sind solche phänomenologischen Modelle weicher Prozesse eingebunden. Allerdings sind sie vielfach parametrisierbar und müssen mit experimentellen Daten angepasst werden. In dieser Arbeit wurde eine neue Methode entwickelt die auf genetischen Algorithmen und verteilten Analysetechniken basiet, um diese MC-Parameter anzupassen. Sie stellt einen alternativen Ansatz zu derzeit verfügbaren Methode wie PROFESSOR dar mit dem Vorteil, dass die Suche nach geeigneten Modellparametern automatisiert ist. Die Ergebnisse wurden mit den MC-Generatoren EPOS und PHOJET und Daten von UA5 CDF, CMS und ATLAS verglichen, wobei eine Reihe von charakteristischen Verteilungen untersucht wurde. Auch Vorhersagen für LHC-Energien werden auf Generatorlevel wie auch nach kompletter ATLAS-Detektor-Simulation präsentiert. Datenvergleiche beveoruzugen nicht eindeutig eines der in die Generatoren imple- mentierten Modelle, jedoch beschreibt EPOS die untersuchten Verteilungen etwas besser. Neue Daten von ATLAS und CMS zeigen höhere Multiplizitäten als erwartet und einen schnelleren Anstieg der zentralen Multiplizität mit der Schwerpunktsen- ergie. / The Large Hadron Collider near Geneva Switzerland will ultimately collide protons(p) at a center-of-mass(sqrt(s)) energy of 14 TeV and 40 MHz bunch crossing rate with a luminosity of 10^34cm^-2s^-1. At each bunch crossing about 20 soft p-p interactions are expected to happen. In order to study new phenomena and improve our current knowledge of the physics these events must be understood. However, the physics of soft interactions are not completely known at such high energies. Different phenomenological models, trying to explain these interactions, are implemented in several Monte-Carlo (MC) programs such as PYTHIA, PHOJET and EPOS. Some parameters in such MC programs can be tuned to improve the agreement with the data. In this thesis a new method for tuning the MC programs, based on Genetic Algorithms (GA) and distributed analysis techniques have been presented. This method represents the first and fully automated MC tuning technique that is based on true MC distributions. It is an alternative to parametrization-based automatic tuning. This new method is used in finding new tunes for PYTHIA 6 and 8. These tunes are compared to the tunes found by alternative methods and found to be equivalent or better. Charged particle multiplicity, dN_{ch}/d\eta, Lorentz-invariant yield, p_{T} and distributions at various sqrt(s) are generated using default tunes of EPOS, PHOJET and the GA tunes of PYTHIA 6 and 8. These distributions are compared to measurements from UA5, CDF, CMS and ATLAS in order to investigate the best model available. Their predictions for the ATLAS detector at LHC energies have been investigated both with generator level and full detector simulation studies. Comparison with the data did not favor any model implemented in the generators, but EPOS is found to describe investigated distributions better. New data from ATLAS and CMS show higher than expected multiplicities and a faster rise with the sqrt(s) in central particle multiplicity.
| Identifer | oai:union.ndltd.org:HUMBOLT/oai:edoc.hu-berlin.de:18452/16962 |
| Date | 25 February 2011 |
| Creators | Kama, Sami |
| Contributors | Kolanoski, Hermann, Mönig, Klaus, Sjöstrand, Torbjörn |
| Publisher | Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät I |
| Source Sets | Humboldt University of Berlin |
| Language | English |
| Detected Language | English |
| Type | doctoralThesis, doc-type:doctoralThesis |
| Format | application/pdf |
| Rights | Namensnennung - Keine kommerzielle Nutzung, http://creativecommons.org/licenses/by-nc/3.0/de/ |
Page generated in 0.0132 seconds