[논문 리뷰] Pattern Recognition and Data Compression for the ALICE High Level Trigger

A. Vestbø|arXiv (Cornell University)|2004. 06. 01.

Algorithms and Data Compression참고 문헌 13인용 수 7

한 줄 요약

이 논문은 ALICE 고수준 트리거(HLT) 시스템을 위한 실시간 패턴 인식 및 데이터 압축 프레임워크를 제시하며, 고속 중이온 충돌 데이터를 효율적으로 처리할 수 있도록 한다. Hough 변환과 클러스터 모델링을 사용한 순차적이고 반복적인 트래킹 알고리즘을 도입하여, 1000개의 캐리드 입자/표준속도에서 90% 이상의 트래킹 효율을 달성하면서도, 손실 압축 및 손실 없는 압축 기법을 통해 데이터 볼륨을 최대 90%까지 감소시킨다.

ABSTRACT

The central detectors of the ALICE experiment at LHC will produce a data size of up to 75 MByte/event at an event rate <200 Hz resulting in a data rate of \~15 GByte/sec. This exceeds the foreseen mass storage bandwidth of 1.25 GByte/sec by one order of magnitude. Online processing of the data is necessary in order to select interesting (sub)events ("High Level Trigger"), or to compress data efficiently by modeling techniques. The largest computing challenge is imposed by the TPC, requiring realtime pattern recognition. The work carried out investigates the performance of various pattern recognition schemes applicable for online track reconstruction within the ALICE HLT system. Furthermore, as an application for reducing the data rate, very efficient TPC data compression algorithms based on track and cluster modeling have been evaluated.

연구 동기 및 목표

• ALICE TPC에서 발생하는 막대한 데이터 속도를 처리하는 데 도전하며, 이벤트 레이트가 100 kHz를 초과하는 중이온 충돌 환경을 다룬다.
• 고밀도 조건에서 작동하는 실시간 온라인 패턴 인식 알고리즘 개발을 통해 캐리드 입자 트랙을 재구성할 수 있도록 한다.
• 물리적 정보 손실이 크지 않은 범위에서 TPC 데이터 볼륨을 줄일 수 있는 효율적인 데이터 압축 기법을 설계한다.
• 패턴 인식과 압축을 ALICE 고수준 트리거(HLT) 시스템에 통합하여 온라인 처리 및 데이터 감소를 가능하게 한다.
• 실시간 운영을 위해 계산 지연을 최소화하면서도 높은 재구성 효율성과 운동량 해상도를 확보한다.

제안 방법

• TPC 신호에서 트랙을 재구성하기 위해 클러스터 검출기, 트랙 검출기, 트랙 적합기, 트랙 융합기를 포함한 순차적 트래킹 체인을 HLT에 구현한다.
• 반복적 트래킹에 Hough 변환(HT)을 적용하여 공간 점들을 매개변수 공간으로 매핑함으로써 트랙 패턴을 탐지하고, 고밀도 환경에서의 강건성을 향상시킨다.
• 곡선 트랙 세그먼트를 원호로 변환하기 위해 동형 사영(Conformal mapping)을 사용하여 HT의 효율성과 정확도를 향상시킨다.
• 지역 및 전역 TPC 클러스터 모델링 기반의 손실 없는 및 손실 있는 압축 기법을 개발하여, 클러스터 중심, 폭, 전하를 가변 비트 길이로 인코딩한다.
• 섹터 전환 플래그와 잔차 인코딩을 포함한 비트 수준 I/O 루틴을 사용하여 트랙 매개변수와 관련 클러스터를 효율적으로 저장하는 압축된 데이터 포맷을 설계한다.
• 비트 수준 연산을 사용하여 트랙 매개변수(곡률, φ, DCA, z0, tgl)를 저장하는 커스텀 C-구조체(AliL3TrackModel)를 구현하고, 직접 압축 파일에 쓰기 위해 사용한다.

실험 결과

연구 질문

• RQ1 극도의 이벤트 레이트와 고밀도 트랙 조건에서 ALICE HLT에서 실시간 패턴 인식을 어떻게 달성할 수 있는가?
• RQ2 온라인 트랙 재구성에서 트래킹 효율성, 운동량 해상도, 계산 비용 간의 최적 균형은 무엇인가?
• RQ3 물리 분석 성능이 저하되지 않는 한도에서 TPC 데이터는 얼마나 압축할 수 있는가?
• RQ4 지역 및 전역 모델링 기법이 필수 트랙 정보를 유지하면서 데이터 볼륨을 얼마나 줄일 수 있는가?
• RQ5 비트 수준 I/O 및 가변 비트 인코딩이 온라인 HLT 데이터 처리에 있어 효율적인 손실 및 손실 없는 압축을 달성하는 데 얼마나 효과적인가?

주요 결과

• 순차적 트래킹 체인은 표준속도당 1000개의 캐리드 입자가 존재할 때 0.5 GeV/c 이상의 횡운동량에서 90% 이상의 트래킹 효율을 달성한다.
• 반복적 Hough 변환 기반 트래킹 방법은 저운동량 트랙에 대한 효율성을 향상시키고, 특히 고밀도 환경에서 오염을 줄인다.
• 손실 및 손실 없는 기법을 사용한 데이터 압축으로 원시 TPC 데이터 볼륨을 최대 90%까지 감소시켰으며, 트랙 재구성 품질에 미미한 영향을 미쳤다.
• 압축된 클러스터 포맷은 클러스터 매개변수(중심, 폭, 전하)를 동적 범위에 따라 가변 비트 길이로 인코딩함으로써 높은 저장 효율성을 달성한다.
• 비트 수준 I/O 루틴의 사용은 압축된 데이터 스트림을 효율적으로 처리하여 실시간 처리에서 I/O 오버헤드를 줄였다.
• HL트리거 시스템은 고밀도 조건에서도 pt > 0.5 GeV/c 인 트랙에 대해 상대적 횡운동량 해상도가 10% 이내를 유지한다.