[논문 리뷰] PILArNet: Public Dataset for Particle Imaging Liquid Argon Detectors in High Energy Physics

C. Adams, K. Terao외 1명|arXiv (Cornell University)|2020. 06. 03.

Particle Detector Development and Performance참고 문헌 9인용 수 7

한 줄 요약

PILarNet는 Geant4와 LArSoft를 사용하여 시뮬레이션한 액체 헬륨 시간 투과실 (LArTPC)에서의 30만 개의 입자 궤적을 포함한 공개적이고 오픈 액세스 데이터셋입니다. 이 데이터는 LArCV를 통해 희소 2D/3D 행렬 형식으로 저장되며, 입자 영상 작업(예: 궤적 재구성 및 시작점 회귀)을 위한 지도 학습을 가능하게 하며, 도커/싱귤래리티 컨테이너와 파이썬/C++ API를 포함한 완전한 소프트웨어 지원을 제공하여 데이터 접근 및 모델 훈련을 효율적으로 구현합니다.

ABSTRACT

Rapid advancement of machine learning solutions has often coincided with the production of a test public data set. Such datasets reduce the largest barrier to entry for tackling a problem -- procuring data -- while also providing a benchmark to compare different solutions. Furthermore, large datasets have been used to train high-performing feature finders which are then used in new approaches to problems beyond that initially defined. In order to encourage the rapid development in the analysis of data collected using liquid argon time projection chambers, a class of particle detectors used in high energy physics experiments, we have produced the PILArNet, first 2D and 3D open dataset to be used for a couple of key analysis tasks. The initial dataset presented in this paper contains 300,000 samples simulated and recorded in three different volume sizes. The dataset is stored efficiently in sparse 2D and 3D matrix format with auxiliary information about simulated particles in the volume, and is made available for public research use. In this paper we describe the dataset, tasks, and the method used to procure the sample.

연구 동기 및 목표

• LArTPC 데이터 분석에서 머신러닝의 진입 장벽을 낮추기 위해 대규모 공개 데이터셋을 제공함으로써.
• LArTPC에서 입자 궤적 재구성 및 에너지 침착 분석을 위한 지도 학습 알고리즘의 개발을 가속화하기 위해.
• MicroBooNE, ICARUS, SBND, DUNE 등의 LArTPC 실험 간 표준화된 훈련 데이터 및 소프트웨어 인터페이스를 제공함으로써 상호 실험 간 협업을 가능하게 하기 위해.
• 컨테이너화된 소프트웨어 환경과 표준화된 데이터 입출력 파이프라인을 통해 입자 물리 머신러닝 연구의 재현 가능성과 투명성을 향상시키기 위해.

제안 방법

• LArTPC 커뮤니티에서 널리 채택된 두 개의 오픈소스 프레임워크인 Geant4와 LArSoft를 사용하여 30만 개의 입자 상호작용 이벤트를 시뮬레이션함.
• 액체 헬륨에서의 이온화 흔적의 특성인 희박한 에너지 침착 패턴을 고려해, LArCV 파일 형식을 사용하여 희소 2D 및 3D 행렬 형식으로 입자 영상 데이터를 저장함.
• 이미지 데이터에 연결된 입자 시작 및 종료 위치, 종류, 에너지 등의 메타데이터를 포함하여 지도 학습 작업을 위한 기반을 마련함.
• 데이터 접근 및 모델 훈련을 위한 일관되고 재현 가능한 실행 환경을 확보하기 위해 도커 및 싱귤래리티 컨테이너 이미지를 개발 및 배포함.
• LArCV 및 dlp_opendata_api 라이브러리를 통해 파이썬 및 C++ API를 구현하여 머신러닝 워크플로우에서 밀집 또는 희소 행렬 형식으로 데이터를 효율적으로 로드할 수 있도록 지원함.
• 장기적인 가용성과 버전 제어를 확보하기 위해 산업용 클라우드 서비스와 통합된 오픈 사이언스 프레임워크 (OSF)에 데이터셋을 호스팅함.

실험 결과

연구 질문

• RQ1 대규모 공개 시뮬레이션 데이터셋이 LArTPC에서 입자 궤적 재구성에 대한 머신러닝 모델 개발을 상당히 가속화할 수 있는가?
• RQ2 LArCV 파일에서의 희소 행렬 표현 방식이 입자 영상 데이터에 대한 딥러닝 모델 훈련에서 데이터 효율성과 성능을 어떻게 향상시키는가?
• RQ3 표준화된 데이터셋과 소프트웨어 스택을 통해 DUNE 및 MicroBooNE와 같은 다양한 LArTPC 실험 간 협업이 어느 정도 가능해지는가?
• RQ4 컨테이너라이즈드 환경은 고에너지 물리 분야의 머신러닝 워크플로우에서 재현 가능성 확보 및 설정 복잡성 감소에 얼마나 효과적인가?
• RQ5 오픈형이고 잘 주석 처리된 데이터셋인 PILarNet가 고에너지물리 이외 배경을 가진 연구자들이 입자 영상 연구에 기여할 수 있도록 진입 장벽을 낮출 수 있는가?

주요 결과

• PILarNet는 레이블이 부여된 입자 궤적과 에너지 침착 패턴을 포함한 30만 개의 시뮬레이션된 LArTPC 이벤트를 포함한 공개적으로 이용 가능한 대규모 데이터셋을 제공하는 최초의 데이터셋입니다.
• 이 데이터셋은 LArTPC 데이터의 특성인 희박한 밀도와 고해상도의 입자 궤적을 효율적으로 표현할 수 있도록 LArCV를 사용하여 희소 2D 및 3D 행렬 형식으로 저장되어 있습니다.
• 시작 및 종료 위치와 같은 보조 입자 메타데이터를 포함하여 3D 궤적 회귀 및 입자 분류와 같은 지도 학습 작업을 가능하게 합니다.
• 데이터 접근 및 분석 파이프라인의 일관성과 재현 가능성을 확보하기 위해 컨테이너라이즈드 소프트웨어 환경(Docker 및 Singularity)이 제공됩니다.
• 밀집 및 희소 행렬 형식 모두를 지원하는 파이썬 및 C++ API가 있어 고성능 훈련 및 추론을 위한 효율적인 데이터 로딩이 가능합니다.
• 장기적인 가용성과 현대 과학 데이터 공유 기준과의 호환성을 확보하기 위해 오픈 사이언스 프레임워크(OSF)에 호스팅되며 클라우드 통합이 구현되어 있습니다.