[論文レビュー] HepData reloaded: reinventing the HEP data archive

A. G. Buckley, Mike Whalley|ENLIGHTEN (Jurnal Bimbingan dan Konseling Islam)|Jun 2, 2010

Distributed and Parallel Computing Systems被引用数 22

ひとこと要約

HepData reloaded は、高エネルギー物理学（HEP）実験データのための現代的でオブジェクト指向のデータ管理システムを導入し、意味的データモデリング、Hibernate を用いた永続的ストレージ、およびウェブサービスを介したプログラム的アクセスを実現することで、レガシーデータベースを再構築した。このシステムにより、モンテカルロ生成器のチューニングに向けた、バージョン管理されたビン化された実験データへの直接アクセスが可能となり、データの再現性が著しく向上し、Rivet や Professor のような検証フレームワークにおける転記エラーが削減された。

ABSTRACT

We describe the status of the HepData database system, following a major re-development in time for the advent of LHC data. The new HepData system benefits from use of modern database and programming language technologies, as well as a variety of high-quality tools for interfacing the data sources and their presentation, primarily via the Web. The new back-end provides much more flexible and semantic data representations than before, on which new external applications can be built to respond to the data demands of the LHC experimental era. The HepData re-development was largely motivated by a desire to have a single source of reference data for Monte Carlo validation and tuning tools, whose status and connection to HepData we also briefly review.

研究の動機と目的

• 高エネルギー物理学におけるモンテカルロ（MC）生成器チューニングのための機械可読で同期された基準データの不足に対処すること。
• レガシーでモノリシックな HepData システムを、現代のソフトウェア工学の原則に基づいた柔軟で拡張可能で保守可能なアーキテクチャに置き換えること。
• 出版物からの実験データへの直接的かつプログラム的アクセスを可能にし、シミュレーション検証における手動入力エラーを低減し、再現性を向上させること。
• LHC 実験時代に対応するため、スケーラブルで意味的に豊富なデータインfraストラクチャを HEP コミュニティに提供すること。
• Rivet や Professor のような主要な分析・チューニングツールと統合するため、標準化された URL ベースのクエリによってデータを公開すること。

提案手法

• Java を用いた階層的でオブジェクト指向のデータモデルの設計。コアエンティティには Paper、Dataset、XAxis、YAxis、Bin、Point が含まれ、それぞれに意味的単位と双方向の親子関係を有する。
• Hibernate を用いた永続層の実装。Java オブジェクトをリレーショナルデータベース（例：MySQL）にマッピングし、JPA アノテーションおよびフェッチ戦略を用いてデータの一貫性と効率的なクエリを確保する。
• 単位を意識したデータモデルの導入。元の単位を表示時に保持しつつ、自動的な単位変換を可能にし、ツール間の相互運用性を向上させる。
• Jetty と Apache 2 を用いたウェブベースのインターフェースの構築。リバースプロキシとテンプレーティング（TML）を介し、動的 HTML、プロット（PNG/PDF）、構造化データ（HepML、プレーンテキスト、ROOT マクロ）を提供する。
• 任意のデータセットの軸の組み合わせに対して、予測可能でブックマーク可能な URL を介したプログラム的アクセスを可能にし、再現性を高めるために状態を保持する POST フォームを回避する。
• SPIRES 識別子を用いて AIDA XML データを直接 URL 基準で取得可能にすることで、Rivet や Professor といった外部ツールと統合し、自動的なヒストグラムビニングとパrameter 最適化を可能にする。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、LHC 時代に対応するためのプログラム的アクセスと意味的データモデリングを支援するように、レガシー HEP データアーカイブを近代化できるか？
• RQ2 スケーラブルで保守可能かつ拡張可能なバージョン管理付きのビン化実験データの保存に適したアーキテクチャパターンは何か？
• RQ3 統一された機械可読データソースは、公開結果とシミュレーション検証ツール間の転記エラーを低減し、同期を改善できるか？
• RQ4 標準化されたデータインターフェースは、高エネルギー物理学におけるモンテカルロ生成器チューニングと分析をどの程度簡素化できるか？
• RQ5 永続的でバージョン管理されたデータモデルは、HEP における実験データの長期的再現性と監査可能性をどの程度支援できるか？

主な発見

• 新しい HepData システムは、意味的単位を強化した 10,000 件の歴史的 HEP 論文を正常に移行し、軸レベルまで細かくアクセス可能な構造を実現した。
• Hibernate と意味的単位システムの使用により、一貫した単位変換が可能になり、データの表示とストレージの分離が実現され、信頼性と再利用性が向上した。
• Rivet や Professor に対する直接的で自動化されたデータ取得が可能になり、手動でのデータ入力が不要となり、MC 生成器チューニングにおけるエラーが削減された。
• 動的ウェブインターフェースは、予測可能な URL を介したプログラム的アクセスをサポートし、PNG、PDF、HepML、ROOT などの複数形式で、オンデマンドでプロットやテーブルを生成できる。
• Rivet との統合により、HepData からのヒストグラムビニングが自動化され、分析コードの簡素化が図られ、コード変更なしにスムーズな更新が可能になった。
• システムはプロダクション環境で利用可能であり、http://hepdata.cedar.ac.uk で公開されており、継続的な LHC データの提出とコミュニティ全体の検証作業を支援している。