Séparation des différents types d’interactions

Nous n’avons considéré pour l’instant que les évènements de type CCQEL. Même si le tracking a été conçu plus spécifiquement pour reconstruire ce type d’évènements, une certaine proportion des autres évè- nements est également reconstruite. L’étude présentée dans ce chapitre vise à sélectionner spécifiquement les évènements CCQEL. Il y a deux types de bruits de fond : les interactions ayant lieu en dehors du Module Proton (cosmiques et interactions de neutrinos du faisceau à l’extérieure du module) et les interactions de neutrinos du fais- ceau se produisant à l’intérieur du module, mais qui ne sont pas de type CCQEL. Les autres interactions de neutrinos pouvant se produire sont : Les interactions sont numérotées telles qu’elles le sont dans le générateur d’interactions NEUT. Toutes ces intéractions sont de type résonnant, sauf la dernière (26) qui est de type profondément inélastique. Le signal (les interactions CCQEL) sera noté interaction 1, et est : constituant le bruit de fond en produisent au moins trois. Le signal produit deux particules chargées susceptibles de laisser une trace longue dans les modules. C’est également le cas des interactions 12 (muon et proton) et 13 (muon et pion chargé). Nous allons ici nous intéresser plus particulièrement à la séparation entre les interactions CCQEL et ces deux interactions. Il faudrait également considérer les autres interactions pour être exhaustif. Cela sera fait dans la partie 5, au moment de l’analyse des données du Module Proton.

Nous allons utiliser le fait que les interactions 12 et 13 produisent trois particules, alors que le signal n’en produit que deux. Nous utiliserons également le fait que les interactions résonantes laissent générale- ment plus de hits, et créent des zones à forte densité de hits. Cette séparation sera effectuée à l’aide d’une méthode de vraissemblance, il nous faut donc trouver des variables permettant de tirer parti de ces deux effets. La différence du nombre de particules produites par le signal et les bruits de fond rend les distributions en angle différentes pour ces interactions. Cette différence est néanmoins atténuée par le fait que l’angle d’ouverture a déjà été utilisé pour sélectionner les traces bien reconstruites. Néanmoins, cette variable améliore toujours les résultats. Cette variable compte le nombre de hits situé du mauvais côté du vertex. Pour la remplir, nous traçons la bissectrice de l’angle fait par les deux particules. Ensuite la perpendiculaire à cette bissectrice au niveau du vertex coupe l’espace en deux régions : d’un côté les deux traces reconstruites, et de l’autre, le “mauvais côté”. Cette variable sert à évaluer si les trajectoires des particules reconstruites et celle du neutrino sont dans un même plan, comme cela doit être le cas pour une interaction ne produisant que deux particules (cas du signal). Cela ne fonctionne pas parfaitement, car dans les faits le neutron emporte une partie de l’impulsion. Cela reste cependant une variable utile. Elle avait été auparavant proposée par Phuong Dinh Tran lorsqu’il faisait des études préliminaires sur le Module Proton. Elle est calculée en faisant le produit vectorielle des directions de deux des particules, puis le produit scalaire du résultat avec la direction de la dernière particule.

Nous cherchons ici à utiliser le fait qu’il y a parfois des zones de forte concentration de hits pour les interactions résonnantes, car ces interactions produisent un grand nombre de particules, qui réinteragissent souvent rapidement. Cette variable est le nombre de hits de forte densité présents dans l’évènement. La densité d’un hit est calculé en utilisant l’algorithme développé par Phuong Dinh Tran [26].Cette variable contient le nombre de hits qui n’ont pas été utilisés pour reconstruire l’une des deux traces. Elle sera a priori plus élevée pour les interactions résonnantes qui produisent des particules secon- daires. Pour cette variable, le nombre de hits non utilisés est divisé par le nombre de hits total.La variable de probabilitée est représentée sur la figure 10.1. Selon la coupure faite sur cette variable, nous obtenons une plus ou moins bonne sélection. De façon logique, plus la coupure est élevée, meilleure est la sélection mais plus la statistique est réduite. Il faut noter également que le tracking est optimisé pour reconstruire les évènements CCQEL, et de ce fait la reconstruction fait déjà une première sélection entre les différents types d’interactions. Les résultats de cette sélection sont présentés dans la table 10.1.