Demonstration and performance of an online data selection algorithm for liquid argon time projection chambers using MicroBooNE
تقدم هذه الورقة أول عرض لخوارزمية اختيار البيانات عبر الإنترنت باستخدام بيانات الشحنة الحقيقية لتحديد الإلكترونات الناتجة عن توقف الميونات الكونية في غرفة الإسقاط الزمني للأرجون السائل (MicroBooNE)، مما يضع إثباتاً حاسماً لمبدأ العمل لتجارب غرف الإسقاط الزمني للأرجون السائل المستقبلية مثل (DUNE).
المؤلفون الأصليون:MicroBooNE collaboration, P. Abratenko, D. Andrade Aldana, L. Arellano, J. Asaadi, A. Ashkenazi, S. Balasubramanian, B. Baller, A. Barnard, G. Barr, D. Barrow, J. Barrow, V. Basque, J. Bateman, B. BehMicroBooNE collaboration, P. Abratenko, D. Andrade Aldana, L. Arellano, J. Asaadi, A. Ashkenazi, S. Balasubramanian, B. Baller, A. Barnard, G. Barr, D. Barrow, J. Barrow, V. Basque, J. Bateman, B. Behera, O. Benevides Rodrigues, S. Berkman, A. Bhat, M. Bhattacharya, V. Bhelande, A. Binau, M. Bishai, A. Blake, B. Bogart, T. Bolton, M. B. Brunetti, L. Camilleri, D. Caratelli, F. Cavanna, G. Cerati, A. Chappell, Y. Chen, J. M. Conrad, M. Convery, L. Cooper-Troendle, J. I. Crespo-Anadon, R. Cross, M. Del Tutto, S. R. Dennis, P. Detje, R. Diurba, Z. Djurcic, K. Duffy, S. Dytman, B. Eberly, P. Englezos, A. Ereditato, J. J. Evans, C. Fang, B. T. Fleming, W. Foreman, D. Franco, A. P. Furmanski, F. Gao, D. Garcia-Gamez, S. Gardiner, G. Ge, S. Gollapinni, E. Gramellini, P. Green, H. Greenlee, L. Gu, W. Gu, R. Guenette, P. Guzowski, L. Hagaman, M. D. Handley, O. Hen, A. Hergenhan, M. Harrison, S. Hawkins, C. Hilgenberg, G. A. Horton-Smith, A. Hussain, B. Irwin, M. S. Ismail, C. James, X. Ji, J. H. Jo, A. Johnson, R. A. Johnson, D. Kalra, G. Karagiorgi, W. Ketchum, A. Kelly, M. Kirby, T. Kobilarcik, K. Kumar, N. Lane, J. -Y. Li, Y. Li, K. Lin, B. R. Littlejohn, L. Liu, S. Liu, W. C. Louis, X. Luo, T. Mahmud, N. Majeed, C. Mariani, J. Marshall, N. Martinez, D. A. Martinez Caicedo, F. Martinez Lopez, M. G. Manuel Alves, S. Martynenko, A. Mastbaum, I. Mawby, N. McConkey, B. McConnell, L. Mellet, J. Mendez, J. Micallef, T. Mohayai, A. Mogan, M. Mooney, A. F. Moor, C. D. Moore, L. Mora Lepin, M. A. Hernandez Morquecho, M. M. Moudgalya, S. Mulleria Babu, D. Naples, A. Navrer-Agasson, N. Nayak, M. Nebot-Guinot, C. Nguyen, L. Nguyen, J. Nowak, N. Oza, O. Palamara, N. Pallat, V. Paolone, A. Papadopoulou, V. Papavassiliou, H. Parkinson, S. F. Pate, N. Patel, Z. Pavlovic, E. Piasetzky, K. Pletcher, I. Pophale, X. Qian, J. L. Raaf, V. Radeka, A. Rafique, M. Reggiani-Guzzo, J. Rodriguez