[論文レビュー] SGV 3.0 - a fast detector simulation

M. Berggren|DESY Publication Database (PUBDB) (Deutsches Elektronen-Synchrotron)|Mar 1, 2012

Particle physics theoretical and experimental studies参考文献 6被引用数 14

ひとこと要約

SGV 3.0 は、ILC および CLIC 実験のための高速でパラメトリックな検出器シミュレーションフレームワークを提示しており、フルシミュレーションの性能を、1000倍以上の高速化で再現する。クラスタの混乱（エネルギー損失および二重計数）を共分散行列に基づくアプローチと、チューニングされたパラメトリックモデルを用いることで、フルシミュレーションに近いトラッキングおよびカリオメトリック応答の精度を達成するが、わずかに楽観的でない（悲観的でない）性能となる。これにより、高断面積過程や SUSY などの多パラメータ理論の迅速なスキャンが可能となる。

ABSTRACT

The need for fast simulation programs is emphasised, both in terms of the need for "rapid response" to new results - in particular from the LHC - and new theoretical ideas, and in terms of how to cope with multi-billion simulated event samples. The latter would arise both from the need to be able to simulate significantly more events than expected in the real data, also for high cross-section processes, and the need to scan multi-parameter theories. The {\it Simulation à Grande Vitesse}, SGV, is presented, and is shown to be able to address these issues. The tracking performance of SGV is shown to reproduce very closely that of the full simulation and reconstruction of the ILD concept. Preliminary results on how to also closely emulate the calorimetric performance from full simulation is presented. The procedure is parametric, with no the need to simulate the detailed shower development, and promises to be many orders of magnitude faster than such approaches. Contrary to what is often the case with fast simulation programs, the procedure gives a somewhat {\it pessimistic} result, compared to the full simulation and reconstruction.

研究の動機と目的

• ILC および CLIC の物理学研究において、高断面積過程（例：γγ イベント）や大規模なパラメータ空間スキャン（例：SUSY）のための、高速でスケーラブルなシミュレーションの増大するニーズに対応すること。
• 新規の LHC 結果や理論的モデルの変更に迅速に対応できる、軽量で高性能なシミュレーションツールを開発すること。
• フル検出器シミュレーションおよび再構築のトラッキングおよびカリオメトリック性能を、最小限の計算コストで再現すること。
• エネルギー損失および二重計数を含む、複雑な検出器効果（クラスタの混乱）を、チューニング可能な少数のパラメータでパラメトリックに表現すること。
• 特に数十億イベントのサンプルに対しても、計算効率を維持したまま精度を保つこと。

提案手法

• SGV 3.0 フレームワークは、ILD ディテクタ・コンセプトのフルシミュレーションデータに基づき、共分散行列マシン手法を用いて検出器応答をモデル化する。
• クラスタの混乱効果（エネルギー損失および二重計数）を、3 つの主要確率（分割確率、完全分割確率、分割割合分布）を用いてパrameter化する。
• これらの確率の関数形はシャワー形状解析から導出し、指数関数と線形関数の組み合わせを用いてフィッティングする。4 種類のケース（電磁/ハドロン × 二重計数/損失）にわたり、合計 28 パラメータを有する。
• パラメトリックモデルは、全エネルギー、中性エネルギーなどのグローバル観測量を用いて、フル再構築結果に一致させるようにチューニングされ、クラスタエネルギーとトラック運動量比、分割確率の調整が行われる。
• 詳細なシャワーシミュレーションを避けることで、検出器レベルの効果を直接モデル化し、イベント生成と同等の速度（例：1 イベント 10 ms）を実現する。
• Fortran95 で実装されており、CERNLIB や HBOOK などのレガシーライブラリへの依存が低減され、パフォーマンスと移植性が向上している。

実験結果

リサーチクエスチョン

• RQ1 高速シミュレーションフレームワークは、ILD ディテクタ・コンセプトのフルシミュレーションおよび再構築と同等のトラッキング性能を達成できるか？
• RQ2 カリオメータのクラスタの混乱（エネルギー損失および二重計数）を、最小限のパラメータでパラメトリックにモデル化できるか？
• RQ3 グローバルイベントレベルの観測量（全観測エネルギー、中性エネルギーなど）に関して、高速シミュレーションの性能はフルシミュレーションと比較してどの程度か？
• RQ4 パラメトリックアプローチは、高断面積過程および多パラメータスキャンにおいて、シミュレーション時間をどの程度短縮できるか？
• RQ5 高速シミュレーションの結果は系統的なバイアスを示すか。もしそうなら、そのバイアスは予測可能であり、実験的感度研究に有用であるか？

主な発見

• SGV 3.0 は、フル ILD シミュレーションおよび再構築のトラッキング性能を、極めて高い忠実度で再現し、コアとなるトラッキングモデルの妥当性を検証した。
• 4 ケースにわたる 28 パラメータを用いたカリオメータの混乱効果のパラメトリックシミュレーションは、全再構築結果と、全観測エネルギーおよび中性エネルギー分布において優れた一致を示した。
• エネルギー分解能がわずかに低く見積もられているため、フルシミュレーションと比較してやや悲観的（楽観的でない）なバイアスを示すが、これは感度研究において有利に働く。
• バッチファームを用いることで、500 fb⁻¹ の γγ イベントのシミュレーションが数日で可能であるのに対し、フルシミュレーションでは数千 CPU 年を要する。
• フレームワークは計算的に効率的であり、イベント生成と同等の速度（例：1 イベント 10 ms）を実現しており、SUSY などの高パラメータ理論の大規模スキャンが可能となった。
• パラメトリックアプローチは、電子、光子、ハドロンの異なる粒子種類およびバーレルおよびエンドキャップの異なる検出器領域においても、一貫した関数形とパラメータの変動のみを示し、ロバストである。