[論文レビュー] Pattern Recognition and Data Compression for the ALICE High Level Trigger

A. Vestbø|arXiv (Cornell University)|Jun 1, 2004

Algorithms and Data Compression参考文献 13被引用数 7

ひとこと要約

本論文は、ALICE High Level Trigger (HLT) システム向けに、高レートの重イオン衝突データの処理を効率的に行うリアルタイムパターン認識およびデータ圧縮フレームワークを提示する。Hough変換とクラスタモデリングを用いた逐次的および反復的トラッキングアルゴリズムを導入し、1ピーズォラティティあたり1000個の荷電粒子を想定した状況でも90%以上のトラッキング効率を達成するとともに、ロスレスおよびロスあり圧縮技術によりデータ量を最大90%まで削減した。

ABSTRACT

The central detectors of the ALICE experiment at LHC will produce a data size of up to 75 MByte/event at an event rate <200 Hz resulting in a data rate of \~15 GByte/sec. This exceeds the foreseen mass storage bandwidth of 1.25 GByte/sec by one order of magnitude. Online processing of the data is necessary in order to select interesting (sub)events ("High Level Trigger"), or to compress data efficiently by modeling techniques. The largest computing challenge is imposed by the TPC, requiring realtime pattern recognition. The work carried out investigates the performance of various pattern recognition schemes applicable for online track reconstruction within the ALICE HLT system. Furthermore, as an application for reducing the data rate, very efficient TPC data compression algorithms based on track and cluster modeling have been evaluated.

研究の動機と目的

• ALICE TPCからのマスィブなデータレートに対処する課題に取り組む。重イオン衝突においてイベントレートが100 kHzを超える。
• 高多重度条件下でも動作可能なリアルタイム・オンラインパターン認識アルゴリズムを開発し、荷電粒子のトラックを再構築する。
• 物理的情報の損失を最小限に抑えつつ、TPCデータ量を効率的に圧縮する技術を設計する。
• パターン認識と圧縮をALICE High Level Trigger (HLT) システムに統合し、オンライン処理とデータ圧縮を実現する。
• リアルタイム動作を実現するにあたり、高い再構築効率と運動量分解能を維持しながら、計算遅延を最小限に抑える。

提案手法

• TPC信号からトラックを再構築するため、クラスターファイナ、トラックファイナ、トラックフィッタ、トラックマージャを含む逐次的トラッキングチェーンをHLTに実装する。
• 反復的トラッキングにおいてHough変換（HT）を適用し、空間上の点をパラメータ空間にマッピングすることで、トラックパターンを検出する。これにより、高多重度環境下でも耐障害性が向上する。
• 曲がったトラックセグメントを円弧に変換するためのコンフォーマルマッピングを用い、HTの効率性と正確性を向上させる。
• 局所的および全体的TPCクラスタモデリングに基づくロスレスおよびロスあり圧縮技術を開発し、クラスターセンターや幅、電荷を可変ビット長で符号化する。
• トラックパラメータと関連クラスタを効率的に格納するため、ビット単位のI/Oルーチンを用いた圧縮データフォーマットを設計する。セクタ変更フラグと残差符号化を含む。
• トラックパラメータ（曲率、φ、DCA、z0、tgl）を格納するためのカスタムC構造体（AliL3TrackModel）を用い、ビット単位の操作で直接圧縮ファイルに書き込む。

実験結果

リサーチクエスチョン

• RQ1 極端なイベントレートと高トラック多重度下において、ALICE HLTでどのようにリアルタイムパターン認識を実現できるか？
• RQ2 オンライントラック再構築において、トラッキング効率、運動量分解能、計算コストの最適なバランスは何か？
• RQ3 物理的分析性能に悪影響を与えない範囲で、TPCデータをどの程度まで圧縮できるか？
• RQ4 局所的および全体的モデリング技術は、重要なトラック情報を保持しつつ、どの程度データ量を削減できるか？
• RQ5 ビット単位のI/Oと可変ビット長符号化は、オンラインHLTデータ処理において、効率的かつロスレス／ロスあり圧縮を達成できるか？

主な発見

• 逐次的トラッキングチェーンは、1ピーズォラティティあたり1000個の荷電粒子を想定した状況で、0.5 GeV/c以上の横断的運動量を持つトラックに対して90%以上のトラッキング効率を達成した。
• 反復的Hough変換ベースのトラッキング法により、低ptトラックの効率が向上し、特に高多重度環境下で汚染が低減した。
• ロスありおよびロスレス技術を用いたデータ圧縮により、生のTPCデータ量が最大90%まで削減され、トラック再構築品質への影響は最小限に抑えられた。
• 動的レンジに基づいて可変ビット長で符号化することで、クラスターパラメータ（センターや幅、電荷）を効率的にエンコードする圧縮クラスタフォーマットが、高いストレージ効率を実現した。
• ビット単位のI/Oルーチンの使用により、圧縮データストリームの効率的処理が可能になり、リアルタイム処理におけるI/Oオーバーヘッドが削減された。
• HLTシステムは、高多重度下でも、pt > 0.5 GeV/cのトラックに対して10%未満の相対的横断的運動量分解能を維持した。