[논문 리뷰] Progress in End-to-End Optimization of Detectors for Fundamental Physics with Differentiable Programming

Max Aehle, Lorenzo Arsini외 28명|arXiv (Cornell University)|2023. 09. 30.

Particle Detector Development and PerformancePhysics and Astronomy인용 수 3

한 줄 요약

이 논문은 기초 물리학 분야에서 감지기의 엔드 투 엔드 미분 가능 최적화를 위한 프레임워크를 제시한다. 이는 데이터 생성, 재구성, 추론을 하나의 미분 가능 파이프라인으로 통합하는 미분 가능 프로그래밍을 활용한다. 이는 입자 물리학, 천체물리학, 의료 영상, 가속기 응용 분야에서 기술적 장비를 최적화하는 데 있어 뚜렷한 진전을 이룩하였으며, 복잡한 감지기 기하학 및 읽기 시스템의 기울기 기반 최적화를 통해 감도와 내구성을 향상시켰다.

ABSTRACT

In this article we examine recent developments in the research area concerning the creation of end-to-end models for the complete optimization of measuring instruments. The models we consider rely on differentiable programming methods and on the specification of a software pipeline including all factors impacting performance -- from the data-generating processes to their reconstruction and the extraction of inference on the parameters of interest of a measuring instrument -- along with the careful specification of a utility function well aligned with the end goals of the experiment. Building on previous studies originated within the MODE Collaboration, we focus specifically on applications involving instruments for particle physics experimentation, as well as industrial and medical applications that share the detection of radiation as their data-generating mechanism.

연구 동기 및 목표

• 기초 물리학 분야에서 방사선 감지 장치의 통합 프레임워크를 개발하여 미분 가능 프로그래밍을 활용한 엔드 투 엔드 최적화를 실현한다.
• 입자 상호작용에서부터 데이터 재구성에 이르기까지 다단계 감지기 시스템의 복잡성에 대응하기 위해 전체 파이프라인을 미분 가능하게 만든다.
• 감지기 기하학, 재료 조성, 읽기 전략의 기울기 기반 최적화를 가능하게 하여 실험 감도와 내구성을 극대화한다.
• 기초 물리학, 의료 영상, 천체물리학, 뉴로모르픽 컴퓨팅 등 다양한 분야로 미분 가능 최적화를 확장한다.
• 재구성 파이프라인의 불확실성 정량화를 수행하고 이를 최적화 과정에 통합하여 더 신뢰할 수 있는 기기 설계를 가능하게 한다.

제안 방법

• 입자 이동, 에너지 침착, 읽기 전자기기, 재구성 과정을 포함한 전체 감지기 파이프라인을 미분 가능한 계산 그래프로 정형화한다.
• Geant4 및 GATE와 같은 복잡한 시뮬레이션 코드를 통해 기울기를 계산할 수 있도록 알고리즘 미분(AD)을 활용한다.
• 계산 비용이 높은 파이프라인 구성 요소에서 도 derivatives 계산을 최적화하기 위해 다각형 컴파일러 및 코드 변환 기법을 사용한다.
• 지능형 감지 과정의 빠른, 미분 가능한 모의를 위해 기계학습 모델(예: 그래프 신경망(GNN), 스파iking 신경망(SNN))을 미분 가능한 파이프라인에 통합한다.
• 실험 목표에 부합하는 유틸리티 함수(예: 신호 대 잡음 비율, 새로운 물리 현상에 대한 감도)를 정의하여 최적화를 이끌어낸다.
• 실세계 응용 사례에 대해 미분 가능 최적화를 적용한다. 이는 LHC 캘로리미터의 업그레이드, 뮤온 톰그래피, 프로톤 CT, 물의 케렌코프 방사선 감지기 등을 포함한다.

실험 결과

연구 질문

• RQ1 기초 물리학 분야에서 복잡한 방사선 감지기를 대상으로 미분 가능 프로그래밍을 효과적으로 적용할 수 있는가?
• RQ2 Geant4 및 GATE와 같은 기존 시뮬레이션 프레임워크에 알고리즘 미분을 어떻게 확장하여 입자 이동 및 에너지 침착 과정을 통해 기울기를 계산할 수 있는가?
• RQ3 미분 가능 최적화가 고에너지 물리학 및 천체물리학 실험에서 감지기의 감도와 내구성에 얼마나 기여할 수 있는가?
• RQ4 재구성 파이프라인의 불확실성 정량화를 어떻게 미분 가능 최적화 과정에 통합하여 더 신뢰할 수 있는 감지기 설계를 가능하게 할 수 있는가?
• RQ5 뉴로모르픽 시스템의 미분 가능 모델과 기계학습 기반 재구성 알고리즘을 물리적 감지기 기하학과 함께 공동 최적화할 수 있는가?

주요 결과

• 미분 가능 프로그래밍은 입자 상호작용에서부터 추론에 이르기까지 전체 파이프라인을 미분 가능하게 만들며, 기울기 기반 최적화에 적합하게 한다.
• Geant4 및 GATE 시뮬레이션과 알고리즘 미분의 통합이 성공적으로 프로토타yped되어 복잡한 입자 이동 및 에너지 침착 과정을 거쳐 기울기를 계산할 수 있게 되었다.
• LHCb 캘로리미터 업그레이드 사례에서, 미분 가능 최적화를 통해 기하학 및 재료 조성의 정밀 조정을 통해 신호 대 잡음 성능이 향상되었다.
• 프로톤 CT의 경우, 비침습적 투영 방법을 사용하여 재구성 파이프라인의 불확실성 정량화를 달성하였으며, 입력 변동에 대한 기대값과 분산을 안정적으로 추정할 수 있게 되었다.
• CMS 픽셀 레이어에서 저에너지 트랙 제거를 위해 스파이킹 신경망이 미분 가능한 파이프라인에 성공적으로 통합되어 저전력 온라인 트리거의 잠재적 응용 가능성을 입증하였다.
• SWGO 어레이 레이아웃이 미분 가능 모델링을 통해 엔드 투 엔드 최적화되었으며, 광자/핵반응 입자 분리 능력과 단일 기지 성능이 향상되었다.