Rondon, M. Rosenberg, M. Ross-Lonergan, I. Safa, D. W. Schmitz, A. Schukraft, W. Seligman, M. H. Shaevitz, R. Sharankova, J. Shi, L. Silva, E. L. Snider, S. Soldner-Rembold, J. Spitz, M. Stancari, J. St. John, T. Strauss, A. M. Szelc, N. Taniuchi, K. Terao, C. Thorpe, D. Torbunov, D. Totani, M. Toups, A. Trettin, Y. -T. Tsai, J. Tyler, M. A. Uchida, T. Usher, B. Viren, J. Wang, L. Wang, M. Weber, H. Wei, A. J. White, S. Wolbers, T. Wongjirad, K. Wresilo, W. Wu, E. Yandel, T. Yang, L. E. Yates, H. W. Yu, G. P. Zeller, J. Zennamo, C. Zhang, Y. Zhang
المؤلفون الأصليون: MicroBooNE collaboration, P. Abratenko, D. Andrade Aldana, L. Arellano, J. Asaadi, A. Ashkenazi, S. Balasubramanian, B. Baller, A. Barnard, G. Barr, D. Barrow, J. Barrow, V. Basque, J. Bateman, B. Behera, O. Benevides Rodrigues, S. Berkman, A. Bhat, M. Bhattacharya, V. Bhelande, A. Binau, M. Bishai, A. Blake, B. Bogart, T. Bolton, M. B. Brunetti, L. Camilleri, D. Caratelli, F. Cavanna, G. Cerati, A. Chappell, Y. Chen, J. M. Conrad, M. Convery, L. Cooper-Troendle, J. I. Crespo-Anadon, R. Cross, M. Del Tutto, S. R. Dennis, P. Detje, R. Diurba, Z. Djurcic, K. Duffy, S. Dytman, B. Eberly, P. Englezos, A. Ereditato, J. J. Evans, C. Fang, B. T. Fleming, W. Foreman, D. Franco, A. P. Furmanski, F. Gao, D. Garcia-Gamez, S. Gardiner, G. Ge, S. Gollapinni, E. Gramellini, P. Green, H. Greenlee, L. Gu, W. Gu, R. Guenette, P. Guzowski, L. Hagaman, M. D. Handley, O. Hen, A. Hergenhan, M. Harrison, S. Hawkins, C. Hilgenberg, G. A. Horton-Smith, A. Hussain, B. Irwin, M. S. Ismail, C. James, X. Ji, J. H. Jo, A. Johnson, R. A. Johnson, D. Kalra, G. Karagiorgi, W. Ketchum, A. Kelly, M. Kirby, T. Kobilarcik, K. Kumar, N. Lane, J. -Y. Li, Y. Li, K. Lin, B. R. Littlejohn, L. Liu, S. Liu, W. C. Louis, X. Luo, T. Mahmud, N. Majeed, C. Mariani, J. Marshall, N. Martinez, D. A. Martinez Caicedo, F. Martinez Lopez, M. G. Manuel Alves, S. Martynenko, A. Mastbaum, I. Mawby, N. McConkey, B. McConnell, L. Mellet, J. Mendez, J. Micallef, T. Mohayai, A. Mogan, M. Mooney, A. F. Moor, C. D. Moore, L. Mora Lepin, M. A. Hernandez Morquecho, M. M. Moudgalya, S. Mulleria Babu, D. Naples, A. Navrer-Agasson, N. Nayak, M. Nebot-Guinot, C. Nguyen, L. Nguyen, J. Nowak, N. Oza, O. Palamara, N. Pallat, V. Paolone, A. Papadopoulou, V. Papavassiliou, H. Parkinson, S. F. Pate, N. Patel, Z. Pavlovic, E. Piasetzky, K. Pletcher, I. Pophale, X. Qian, J. L. Raaf, V. Radeka, A. Rafique, M. Reggiani-Guzzo, J. Rodriguez