[논문 리뷰] SGV 3.0 - a fast detector simulation

M. Berggren|DESY Publication Database (PUBDB) (Deutsches Elektronen-Synchrotron)|2012. 03. 01.

Particle physics theoretical and experimental studies참고 문헌 6인용 수 14

한 줄 요약

SGV 3.0는 ILC 및 CLIC 실험을 위한 빠르고 파rametric인 검출기 시뮬레이션 프레임워크를 제공하며, 전반적인 시뮬레이션 성능을 수십만 배 빠르게 구현한다. 공분산 행렬 기반 접근법과 캐스트링된 파arametric 모델(에너지 손실 및 이중 카운팅 포함)을 사용함으로써, 전체 시뮬레이션 수준에 가까운 추적 및 칼로리메터 응답 정확도를 달성하지만, 略적으로 낙관적인 성능을 보이며, 고분석단면적 과정 및 SUSY와 같은 다중파arameter 이론의 빠른 스캔을 가능하게 한다.

ABSTRACT

The need for fast simulation programs is emphasised, both in terms of the need for "rapid response" to new results - in particular from the LHC - and new theoretical ideas, and in terms of how to cope with multi-billion simulated event samples. The latter would arise both from the need to be able to simulate significantly more events than expected in the real data, also for high cross-section processes, and the need to scan multi-parameter theories. The {\it Simulation à Grande Vitesse}, SGV, is presented, and is shown to be able to address these issues. The tracking performance of SGV is shown to reproduce very closely that of the full simulation and reconstruction of the ILD concept. Preliminary results on how to also closely emulate the calorimetric performance from full simulation is presented. The procedure is parametric, with no the need to simulate the detailed shower development, and promises to be many orders of magnitude faster than such approaches. Contrary to what is often the case with fast simulation programs, the procedure gives a somewhat {\it pessimistic} result, compared to the full simulation and reconstruction.

연구 동기 및 목표

• ILC 및 CLIC 물리 연구에서 고분석단면적 과정(예: γγ 사건)과 대규모 파arameter 공간 스캔(예: SUSY)에 대한 증가하는 빠른, 확장 가능한 시뮬레이션의 필요성을 해결하기 위해.
• 최신 LHC 결과나 이론 모델 변화에 대응해 빠르게 물리 사례를 업데이트할 수 있는 경량이면서 고성능의 시뮬레이션 도구를 개발하기 위해.
• 전체 검출기 시뮬레이션 및 재구성 성능을 최소한의 계산 비용으로 재현하기 위해.
• 에너지 손실 및 이중 카운팅을 포함한 복잡한 검출기 효과(예: 클러스터 혼동)를 소수의 조정 가능한 파arameter로 파arametric 모델링하기 위해.
• 다수의 10억 건 이상의 이벤트 샘플에 대해서도 정확도를 유지하면서 계산 효율성을 확보하기 위해.

제안 방법

• SGV 3.0 프레임워크는 ILD 검출기 개념의 전체 시뮬레이션 데이터를 기반으로 한 공분산 행렬 기반 기계 학습 방법을 사용하여 검출기 응답을 모델링한다.
• 클러스터 혼동 효과(에너지 손실 및 이중 카운팅)는 세 가지 핵심 확률을 사용하여 파arameter화한다: 분할 확률, 완전 분할 확률, 분할 분포 분포.
• 이 확률의 기능 형태는 샤워 형상 분석에서 유도되며, 지수 함수와 선형 함수의 조합을 사용하여 피팅하며, 총 28개의 파arameter가 4개의 케이스(전자/핵반응성 × 이중 카운팅/손실)에 걸쳐 분포된다.
• 이 파arametric 모델은 전체 재구성 결과와 일치시키기 위해 글로벌 관측량(예: 총 관측 에너지, 중성 에너지)을 사용하여 캘리브레이션되며, 클러스터 에너지-트랙 운동량 비율 및 분할 확률 조정이 포함된다.
• 이 방법은 세부적인 샤워 시뮬레이션을 회피하고 직접적으로 검출기 수준의 영향을 모델링함으로써, 이벤트 생성 수준의 속도(예: 10 ms/이벤트)에 근접한 시뮬레이션 속도를 달성한다.
• 프레임워크는 Fortran95로 구현되어 있으며, 기존 라이브러리(CERNLIB 및 HBOOK)에 대한 의존도가 감소하고 이식성이 향상되었다.

실험 결과

연구 질문

• RQ1 빠른 시뮬레이션 프레임워크는 ILD 검출기 개념에 대해 전체 시뮬레이션 및 재구성과 유사한 추적 성능을 달성할 수 있는가?
• RQ2 칼로리메터 클러스터 혼동(에너지 손실 및 이중 카운팅)의 파arametric 모델링이 최소한의 파arameter로 전체 시뮬레이션 결과를 정확히 재현할 수 있는가?
• RQ3 전체 시뮬레이션 대비 빠른 시뮬레이션의 성능은 총 관측 에너지 및 중성 에너지와 같은 글로벌 이벤트 수준 관측량 측면에서 어떻게 비교되는가?
• RQ4 파arametric 접근법은 고분석단면적 과정 및 다중파arameter 스캔에 대해 시뮬레이션 시간을 얼마나 줄일 수 있으며, 물리적 정밀도를 유지할 수 있는가?
• RQ5 빠른 시뮬레이션 결과는 체계적으로 편향되어 있는가? 만약 그렇다면, 이 편향은 예측 가능하며, 실험 감도 연구에 유용한가?

주요 결과

• SGV 3.0은 전체 ILD 시뮬레이션 및 재구성의 추적 성능을 매우 높은 정밀도로 재현하여 핵심 추적 모델의 타당성을 입증한다.
• 28개의 파arameter를 사용하여 4개의 케이스에 걸쳐 파arametric 시뮬레이션된 칼로리메터 혼동 효과는 총 관측 에너지 및 중성 에너지 분포에서 전체 재구성 결과와 뛰어난 일치를 보인다.
• 에너지 해상도를 略적으로 과소평가하여 전체 시뮬레이션 대비 약간 낙관적인 편향을 보이며, 이는 감도 연구에 유리하다.
• 배치 팜을 사용해 500 fb⁻¹의 γγ 사건을 며칠 내로 시뮬레이션할 수 있으며, 이는 전체 시뮬레이션이 수천 년의 CPU 연산이 필요한 것을 감안할 때 매우 빠른 속도이다.
• 프레임워크는 계산적으로 효율적이며, 이벤트 시뮬레이션 시간이 이벤트 생성 수준과 유사하여(예: 10 ms/이벤트), SUSY와 같은 고파arameter 이론의 대규모 스캔을 가능하게 한다.
• 파arametric 접근법은 전자, 광자, 핵입자 등 다양한 입자 종류와 검출기 영역(바렐 및 엔드캡)에서 안정적으로 작동하며, 동일한 기능 형태를 유지하고 오직 파arameter 값만 변화시킨다.