HL-LHC에서 추적을 위한 에너지 효율적인 그래프 기반 알고리즘

그래프 신경망은 고휘도 LHC에서의 트랙 재구성에 의해 제기된 컴퓨팅 과제를 위한 잠재적 해결책을 제공합니다. 그래프 개념은 데이터를 구성하고 추적 작업 자체를 적중 간의 올바른 가상의 연결(엣지)을 식별하는 하위 작업으로 분할하는 데 편리하며, 이는 GPU를 사용하여 병렬화하고 효율적으로 처리하기 쉬운 하위 작업입니다. 우리는 신경망을 사용하지 않고 이웃 엣지 쌍의 직접 기하학적 비교로 구성된 알고리즘을 설명할 것입니다. 이 알고리즘은 두 엣지가 동일한 입자에 해당한다는 가설을 테스트하여 적중 삼중과 추적 후보들을 구성합니다. 엣지 쌍의 호환성은 두 개의 관측량인 η 방향과 각각의 엣지와 가상으로 연관된 입자의 횡운동량 추정치를 기반으로 테스트됩니다. 이 단계 전에 추적 알고리즘은 2에서 설명된 수정된 모듈 맵 방법으로 그래프를 구성합니다. 이 모듈 맵 버전에서는 적중이 종단 탐지기 평면(r, z)의 이차원 맵에 조직되고, 다음으로 가능한 연결 목록을 기반으로 엣지가 구축되며, ∆ϕ 컷과 결합됩니다. 각 모듈에서 적중은 위치에 따라 정렬되어 ∆ϕ 컷을 적용할 때 조합의 복잡성을 크게 줄입니다. 우리는 Open Data Detector 5를 사용하여 추정된 이 알고리즘의 트랙 재구성 성능과 컴퓨팅 효율성을 발표할 것입니다. 이 단일 CPU 코어에서 실행되는 추적 체인에 대해, 200 상호작용 누적이 있는 HL-LHC 이벤트를 처리하는 데 필요한 시간은 대략 1초 정도이며, 이는 상당히 에너지 효율적인 추적 알고리즘으로 만듭니다. 이는 재구성된 적중 수집부터 추적 후보까지의 처리 시간을 의미하며, 횡운동량이 1 GeV 이상인 기본 입자를 타겟으로 합니다. 이 알고리즘은 매우 병렬화 가능하며, GPU에서 실행할 경우 처리 시간이 최소 10배 이상 감소할 것으로 예상됩니다.