Rondon, M. Rosenberg, M. Ross-Lonergan, I. Safa, D. W. Schmitz, A. Schukraft, W. Seligman, M. H. Shaevitz, R. Sharankova, J. Shi, L. Silva, E. L. Snider, S. Soldner-Rembold, J. Spitz, M. Stancari, J. St. John, T. Strauss, A. M. Szelc, N. Taniuchi, K. Terao, C. Thorpe, D. Torbunov, D. Totani, M. Toups, A. Trettin, Y. -T. Tsai, J. Tyler, M. A. Uchida, T. Usher, B. Viren, J. Wang, L. Wang, M. Weber, H. Wei, A. J. White, S. Wolbers, T. Wongjirad, K. Wresilo, W. Wu, E. Yandel, T. Yang, L. E. Yates, H. W. Yu, G. P. Zeller, J. Zennamo, C. Zhang, Y. Zhang
في أعماق الأرض، بعيداً عن ضجيج السطح، يبني العلماء خزانات ضخمة من الأرجون السائل لالتقاط الهمسات الشبحية للنيوترينوات. هذه الجسيمات مراوغة للغاية لدرجة أنها يمكن أن تمر عبر سنة ضوئية من الرصاص دون توقف، مما يجعل دراستها صعبة للغاية. ولإمساكها، يستخدم الباحثون تقنية تسمى "غرفة إسقاط زمن الأرجون السائل". تخيل كاميرا ثلاثية الأبعاد عملاقة لا تلتقط الصور بالضوء، بل بالكهرباء. فعندما ينطلق جسيم عبر الأرجون السائل، فإنه يحرر الإلكترونات من ذرات الأرجون. وتنجرف هذه الإلكترونات المتحررة ببطء نحو مجموعة من الأسلاك، مما يرسم خريطة تفصيلية لمسار الجسيم. تتيح هذه التقنية للعلماء رؤية شكل وطاقة تفاعلات الجسيمات بوضوح مذهل، مما يفتح نافذة على القوانين الأساسية للكون.
ومع ذلك، تواجه هذه الكواشف تحدياً مستمراً: فهي غالباً ما تُبنى على السطح أو مع وجود كمية قليلة جداً من الصخور فوقها لحمايتها من الأشعة الكونية. وهذه أشعة عالية الطاقة من الفضاء تقصف الأرض باستمرار. وبينما يريد العلماء رؤية الإشارات النادرة والهادئة للنيوترينوات أو الأحداث الغريبة الأخرى، فإن الكاشف مغمور باستمرار بالمسارات الصاخبة والفوضوية للأشعة الكونية. والبيانات الناتجة عن هذا القصف المستمر هائلة لدرجة أنها ستؤدي إلى إغراق أي نظام حاسوبي إذا تم حفظ كل شيء. والحل هو بناء مرشح ذكي يمكنه التعرف فوراً على الشكل المحدد لحدث نادر وحفظ ذلك الحدث فقط، والتخلص من الباقي في الوقت الفعلي. وهذا هو المشكل الحاسم الذي سعى تعاون "مايكروبون" (MicroBooNE) لحله.
تجربة "مايكروبون"، الموجودة في مختبر "فيرمي" الوطني للمسرعات في إلينوي، هي كاشف للأرجون السائل يقع على السطح، معرض لهطول كثيف من الأشعة الكونية. لسنوات، كانت تجمع البيانات، لكن جزءاً كبيراً من إمكاناتها يكمن في تدفق مستمر من البيانات يستمر حتى عندما يكون شعاع الجسيمات الرئيسي متوقفاً. هذا التدفق "المستعر الأعظم" (supernova) مصمم لالتقاط الأحداث النادرة التي تحدث خارج وقت الشعاع، مثل الإشارات من نجم بعيد ينفجر أو اضمحلال البروتون الغامض. المشكلة هي أن الكاشف ينتج حوالي 33 جيجابايت من البيانات الخام كل ثانية. وتخزين كل هذا أمر مستحيل، والانتظار لتحليلها لاحقاً يعني تفويت اللحظات العابرة للفيزياء النادرة. احتاج الفريق إلى طريقة لاتخاذ قرار في أجزاء من الثانية، بينما لا تزال البيانات تتدفق، للاحتفاظ بالأحداث الأكثر إثارة للاهتمام فقط.
