[論文レビュー] ROAn, a ROOT based Analysis Framework

Thomas Lauf, Robert Andritschke|arXiv (Cornell University)|Oct 17, 2013

Particle Detector Development and Performance参考文献 13被引用数 3

ひとこと要約

ROAn は、DePFET ディテクタのデータを対象とした柔軟な ROOT ベースの分析フレームワークであり、自動的な依存関係解消と段階的再計算を備えた、構成可能で段階的な分析を可能にする。モジュラーなアーキテクチャを採用し、シグナル駆動型のフレームファクトリと GUI 構成可能なビューアを備え、オフラインおよびオンラインのデータ処理をサポートする。CCD や SDD などの他の検出器タイプへの拡張性も有する。

ABSTRACT

The ROOT based Offline and Online Analysis (ROAn) framework was developed to perform data analysis on data from Depleted P-channel Field Effect Transistor (DePFET) detectors, a type of active pixel sensors developed at the MPI Halbleiterlabor (HLL). ROAn is highly flexible and extensible, thanks to ROOT's features like run-time type information and reflection. ROAn provides an analysis program which allows to perform configurable step-by-step analysis on arbitrary data, an associated suite of algorithms focused on DePFET data analysis, and a viewer program for displaying and processing online or offline detector data streams. The analysis program encapsulates the applied algorithms in objects called steps which produce analysis results. The dependency between results and thus the order of calculation is resolved automatically by the program. To optimize algorithms for studying detector effects, analysis parameters are often changed. Such changes of input parameters are detected in subsequent analysis runs and only the necessary recalculations are triggered. This saves time and simultaneously keeps the results consistent. The viewer program offers a configurable Graphical User Interface (GUI) and process chain, which allows the user to adapt the program to different tasks such as offline viewing of file data, online monitoring of running detector systems, or performing online data analysis (histogramming, calibration, etc.). Because of its modular design, ROAn can be extended easily, e.g. be adapted to new detector types and analysis processes.

研究の動機と目的

• 高エネルギー物理学および宇宙物理学で使用される DePFET ディテクタに特化したモジュラーで拡張可能なデータ分析フレームワークの開発。
• HLLSAS のようなレガシーツールに起因する柔軟性の欠如や、新しい検出器効果や分析ニーズへの対応の難しさを克服すること。
• 入力パラメータの変更を検知し、関連する結果のみを再計算することで、冗長な計算を顕著に削減する、効率的で段階的な分析を実現すること。
• 統一的で構成可能なフレームワークを通じて、オフライン分析とリアルタイムのオンラインモニタリングを両立すること。
• 共通のデータフォーマットとモジュラーなコンponentsを用いて、CCD や SDD などの他の検出器タイプへの拡張が可能なシステムを設計すること。

提案手法

• 分析アルゴリズムを「ステップ」としてカプセル化し、依存関係、パラメータ、タイムスタンプを備えた結果を生成することで、自動的な依存関係解消と段階的再計算を可能にする。
• ROOT の CINT インタプリタを用いることで、動的ロードによる ROOT マクロのスクリプト開発を可能とし、迅速なプロトタイピングと拡張性を向上させる。
• シグナル駆動型のファクトリベースアーキテクチャを採用し、型と次元が一致するポートを備えた相互接続されたフレームファクトリを通じて、データが流れ込むように設計する。
• GUI コンponent をビューアモジュールに分離し、シグナルを介してフレームファクトリと通信することで、プレーンテキストの構成ファイルによる動的 GUI 構成を可能にする。
• 階層的なモジュール構造（コア（一般ユーティリティ）、HLL（検出器に依存しないデータアクセス、例：framesfile 形式）、Analysis Suite（検出器固有のアルゴリズム））を採用し、モジュラリティと再利用性を確保する。
• ASCII テキスト構成ファイルによるプロセッシングチェーン全体および GUI レイアウトの動的構成をサポートし、再コンパイルなしで実行時における適合性を実現する。

実験結果

リサーチクエスチョン

• RQ1 入力パラメータの変更を検知し、関連する結果のみを再計算することで、冗長な計算を顕著に削減する、効率的で段階的な分析を実現すること。
• RQ2 入力パラメータの変更を検知し、関連する結果のみを再計算することで、冗長な計算を顕著に削減する、効率的で段階的な分析を実現すること。
• RQ3 共通のデータ I/O および処理コンponents を再利用しながら、複数の検出器タイプをサポートするモジュラーなフレームワークを構築するには、どのようなアーキテクチャパターンが有効か？
• RQ4 シグナルベースのファクトリ駆動アーキテクチャが、リアルタイムデータ処理と GUI 結合を実現するために果たす役割は何か？
• RQ5 再コンパイルなしで GUI の柔軟性を実現するには、オフラインブラウジングやオンラインモニタリングといった多様なユースケースに対応するにはどうすればよいか？

主な発見

• ROAn は、入力パラメータの変更を検知し、影響を受ける結果のみを再計算することで、段階的分析を成功裏に実現し、冗長な計算を顕著に削減した。
• このフレームワークは、XEUS、Simbol-X、IXO、BepiColombo といった複数の宇宙および宇宙物理学プロジェクトで、ASIC や検出器の資格評価に応用された。
• GUI はプレーンテキストの構成ファイルにより完全に構成可能であり、再コンパイルなしでフレームファクトリ、ビューアモジュール、接続関係の動的設定が可能である。
• モジュラーなアーキテクチャにより、コア層および HLL 層を共通して再利用でき、CCD や SDD などの他の検出器タイプに対しても、共通のデータフォーマットとインターフェースを基盤に新たな分析スイートを実装することで拡張が可能となった。
• シグナル駆動型ファクトリモデルにより、入力から最終出力への効率的でイベント駆動型のデータフローが実現され、処理チェーン全体にわたる更新の自動伝搬が可能となった。
• ROAn は、ROOT のリフレクションおよびランタイム型情報の利用により、新しい分析ステップやアルゴリズムの動的ロードと統合が可能となり、拡張性と開発生産性が向上した。