[논문 리뷰] Hashing and metric learning for charged particle tracking

Sabrina Amrouche, M. Kiehn외 2명|arXiv (Cornell University)|2021. 01. 16.

Advanced Image and Video Retrieval Techniques참고 문헌 5인용 수 5

한 줄 요약

이 논문은 고광도 충돌기에서 효율적인 입자 궤적 추적을 위한 해싱 및 메트릭 학습 프레임워크를 제안한다. 근사 최근접 이웃을 사용해 검출기 히트를 버킷으로 그룹화한 후, 버킷 내 궤적 복원을 위해 메트릭 학습을 적용한다. 이 방법은 새로운 이벤트에서 96%의 추적 효율성과 8%의 가짜 비율을 달성하며, 조합적 방법에 비해 빠른 속도 향상을 보였다.

ABSTRACT

We propose a novel approach to charged particle tracking at high intensity particle colliders based on Approximate Nearest Neighbors search. With hundreds of thousands of measurements per collision to be reconstructed e.g. at the High Luminosity Large Hadron Collider, the currently employed combinatorial track finding approaches become inadequate. Here, we use hashing techniques to separate measurements into buckets of 20-50 hits and increase their purity using metric learning. Two different approaches are studied to further resolve tracks inside buckets: Local Fisher Discriminant Analysis and Neural Networks for triplet similarity learning. We demonstrate the proposed approach on simulated collisions and show significant speed improvement with bucket tracking efficiency of 96% and a fake rate of 8% on unseen particle events.

연구 동기 및 목표

• 고강도 입자 충돌에서 조합적 궤적 탐색의 확장성 한계를 해결하기 위해.
• 충돌당 수십만 개의 검출기 히트를 재구성할 때 계산 비용을 줄이기 위해.
• 해싱 및 메트릭 학습 기법을 활용해 궤적 재구성 정확도와 순도를 향상시키기 위해.
• 미래의 충돌기 실험에서 실시간 또는 근접 실시간 추적을 가능하게 하기 위해.
• 모의 충돌 데이터를 기반으로 제안된 방법의 실현 가능성과 성능을 입증하기 위해.

제안 방법

• 해싱을 사용해 검출기 히트를 20~50개의 히트로 구성된 작은 버킷으로 분할함으로써 초기 순도를 향상시킨다.
• 각 버킷 내에서 메트릭 학습을 적용해 히트 간 유사도 점수를 정밀하게 조정하여 궤적 형성에 활용한다.
• 두 가지 해상도 전략을 평가한다: 국소 피셔 할당 분석과 삼중 비교 유사도 학습을 위한 신경망.
• 초기 히트 그룹화 단계의 가속을 위해 근사 최근접 이웃 검색을 사용한다.
• 학습된 임bedding을 활용해 진짜 입자 궤적과 가짜 또는 잘못 연결된 히트를 구분한다.
• 프레임워크는 모의 고광도 LHC 충돌 이벤트를 기반으로 훈련 및 평가된다.

실험 결과

연구 질문

• RQ1 해싱 기반의 버킷화가 입자 궤적 추적의 계산 복잡도를 크게 감소시킬 수 있는가?
• RQ2 메트릭 학습이 버킷 내 궤적 복원 정확도를 향상시키고 가짜 궤적을 줄일 수 있는가?
• RQ3 국소 피셔 할당 분석과 신경망 기반 삼중 비교 학습 간 궤적 복원 성능에서의 비교는 어떠한가?
• RQ4 제안된 방법이 새로운 모의 이벤트에서 달성 가능한 추적 효율성과 가짜 비율은 얼마인가?
• RQ5 고밀도 히트 환경인 고광도 LHC와 같은 환경에서 이 방법은 효과적으로 확장 가능한가?

주요 결과

• 제안된 방법은 새로운 입자 이벤트에서 96%의 추적 효율성을 달성하여 강력한 일반화 능력을 보였다.
• 가짜 비율은 8%로 측정되어 잘못 재구성된 궤적의 효과적인 억제를 보였다.
• 해싱의 사용으로 전통적인 조합적 접근에 비해 뚜렷한 속도 향상이 이루어졌다.
• 국소 피셔 할당 분석과 신경망 기반 삼중 비교 학습 모두 효과적인 버킷 내 복원을 보였으며, 후자는 향후 성능 향상 잠재력을 보였다.
• 메트릭 학습을 통해 히트 버킷의 높은 순도를 유지함으로써, 완전한 조합적 매칭이 필요로 하는 양을 줄였다.
• 결과는 고속 충돌 환경에서 실시간 또는 근접 실시간 추적의 실현 가능성을 입증하였다.