في هذا العمل، أظهر الباحثون نظاماً ذكياً وسريعاً يمكنه غربلة هذا السيل من البيانات وإيجاد بصمة محددة للغاية: ميوون (muon) من الأشعة الكونية يتوقف داخل الكاشف ثم يضمحل إلى إلكترون. هذا الاضمحلال يخلق شكلاً مميزاً، مثل مسار ينحني أو "ينكسر" فجأة عند نهايته، يتبعه انفجار من الطاقة. طور الفريق خوارزمية برمجية تبحث عن هذا النمط بدقة. لم يختبروها على محاكاة حاسوبية فحسب، بل أخذوا بيانات حقيقية كانت قد سجلت بواسطة كاشف "مايكروبون" وشغلوها من خلال نظامهم الجديد كما لو كانت تحدث مباشرة. كان على النظام أن يعمل بسرعة كافية لمواكبة سرعة الكاشف، ومعالجة المعلومات في وقت أقل من الوقت الذي تستغرقه الإلكترونات للانجراف عبر الغرفة.
كانت النتائج ناجحة. أظهر الفريق أن خوارزميتهم يمكنها تحديد الميوونات المتوقفة وإلكترونات اضمحلالها بدقة عالية أثناء العمل في الوقت الفعلي. لقد عالجوا البيانات بطريقة تحاكي الظروف الفعلية المتصلة (online)، باستخدام سلسلة من الخطوات للعثور أولاً على أدلة صغيرة، ثم دمجها في مرشحات أكبر، وأخيراً اتخاذ قرار بحفظ الحدث. تمكن النظام من مواكبة تدفق البيانات، ومعالجة ملايين نقاط البيانات في الثانية دون تأخر. ووجدوا أنه من خلال البحث عن الزاوية المحددة للانحناء في مسار الجسيم، يمكنهم تمييز الأحداث النادرة والمثيرة للاهتمام عن خلفية الأشعة الكونية التي تمر عبرهم مباشرة.
هذا الإنجاز هو أكثر من مجرد فوز تقني لتجربة واحدة؛ إنه إثبات لمفهوم مستقبل في فيزياء الجسيمات. الجيل القادم من هذه الكواشف، مثل تجربة "النيوترينو العميقة تحت الأرض" (DUNE)، ستكون أكبر بكثير وستنتج بيانات بمعدلات أسرع بمئات المرات. وإذا لم يتمكنوا من تصفية البيانات فوراً، فسيكونون عمياناً عن أندر الأحداث في الكون. من خلال إثبات أن الكمبيوتر يمكنه النظر في تدفق من الإشارات الكهربائية، والتعرف على شكل معقد، واتخاذ قرار في جزء من الثانية لحفظه، فقد مهد فريق "مايكروبون" الطريق لهذه العمالقة المستقبلية. لقد أظهروا أنه من الممكن أن تكون سريعاً وذكياً في آن واحد، مما يضمن أنه عندما يحدث الحدث الكوني التالي، ستكون الكواشف جاهزة لالتقاطه.
