[论文解读] The SM and NLO Multileg and SM MC Working Groups: Summary Report

J. Alcaraz Maestre, Simone Alioli+80 more|arXiv (Cornell University)|Mar 29, 2012

Particle physics theoretical and experimental studies被引用 67

一句话总结

本文提出了一种更高效的HepMC文件格式，通过优化粒子选择、数据精度和冗余信息去除，减少高能物理模拟中的事件文件大小。主要贡献是一种紧凑的二进制格式，其基准文件大小仅为1.8 MB，相比标准HepMC减少63%，同时保持向后兼容性并提升I/O性能，且bzip2压缩后该二进制格式的效率几乎与专用二进制格式相当。

ABSTRACT

The 2011 Les Houches workshop was the first to confront LHC data. In the two years since the previous workshop there have been significant advances in both soft and hard QCD, particularly in the areas of multi-leg NLO calculations, the inclusion of those NLO calculations into parton shower Monte Carlos, and the tuning of the non-perturbative parameters of those Monte Carlos. These proceedings describe the theoretical advances that have taken place, the impact of the early LHC data, and the areas for future development.

研究动机与目标

• 为高能物理中的大规模蒙特卡洛模拟减少HepMC事件文件大小。
• 识别并消除HepMC文件中冗余或可重构的信息，同时不丢失关键物理数据。
• 通过最小化文件大小，在保持与现有分析工具兼容的前提下提升I/O性能。
• 定义一种新型高效文件格式，支持可配置精度和粒子状态过滤（例如仅保留状态1和2）。
• 通过优化事件文件表示，加快大型强子对撞机（LHC）及未来对撞机实验中的数据处理速度。

提出的方法

• 仅保留状态码为1（稳定）或1和2（不稳定）的粒子，排除非物理的中间态。
• 通过从其他值重构冗余数据（如能量、动量和不变质量），减少存储需求。
• 使用整数表示物理变量：质量单位为0.1 MeV，方位角单位为0.00002π，伪快度单位为0.00001，顶点位置单位为0.001 mm。
• 实现紧凑的二进制格式，将横向和纵向动量存储为浮点数，phi存储为3字节整数，PDG ID使用1字节（罕见ID则回退至4字节）。
• 对标准压缩（gzip、bzip2）进行应用，比较不同格式（包括新型紧凑和二进制变体）的压缩效率。
• 在保留HepMC事件结构的同时，增加选项以排除或简化非必要字段，例如用单个'!'替代以提升解析效率。

实验结果

研究问题

• RQ1 通过仅保留状态码为1的粒子（即稳定粒子）过滤HepMC事件，最大可实现多大的文件大小缩减？
• RQ2 精度降低与数据重构在不丢失关键物理信息的前提下，对最小化文件大小有多大的有效性？
• RQ3 紧凑二进制格式能否在保持可解析性和性能的同时，实现接近最优的压缩效率？
• RQ4 与原生二进制格式相比，bzip2压缩在文件大小和I/O效率方面表现如何？
• RQ5 在蒙特卡洛模拟的事件文件I/O中，格式复杂性与性能提升之间的权衡是什么？

主要发现

• 将HepMC文件仅保留状态码为1的粒子后，基准文件大小从48 MB减少至17 MB。
• 结合状态过滤与精度优化后，紧凑格式的文件大小降至4.0 MB，经bzip2压缩后进一步降至1.6 MB。
• 紧凑二进制格式的文件大小为1.8 MB，相比原始标准格式减少了63%。
• 对紧凑二进制格式进行bzip2压缩后得到1.7 MB，几乎与二进制格式本身大小相当，表明额外开销极小。
• 紧凑二进制格式在文件大小上优于标准ASCII HepMC格式，且与专用二进制格式相当，表明其可作为未来使用的可行标准。
• 研究发现，对优化格式应用bzip2压缩可实现接近最优的压缩效率，因此专用二进制格式在文件大小效率方面已不再必要。