[論文レビュー] Real-time data analysis at the LHC: present and future

V. V. Gligorov|arXiv (Cornell University)|Sep 21, 2015

Particle physics theoretical and experimental studies参考文献 7被引用数 4

ひとこと要約

この論文は、年間100エクサバイトを超えるデータレートを示す大型ハドロン衝突型加速器（LHC）におけるリアルタイムデータ分析の課題を検討している。これには、データを1,000〜100,000倍に圧縮するためのハードウェアトリガが必要となる。本論文は、今後のデータ増加に備えて次世代のリアルタイム多次元分析を機械学習を用いて実現すべきであると提言している。特にLHCbとALICEでは、クラウド／ファーム環境での完全なイベント再構築が可能になり、より豊富な素粒子物理学的発見が可能になる。

ABSTRACT

The Large Hadron Collider (LHC), which collides protons at an energy of 14 TeV, produces hundreds of exabytes of data per year, making it one of the largest sources of data in the world today. At present it is not possible to even transfer most of this data from the four main particle detectors at the LHC to "offline" data facilities, much less to permanently store it for future processing. For this reason the LHC detectors are equipped with real-time analysis systems, called triggers, which process this volume of data and select the most interesting proton-proton collisions. The LHC experiment triggers reduce the data produced by the LHC by between 1/1000 and 1/100000, to tens of petabytes per year, allowing its economical storage and further analysis. The bulk of the data-reduction is performed by custom electronics which ignores most of the data in its decision making, and is therefore unable to exploit the most powerful known data analysis strategies. I cover the present status of real-time data analysis at the LHC, before explaining why the future upgrades of the LHC experiments will increase the volume of data which can be sent off the detector and into off-the-shelf data processing facilities (such as CPU or GPU farms) to tens of exabytes per year. This development will simultaneously enable a vast expansion of the physics programme of the LHC's detectors, and make it mandatory to develop and implement a new generation of real-time multivariate analysis tools in order to fully exploit this new potential of the LHC. I explain what work is ongoing in this direction and motivate why more effort is needed in the coming years.

研究の動機と目的

• LHCにおけるエクサバイトスケールのデータレートを管理する課題に取り組む。これは、現在のストレージおよび転送能力を超える。
• 現在のハードウェアベースのトリガーシステムが、複雑な多次元データ分析を処理するうえでの制限を説明する。
• LHCのアップグレードに伴うデータ増加を十分に活用するため、高度なリアルタイム多次元分析ツールの必要性を動機づける。
• ハードウェアのみのトリガーから、リアルタイム処理とクラウド／ファームベースの再構築を組み合わせたハイブリッドシステムへの移行を強調する。
• 機械学習をリアルタイム分析パイプラインに統合し、多様な素粒子信号を効率的に分類するための提言を行う。

提案手法

• ATLASとCMSでハードウェアトリガーを用いて、データレートを40〜75倍に圧縮し、最も有望なイベントのみを保持する。
• LHCbで二段階のバッファリングモデルを実装し、遅延トリガーと継続的なリアルタイムキャリブレーションおよびアライメントを可能にする。
• CPU、GPU、XeonPhiアーキテクチャを活用したデータ処理ファームで、イベントをリアルタイムに再構築し、従来のハードウェアトリガーに代わる。
• ATLASとCMSでトラックトリガーを導入し、高レートでの荷電粒子軌道の再構築を実現し、データ圧縮効率を向上させる。
• ニューラルネットワーク、意思決定木、サポートベクターマシンなどの多次元分析技術を、リアルタイムパイプラインに直接適用してイベント分類を実現する。
• 完全なイベント再構築と圧縮データフォーマットを組み合わせたハイブリッド戦略を検討し、データ量と物理学的情報のバランスを取る。

実験結果

リサーチクエスチョン

• RQ1 LHCにおけるエクサバイトスケールのデータレートを処理するため、リアルタイムデータ分析をどのようにスケーリングできるか？
• RQ2 現在のハードウェアベースのトリガーシステムが、複雑な多次元分析を可能にするうえで直面する制限は何か？
• RQ3 機械学習をリアルタイムデータ処理に統合することで、単なる信号／バックグラウンド分離を越えて、イベント分類をどのように改善できるか？
• RQ4 LHCbやALICEのような実験で、完全なイベント再構築をリアルタイムで実現するために、どのようなアーキテクチャ的・アルゴリズム的変更が必要か？
• RQ5 遅延トリガーと継続的キャリブレーションは、より柔軟で強力なリアルタイム分析を可能にするために果たす役割は何か？

主な発見

• LHCは年間約100エクサバイトのデータを生成しており、現在のインfra構造では完全なオフライン保存および転送は非現実的である。
• 現在のハードウェアトリガーは、データレートを1,000〜100,000倍に圧縮しており、経済的に実現可能なストレージおよび処理を可能としている。
• LHCbはハードウェアトリガーを完全に廃止し、リアルタイム処理ファームと遅延トリガーに依存して、最大150 TB/sのデータを処理する計画である。
• ATLASとCMSは、検出器設計上の物理的制約によりハードウェアトリガーを維持するが、再構築効率の向上のため、トラックトリガーを補完的に導入する。
• 機械学習を用いたリアルタイム多次元分析への移行は、多数のイベントが潜在的に興味深い素粒子信号を含む実験において、多様な信号を分類するうえで不可欠である。
• 将来のデータ処理は、CPU、GPU、XeonPhiを含む異種コンピューティングとクラウドベースのインfraに依存し、従来に比べてより柔軟で強力なリアルタイム分析を可能にする。