[논문 리뷰] Real-time Timepix3 data clustering, visualization and classification with a new Clusterer framework

L. Meduna, B. Bergmann외 4명|arXiv (Cornell University)|2019. 10. 29.

Particle Detector Development and Performance인용 수 4

한 줄 요약

이 논문은 실시간으로 다중 스레드 처리가 가능한 C++ 프레임워크인 Clusterer를 제안한다. 이 프레임워크는 히어라르키적 퀴드트리 데이터 구조와 동적 플러그인 필터를 사용하여 Timepix3 검출기 데이터의 온라인 클러스터링, 시각화 및 필터링을 가능하게 한다. 시스템은 순서가 뒤죽박 WithEvents인 픽셀 스트림으로부터 저지연 시간의 이벤트 재구성 성능을 달성하며, 클러스터 크기 및 에너지와 같은 특성 기반의 지능형 필터링을 통해 데이터 볼륨을 최대 90%까지 감소시킨다. 이는 CERN의 ATLAS 및 MoEDAL 실험에서 실시간 방사선 모니터링 및 3차원 트랙 재구성 기능을 포함하여 검증되었다.

ABSTRACT

With the next-generation Timepix3 hybrid pixel detector, new possibilities and challenges have arisen. The Timepix3 segments active sensor area of 1.98 $cm^2$ into a square matrix of 256 x 256 pixels. In each pixel, the Time of Arrival (ToA, with a time binning of 1.56 $ns$) and Time over Threshold (ToT, energy) are measured simultaneously in a data-driven, i.e. self-triggered, read-out scheme. This contribution presents a framework for data acquisition, real-time clustering, visualization, classification and data saving. All of these tasks can be performed online, directly from multiple readouts through UDP protocol. Clusters are reconstructed on a pixel-by-pixel decision from the stream of not-necessarily chronologically sorted pixel data. To achieve quick spatial pixel-to-cluster matching, non-trivial data structures (quadtree) are utilized. Furthermore, parallelism (i.e multi-threaded architecture) is used to further improve the performance of the framework. Such real-time clustering offers the advantages of online filtering and classification of events. Versatility of the software is ensured by supporting all major operating systems (macOS, Windows and Linux) with both graphical and command-line interfaces. The performance of the real-time clustering and applied filtration methods are demonstrated using data from the Timepix3 network installed in the ATLAS and MoEDAL experiments at CERN.

연구 동기 및 목표

• 방사선 모니터링 및 이벤트 사전 선택을 위해 고속 데이터 기반의 Timepix3 검출기 스트림을 실시간으로 처리할 수 있도록 하는 것.
• Timepix3의 하드웨어 제약으로 인해 부분적으로 순서가 뒤죽박힌 픽셀 데이터로부터 입자 트랙을 재구성하는 문제를 해결하는 것.
• 클러스터 크기 및 에너지와 같은 클러스터 특성 기반의 온라인 필터링을 구현하여 데이터 저장 요구량을 줄이는 것.
• 다양한 플랫폼 간 호환성을 확보하고 GUI 및 명령줄 인터페이스를 모두 지원하여 광범위한 사용성을 확보하는 것.
• Katherine 및 SPIDR와 같은 다양한 Timepix3 읽기 시스템과 호환되는 모듈식이고 확장 가능한 소프트웨어 프레임워크를 제공하는 것.

제안 방법

• 실시간 클러스터링 동안 픽셀-클러스터 매칭을 가속화하기 위해 히어라키적 퀴드트리 공간 데이터 구조를 사용한다.
• 고성능을 위해 입력 파싱, 클러스터링 및 시각화 작업을 병렬화하는 다중 스레드 아키텍처를 구현한다.
• 신규로 도착하는 픽셀을 시간 순서에 따라 처리하기 위한 새로운 이벤트 빌딩 알고리즘을 도입하며, 이는 시간적 및 공간적 근접성(8연결 이웃) 기반으로 클러스터를 동적으로 병합한다.
• 클러스터 소속 관계를 정의하기 위해 2000 ns의 시간 창을 사용하여 입자 상호작용의 일관성을 확보한다.
• 사용자 정의 기준(에너지 손실, 클러스터 크기 등)을 통해 이벤트 선택이 가능한 플러그인 라이브러리를 통한 필터링을 적용한다.
• 에너지 캘리브레이션 및 타임워크 보정을 지원하여 물리 분석을 위한 데이터 정확도를 향상시킨다.

실험 결과

연구 질문

• RQ1 어떻게 순서가 뒤죽박힌 Timepix3 픽셀 데이터 스트림으로부터 실시간으로 입자 이벤트를 재구성할 수 있는가?
• RQ2 고속 검출기 데이터의 저지연 클러스터링을 가능하게 하는 데이터 구조와 병렬 처리 전략은 무엇인가?
• RQ3 온라인 필터링을 통해 데이터 볼륨을 얼마나 줄일 수 있으며, 물리적으로 의미 있는 이벤트를 손실 없이 유지할 수 있는가?
• RQ4 이 프레임워크는 3차원 입자 트랙 재구성과 비탄성 상호작용 식별에 얼마나 효과적인가?
• RQ5 GUI 및 CLI 지원을 통해 다양한 운영 체제에서 소프트웨어가 안정적으로 배포 가능한가?

주요 결과

• 프레임워크는 픽셀 데이터에 최대 200 µs의 시간적 순서 어긋남이 존재하는 상황에서도 실시간으로 입자 트랙을 재구성하는 데 성공했다.
• 2000 ns의 시간 창과 8연결 공간 기준을 사용함으로써, 최소한의 지연 시간으로 정확한 입자 상호작용 클러스터링을 달성했다.
• 테스트 비드 캠프에선 온라인 필터링을 통해 데이터 볼륨을 최대 90%까지 감소시켜 디스크 저장 요구량을 크게 줄였으며, 물리적으로 의미 있는 이벤트는 모두 유지되었다.
• 실시간 방사선장 모니터링이 가능했으며, CERN 테스트 비드 데이터를 통해 클러스터 레이트 및 에너지 스펙트럼과 같은 실시간 통계 정보가 제공되었다.
• 선택된 클러스터의 스켈레톤화를 통해 비탄성 핵 상호작용에서 발생하는 오분할 5개의 분열 트랙을 식별함으로써, 이 프레임워크가 세밀한 이벤트 분석 기능을 갖추고 있음을 확인했다.
• Windows, macOS, Linux에서 완전한 다중 플랫폼 호환성을 확보하였으며, GUI 및 CLI 인터페이스를 모두 제공하여 실험 물리학 분야에서 넓은 사용성을 확보했다.