[논문 리뷰] Vertexing and Tracking Software at Belle II

T. Schlüter|arXiv (Cornell University)|2014. 11. 13.

Particle physics theoretical and experimental studies참고 문헌 22인용 수 4

한 줄 요약

이 논문은 빛의 밀도가 8×10³⁵ Hz/cm²인 Belle II 실험을 위한 정점 및 트랙 소프트웨어 프레임워크를 제시한다. 이 프레임워크는 예상치 못한 데이터 속도와 배경 수준을 처리하도록 설계되었으며, 선택적 읽기 방식을 통한 온라인 데이터 감소, 히트 조합을 위한 세포자기화, 트랙 후보 선택을 위한 호프필드 네트워크, 그리고 적응형 냉각을 적용한 고정밀 트랙 및 정점 재구성에 사용되는 고도화된 칼만 필터링을 활용한다. 이를 통해 희귀 및 투명한 붕괴에 대한 감도가 향상된 전체 이벤트 재구성이 가능해진다.

ABSTRACT

Belle II is a $B$ factory experiment aiming to start physics data taking in 2017. It is currently being set up at the SuperKEKB accelerator at the KEK facility in Tsukuba (Japan), an asymmetric $e^+e^-$ collider which aims to achieve an unprecedented instantaneous luminosity of $8\cdot10^{35} extrm{Hz}/ extrm{cm}^2$. This forty-fold increase over predecessor experiments is achieved by employing a novel nano-beam scheme. Originally developed for the now-defunct SuperB experiment, this scheme allows a significant increase in luminosity at only modest increases of beam currents. Challenges for the vertex detector result from increased data and background rates. At full luminosity, physics data will be recorded at a rate of $30\, extrm{kHz}$. The radiation-hard DEPFET-sensors of the innermost layer of the vertex detector will be read out employing a novel data-reduction scheme using selective detector read out based on online reconstruction of event data. Belle II uses a software framework in which data handling is unified between various data processing modules. In this way, tasks can be divided flexibly and the same software framework can be used for a diversity of tasks ranging from the high-level trigger to final processing of plots for publications. Tracking and vertexing modules are currently under development and we will discuss their features.

연구 동기 및 목표

• Belle II 실험의 8×10³⁵ Hz/cm² 빛의 밀도에서 30 kHz의 물리적 데이터 속도와 증가한 배경 수준을 다루는 데 도전한다.
• 고수준 트리거 및 최종 분석 단계에서의 트랙 및 정점 처리를 위한 확장 가능하고 통합된 소프트웨어 프레임워크를 개발한다.
• 정점 검출기의 고점유율 및 방사선 손상에도 불구하고 입자 궤적과 정점의 고정밀 재구성을 가능하게 한다.
• 모든 붕괴 생성물을 정확히 재구성함으로써 B 메손 붕괴의 전체 이벤트 재구성을 지원한다. 이는 희귀 및 투명한 붕괴 분석을 가능하게 한다.

제안 방법

• 온라인 재구성을 사용한 선택적 검출기 읽기 방식을 구현하여 픽셀 데이터 속도를 20 GB/s에서 처리 가능한 수준으로 감소시킨다.
• 접근한 히트를 셀로 묶고 트랙 추적에서의 조합 불확실성을 해결하기 위해 세포자기화 알고리즘을 사용한다.
• 몬테카를로 시뮬레이션으로 훈련된 호프필드 네트워크를 적용하여 겹치는 셀 조합에서 최적의 중복되지 않는 트랙 후보 집합을 추출한다.
• 적응형 결정론적 냉각을 적용한 수정된 칼만 피터를 사용하여 배경 히트를 거부하고 웜 차임버 측정에서의 좌/우 불확실성을 해결한다.
• 일반화된 끊어진 선 알고리즘을 사용하여 정렬을 수행하고, 트랙 피팅 모델에 물질 효과를 통합한다.
• RAVE 패키지와 KFIT를 사용하여 트랙 및 정점 피팅을 통합하고, 입자 식별 검출기로의 외삽 및 mDST에 헬릭스 파라미터 저장을 수행한다.

실험 결과

연구 질문

• RQ1 고속, 고점유율 정점 검출기에서 데이터 속도를 효율적으로 감소시키면서도 재구성 정확도를 유지할 수 있는 방법은 무엇인가?
• RQ2 높은 배경과 복잡한 히트 패턴이 존재하는 환경에서 트랙 및 정점 재구성에 최적의 알고리즘 조합은 무엇인가?
• RQ3 온라인 재구성 및 데이터 감소를 어떻게 통합된 소프트웨어 프레임워크에 통합하여 트리거 및 최종 분석 단계를 모두 지원할 수 있는가?
• RQ4 새로운 트랙 및 정점 재구성 소프트웨어를 사용하여 B 메손의 전체 이벤트 재구성을 얼마나 정밀하게 실현할 수 있는가?
• RQ5 적응형 냉각 및 물질 인식 피팅과 같은 고급 피팅 기법은 트랙 및 정점 재구성의 해상도와 견고성에 어떤 영향을 미치는가?

주요 결과

• 온라인 데이터 감소 방식이 성공적으로 픽셀 데이터 속도를 처리 가능한 수준으로 제한하여 전체 읽기 방식에서 발생하는 20 GB/s의 병목 현상을 피했다.
• 세포자기화와 호프필드 네트워크의 조합이 고점유율 환경에서도 조합 불확실성을 효과적으로 해결하고 고품질 트랙 후보를 선택하는 데 성공했다.
• 적응형 결정론적 냉각 알고리즘이 배경 유도 히트를 거부하고 측정 불확실성을 해결함으로써 트랙 피팅 성능을 크게 향상시켰다.
• 일반화된 끊어진 선 알고리즘의 사용으로 물질 효과를 트랙 피팅 모델에 반영함으로써 정렬 정밀도가 향상되어 전체 재구성 정확도가 향상되었다.
• 고정밀 트랙 및 정점 재구성 덕분에 B 메손의 전체 이벤트 재구성이 가능해졌고, 이는 희귀 및 투명한 붕괴의 새로운 분석을 가능하게 하였다.
• 통합된 소프트웨어 프레임워크는 고수준 트리거에서 최종 물리 분석에 이르기까지 전체 데이터 처리 체인에 걸쳐도 영리하게 배포가 가능하다.