[論文レビュー] Progress in End-to-End Optimization of Detectors for Fundamental Physics with Differentiable Programming

Max Aehle, Lorenzo Arsini+28 more|arXiv (Cornell University)|Sep 30, 2023

Particle Detector Development and PerformancePhysics and Astronomy被引用数 3

ひとこと要約

本論文は、微分可能プログラミングを用いて、素粒子物理学における検出器のエンド・ツー・エンド微分可能最適化のためのフレームワークを提示する。データ生成、再構成、推論を統合した1つの微分可能パイプラインに統合し、素粒子物理学、宇宙物理学、医療画像診断、加速器応用分野における検出器の最適化で顕著な進展を遂げ、複雑な検出器幾何構造および読み出しシステムの勾配ベース最適化により感度と頑健性が向上した。

ABSTRACT

In this article we examine recent developments in the research area concerning the creation of end-to-end models for the complete optimization of measuring instruments. The models we consider rely on differentiable programming methods and on the specification of a software pipeline including all factors impacting performance -- from the data-generating processes to their reconstruction and the extraction of inference on the parameters of interest of a measuring instrument -- along with the careful specification of a utility function well aligned with the end goals of the experiment. Building on previous studies originated within the MODE Collaboration, we focus specifically on applications involving instruments for particle physics experimentation, as well as industrial and medical applications that share the detection of radiation as their data-generating mechanism.

研究の動機と目的

• 微分可能プログラミングを用いて、素粒子物理学における放射線検出器の統合的フレームワークをエンド・ツー・エンド最適化可能にする。
• 粒子相互作用からデータ再構成に至るまでの複雑なマルチステージ検出器システムの最適化に挑戦し、パイプライン全体を微分可能にする。
• 検出器幾何構造、材料組成、読み出し戦略の勾配ベース最適化を可能にし、実験的感度と頑健性を最大化する。
• 素粒子物理学、医療画像診断、宇宙物理学、神経形状コンピューティングを含む多様な分野への微分可能最適化の応用を拡張する。
• 再構成パイプラインにおける不確実性の定量化を最適化プロセスに統合し、より信頼性の高い機器設計を実現する。

提案手法

• 粒子輸送、エネルギー損失、読み出し電子回路、再構成を含む検出器パイプライン全体を微分可能な計算グラフとして形式化する。
• アルゴリズム的微分（AD）を活用し、Geant4 や GATE などの複雑なシミュレーションコードを勾配計算可能にし、勾配ベース最適化を可能にする。
• 多面体コンパイラおよびコード変換技術を用いて、パイプラインの計算負荷の高い部品における導出計算を最適化する。
• グラフニューラルネットワーク（GNNs）やスパikingニューラルネットワーク（SNNs）などの機械学習モデルを微分可能パイプラインに統合し、物理的プロセスの高速かつ微分可能なエミュレーションを実現する。
• 実験的目標（例：信号対背景比、新物理への感度）に一致するユーティリティ関数を定義し、最適化をガイドする。
• LHCカリメータ、ミューオントモグラフィ、プロトンCT、水チェレンコフ検出器といった実世界のユースケースに微分可能最適化を適用する。

実験結果

リサーチクエスチョン

• RQ1 微分可能プログラミングは、素粒子物理学における複雑な放射線検出器のエンド・ツー・エンド最適化に効果的に適用可能か？
• RQ2 Geant4 や GATE といったレガシーシミュレーションフレームワークにアルゴリズム的微分を拡張し、粒子輸送およびエネルギー損失プロセスを通過する勾配計算を可能にする方法は何か？
• RQ3 微分可能最適化は、高エネルギー物理学および宇宙物理学実験における検出器の感度と頑健性をどの程度向上できるか？
• RQ4 再構成パイプラインにおける不確実性の定量化を微分可能最適化に統合し、より信頼性の高い検出器設計を実現するにはどうすればよいか？
• RQ5 神経形状システムの微分可能モデルと機械学習ベースの再構成アルゴリズムを、物理的検出器幾何構造と同時に最適化することは可能か？

主な発見

• 微分可能プログラミングにより、粒子相互作用から推論に至るまでのパイプライン全体を微分可能にし、勾配ベース最適化が可能になった。
• Geant4 および GATE シミュレーションとのアルゴリズム的微分の統合は、成功裏にプロトタイピングされ、複雑な粒子輸送およびエネルギー損失プロセスを通過する勾配計算が可能になった。
• LHCb カリメータのアップグレードにおいて、微分可能最適化により幾何構造および材料組成の最適化が行われ、信号対背景性能が向上した。
• プロトンCTでは、非侵襲的プロジェクション法を用いて再構成パイプラインにおける不確実性を定量化し、入力摂動下での期待値および分散の頑健な推定が可能になった。
• CMSピクセル層における低運動量トラック除去のため、スパikingニューラルネットワークが微分可能パイプラインに成功裏に統合され、低消費電力のオンライントリガーへの可能性が示された。
• SWGOアレイのレイアウトが微分可能モデリングを用いてエンド・ツー・エンド最適化され、広範囲空気シャワー検出におけるガンマ/ハドロン分離性能および単一ステーション性能が向上した。