ملخص تقني: عرض أداء واختبار اختيار البيانات عبر الإنترنت لمجسات "مضاد التوقيت" لآرغون السائل باستخدام بيانات تجربة MicroBooNE
بيان المشكلة تواجه تجارب ميكانيكا الكم المستقبلية واسعة النطاق التي تستخدم مضاد التوقيت لآرغون السائل (LArTPC)، مثل تجربة "النيوترينو تحت الأرض العميق" (DUNE)، تحديات كبيرة في التعامل مع البيانات. تولد هذه الكواشف معدلات بيانات خام تصل إلى عدة تيرابايت في الثانية، لا سيما في عمليات البحث الفيزيائية "خارج الحزمة" (مثل انفجارات السوبرنوفا، أو اضمحلال البروتون، أو انتقالات النيوترون-أنتينيوترون) والتي تحدث بشكل عشوائي دون محفزات توقيت خارجية. ولتحقيق حساسية عالية وزمن تشغيل طويل للأحداث النادرة مع الالتزام بقيود معالجة وتخزين البيانات، تتطلب هذه التجارب تقنيات ذكية لاختيار البيانات تعتمد على البيانات وتعمل في الوقت الفعلي (أونلاين). وتعد تجربة MicroBoone، التي تعمل على السطح مع تدفق عالٍ للأشعة الكونية، منصة اختبار حاسمة لتطوير هذه المنهجيات. ويتمثل التحدي المحدد الذي يعالجه هذا العمل في تطوير والتحقق من صحة خوارزمية سريعة لاختيار البيانات عبر الإنترنت، قادرة على تحديد طوبولوجيا فيزيائية محددة—وهي إلكترونات التحلل الناتجة عن ميوونات الأشعة الكونية المتوقفة (إلكترونات ميشيل)—باستخدام معلومات شحنة التأين فقط من جهاز LArTPC.
المنهجية قام المؤلفون بتطوير إطار عمل برمجي لاختيار البيانات يعتمد على جهاز TPC، يتكون من ثلاث عمليات متتالية، صُمم لمحاكاة بيئة العمل عبر الإنترنت باستخدام تدفق بيانات MicroBooNE (Supernova - SN) المسجل مسبقاً. يعمل إطار العمل حصرياً على بيانات شحنة التأين من أسلاك المستوى الجمعي.
المعالجة المسبقة للبيانات و"المحاكاة عبر الإنترنت للتدفق":
استخدمت الدراسة بيانات SN مسجلة مسبقاً تم جمعها في عام 2021. ولمحاكاة ظروف الوقت الفعلي، تم تخزين هذه البيانات وإعادة بثها من التخزين بمعدل يماثل معدل بث الأجهزة الاسمي (50-100 ميجابايت/ثانية).
شملت خطوات المعالجة المسبقة تصحيح آثار "انقلاب البت" (bit-flip) في كلمات ADC ذات 12 بت، وطرح خطوط الأساس الخاصة بكل قناة، وإزالة الموجات المبتورة.
تم تنظيم البيانات في "مناطق انجراف" (نوافذ زمنية قدرها 2.3 مللي ثانية) عن طريق "ربط" ثلاث إطارات متتالية مدة كل منها 1.6 مللي ثانية.
المرحلة الأولى: توليد العناصر الأولية للمحفز (TP Generation):
تولد هذه المرحلة ملخصات لبيانات "منطقة الاهتمام" (ROI) لكل قناة. يحتوي كل كائن TP على الشحنة المتكاملة، والاتساع الأقصى، وعرض الموجة.
يتم توليد الـ TPs لكل من صناديق القراءة الثمانية في الـ TPC بالتوازي. يقوم النظام برسم خرائط لقنوات لوحة ADC+FEM إلى قنوات المستوى الجمعي العالمية وإعادة تنظيم البيانات في مناطق الانجراف.
المرحلة الثانية: توليد مرشح المحفز (TC Generation):
يتم تجميع الـ TPs عبر المستوى الجمعي الكامل لتحديد سمات طوبولوجية محددة. تستهدف الخوارزمية طوبولوجيا الميوون المتوقف الذي يتحلل إلى إلكترون ميشيل، والتي تتميز بسمتين:
تحديد ذروة براغ (Bragg Peak): تقوم الخوارزمية بتقسيم منطقة الانجراف إلى "شرائح" مكانية/زمنية لتحديد المرشحين الذين لديهم شحنة متكاملة عالية (850-2150 وحدة ADC) وذروة اتساع (100-200 وحدة ADC).
