[论文解读] The Architecture of the ZEUS Micro Vertex Detector DAQ and Second Level Global Track Trigger

A. Polini|arXiv (Cornell University)|Jul 1, 2003

CCD and CMOS Imaging Sensors被引用 3

一句话总结

本文介绍了ZEUS微顶点探测器（MVD）数据采集（DAQ）系统及其二级全局轨迹触发器（GTT）的硬件与软件架构，该系统通过VME接口的ADC和PC集群处理来自硅传感器的20万通道数据，实现实时顶点与轨迹重建。系统在500Hz一级触发率下实现平均10ms延迟，顶点分辨率达约400–500 μm，高多重性事件下效率达80–100%。

ABSTRACT

The architecture of the ZEUS Micro Vertex Detector data acquisition system and the implementation of its second level trigger, the ZEUS Global Track Trigger are described. Data from the vertex detectors HELIX read-out chips, corresponding to 200k channels, are digitized by 3 crates of ADCs which perform noise and pedestal subtraction, and data suppression and compaction. PowerPC VME board computers push cluster data for second level trigger processing and strip data for event building via Fast and Gigabit Ethernet network connections. Additional tracking information from the central tracking chamber and the forward straw tube tracker are interfaced into the 12 dual CPU PC farm of the Global Track Trigger where track and vertex finding is performed. The system is data driven at the ZEUS first level trigger rate (~500Hz) and must generate a trigger result after a mean time of 10ms.

研究动机与目标

• 设计一种高带宽、低延迟的DAQ系统，以应对高亮度HERA运行期间ZEUS微顶点探测器（MVD）的20万通道数据。
• 实现二级全局轨迹触发器（GTT），融合MVD、中央追踪探测器（CTD）和前向中空管追踪器的数据，实现实时顶点与轨迹重建。
• 在调试阶段确保系统在高束流-气体背景条件下的稳定性和性能，触发决策在线完成时间控制在10ms以内。
• 通过将MVD数据整合进GTT算法，提升顶点与轨迹重建精度，尤其针对短寿命粒子的识别。
• 在具有挑战性的背景条件下，实现多重轨迹事件的高重建效率（最高达100%）。

提出的方法

• 207,360个MVD通道的数据通过128通道HELIX 128-3.0前端芯片读出，该芯片执行噪声与基线扣除，并通过容错令牌环拓扑结构串行化信号。
• 模拟信号由三个机架（上/下圆柱体、轮盘）中的10位ADC VME模块进行数字化，执行共模噪声扣除与数据抑制，将条纹和簇数据存储于循环缓冲区中。
• PowerPC VME板卡计算机通过快速以太网与千兆以太网将簇数据传输至12节点双CPU PC集群，用于二级触发处理。
• GTT算法利用CTD与MVD数据联合进行轨迹与顶点寻找，采用分箱为13 cm的加权z-顶点拟合方法，以提升分辨率与鲁棒性。
• 系统采用数据驱动方法，以约500 Hz的速率处理事件，目标延迟为10ms，依赖于GFLT、运行控制与时钟-控制系统之间的实时同步。
• GTT采用两级顶点重建：首先通过加权轨迹交点识别最可能的箱体（MPB），然后在初始估计值±9 cm范围内的轨迹上通过加权平均计算精修顶点位置。

实验结果

研究问题

• RQ1 如何设计一种可扩展、低延迟的DAQ系统，以应对高流强、高背景对撞环境下的20万通道数据？
• RQ2 在实时融合多个追踪探测器（MVD、CTD、前向追踪器）数据方面，最优架构是什么，以实现高精度顶点重建？
• RQ3 与仅使用CTD数据相比，MVD数据的引入如何提升轨迹与顶点重建的效率与分辨率？
• RQ4 在真实束流条件下，高背景水平下可实现的性能指标（延迟、效率、分辨率）是什么？
• RQ5 在高轨迹多重性复杂事件拓扑中，GTT算法如何保持稳定与高精度？

主要发现

• GTT系统在调试期间尽管面临高背景水平，仍实现了平均10ms的处理延迟，满足ZEUS DAQ系统的要求。
• 在中心区域，使用MVD数据重建的事件顶点分辨率达约400 μm，而仅依赖CTD数据的事件分辨率达约1 cm。
• 轨迹重建效率达到约80%（二维轨迹，仅r–ϕ方向）和约50%（完整三维轨迹，含r–ϕ与z方向），在高多重性（25条轨迹）时显著下降至约35%，主要由于模式识别歧义。
• 在真实数据调试期间，该算法表现出高度稳定与高效，利用GSLT直通事件在±25 cm范围内实现84%的顶点重建效率。
• 系统在2002年11月至2003年2月期间成功记录了310万条事件，证实了其在真实亮度条件下的鲁棒性与可扩展性。
• GTT算法能够以高精度重建复杂事件拓扑，且MVD数据的引入显著提升了顶点分辨率与效率，尤其对短寿命粒子的识别具有重要意义。