حساب زاوية الانثناء (Kink Angle): لكل مرشح ذروة براغ، تبحث الخوارما عن أنماط شبيهة بالمسار في اتجاهات القنوات الأمامية والخلفية. وتقوم بحساب الزاوية بين مسار الميوون الوارد ومسار الإلكترون الخارج (زاوية الانثناء).
تم تحسين معايير الاختيار باستخدام محاكاة مونت كارلو (الميوونات المتوقفة، الميوونات العابرة، وأشعة كوزميكا من CORSIKA). تم اختيار شرط زاوية انثناء أكبر من 30 درجة للموازنة بين كفاءة إلكترون ميشيل (20%) ومعدل الخطأ في تحديد الميوونات العابرة (4.5%).
المرحلة الثالثة: المحفز عالي المستوى (HLT):
تستعيد هذه المرحلة النهائية بيانات ROI الخام الكاملة (بما في ذلك الإطارات قبل وبعد المحفز) من التخزين على القرص للحفظ الدائم.
النتائج الرئيسية
أداء الخوارزمية: تم اختبار إطار العمل على 1,305 ثانية من بيانات SN (567,516 منطقة انجراف). نجحت الخوارزمية في اختيار 124,853 منطقة (22%)، وهو ما يتوافق مع التوقعات من محاكاة CORSIKA.
الإنتاجية وزمن الاستجابة: بلغ إجمالي وقت المعالجة لجميع العمليات الثلاث لكل منطقة انجراف حوالي 1.13 مللي ثانية، بمتوسط 1.30 مللي ثانية. وهذا يقع تماماً ضمن حد زمن الانجراف البالغ 2.3 مللي ثانية، مما يثبت أن الخوارزمية يمكنها مواكبة معدل توليد البيانات الخاص بالكاشف على الأجهزة المختبرة (خادم Intel Xeon ثنائي المقبس من طراز 2017).
التحقق الفيزيائي: أظهرت توزيعات مرشحات ميشيل المختارة (سعة ذروة براغ، الشحنة المتكاملة، وزاوية الانثناء) توافقاً جيداً بين البيانات ومحاكاة مونت كارلو، مما يؤكد قدرة الخوارزمية على عزل الطوبولوجيا المستهدفة.
استهلاك الموارد: عمل النظام باستقرار في استهلاك المعالج (40%) واستهلاك الطاقة (150 واط) خلال العرض التجريبي.
الأهمية والادعاءات يدعي البحث تقديم أحد أول العروض التفصيلية للاختيار السريع للبيانات عبر الإنترنت، القائم على الشحنة والطوبولوجيا، باستخدام بيانات حقيقية من كاشف LArTPC. ويعمل هذا العمل كـ "إثبات مبدأ" على أن:
اختيار البيانات عبر الإنترنت بناءً على شحنة التأين في TPC هو أمر ممكن ويمكنه تقليل معدلات البيانات بفعالية مع الحفاظ على الإشارات النادرة.
يمكن استخدام المعلومات الطوبولوجية (تحديداً زاوية انثناء تحلل الميوونات المتوقفة) في الوقت الفعلي للتمييز بين الإشارة والخلفية.
إطار العمل المطور سريع بما يكفي للعمل عبر الإنترنت، حتى في البيئات السطحية الصعبة ذات الخلفيات العالية من الأشعة الكونية.
يؤكد المؤلفون أنه بينما تستهدف الخوارزمية المحددة إلكترونات ميشيل، فإن إطار العمل يوضح نهجاً قابلاً للتوسع لتجارب LArTPC المستقبلية (مثل DUNE وSBND وICARUS) لتنفيذ تقليل ذكي للبيانات في الوقت الفعلي. كما يشيرون إلى أن النسخ المستقبلية يمكن أن تدمج تقنيات الذكاء الاصطناعي/تعلم الآلة وتمتد إلى نطاقات طاقة وإشارات فيزيائية أوسع، لكن العمل الحالي يركز حصرياً على التحقق من جدوى طريقة الاختيار الطوبولوجي نفسها.