GPU optical photon Monte Carlo for noble liquid detectors: validation against Geant4 in a large liquid argon TPC benchmark

Este artículo presenta Simphony, una herramienta de Monte Carlo de fotones ópticos acelerada por GPU que logra una aceleración de aproximadamente 1000 veces respecto a Geant4 manteniendo una precisión inferior al percentil en las métricas de detección de fotones, permitiendo así simulaciones ópticas a gran escala prácticas para el desarrollo de detectores de líquidos nobles y aplicaciones de aprendizaje automático.

Lo esencial

Imagina que estás intentando predecir cómo se comporta una gigantesca e invisible nube de luz dentro de un enorme tanque congelado de argón líquido. No es una luz cualquiera; son miles de millones de diminutos y rápidos "fotones" (partículas de luz) rebotando contra las paredes, cambiando de color y siendo absorbidos. Los científicos necesitan simular esto para diseñar detectores gigantes que puedan captar neutrinos (partículas fantasmalesoras del espacio) o estudiar otros fenómenos de la física fundamental.

¿El problema? Simular esta nube de luz en una computadora estándar es increíblemente lento. Es como intentar contar cada uno de los granos de arena de una playa a mano, uno por uno. Si necesitas ejecutar esta simulación miles de veces para probar diferentes diseños de detectores, estarías esperando años.

Este artículo presenta una nueva herramienta llamada Simphony que utiliza una potente tarjeta gráfica (GPU) para realizar este trabajo de conteo miles de veces más rápido. Aquí está el desgamos de lo que hicieron, utilizando analogías sencillas.

El Problema: El cuello de botella del "conteo manual"

En el mundo de la física de partículas, cuando una partícula golpea el argón líquido, crea un destello de luz. Para entender qué sucedió, los científicos utilizan un programa llamado Geant4 para simular cómo viaja cada uno de los fotones.

• La forma antigua: Imagina a un bibliotecario muy cuidadoso y solitario (la CPU) tratando de rastrear 60 millones de libros (fotones) volando a través de una biblioteca. El bibliotecario tiene que revisar la trayectoria, el color y la velocidad de cada libro, uno por uno. Esto toma mucho tiempo (horas por evento).
• La necesidad: Los científicos necesitan ejecutar esta simulación una y otra vez para diseñar mejores detectores. Esperar horas por un solo resultado es demasiado lento.

La Solución: El "Súper-Trabajador" GPU

Los autores construyeron Simphony, una herramienta que traslada este trabajo del bibliotecario solitario a un enorme equipo de trabajadores (la GPU).

• La analogía: En lugar de un solo bibliotecario, imagina un estadio lleno de 10,000 trabajadores. Todos agarran un puñado de libros y rastrean sus trayectorias simultáneamente.
• La tecnología: Utilizaron una tarjeta gráfica de alto rendimiento (una NVIDIA RTX 4090), que es el tipo de chip que suele encontrarse en computadoras de videojuegos, pero lo adaptaron para manejar simulaciones de física.

El ingrediente "mágico": Paredes que cambian de color

Un desafío importante en estos detectores es que la luz comienza con un color que nuestros ojos (y sensores) no pueden ver (ultravioleta). Necesita ser convertida a un color visible.

• La analogía: Imagina que los fotones intentan correr por un pasillo revestido de espejos especiales. Cuando un fotón golpea un espejo, cambia de color (desplazamiento de longitud de onda) y rebota en una nueva dirección.
• La innovación: Simphony no solo mueve los fotones; también simula este proceso de cambio de color en la GPU. Construyeron un "motor de cambio de color" específico que imita las reglas complejas del mundo real, asegurando que la simulación sea precisa.

La prueba: ¿Trabajó el equipo tan bien como el bibliotecario?

Para demostrar que su nuevo equipo de trabajadores era preciso, realizaron una prueba estricta:

1. La configuración: Crearon un tanque de argón líquido simplificado y gigante (14,700 toneladas) con dos capas de paredes de cambio de color.
2. La carrera: Alimentaron exactamente las mismas condiciones iniciales (60 millones de fotones) tanto al método antiguo del bibliotecario solitario (Geant4) como al nuevo equipo de la GPU (Simphony).
3. Los resultados:
   • Precisión: El equipo de la GPU contó el mismo número de fotones que el bibliotecario, con una diferencia de menos del 0.25%. También coincidieron perfectamente en el tiempo y los colores.
   • Velocidad: El equipo de la GPU terminó el trabajo en aproximadamente 3 segundos para un lote de eventos que le tomó al bibliotecario 222 horas completar.
   • La aceleración: La GPU fue aproximadamente 1,000 veces más rápida moviendo la luz que el único hilo de la computadora.

Por qué esto es importante (según el artículo)

El artículo afirma que esta herramienta hace posible realizar cosas que antes eran demasiado lentas:

• Diseño de detectores: Los científicos ahora pueden probar rápidamente diferentes formas y materiales para sus detectores sin esperar meses por los resultados.
• Entrenamiento de IA: Los modelos de aprendizaje automático (machine learning) necesitan enormes cantidades de datos etiquetados para aprender. Simphony puede generar estos enormes conjuntos de datos de "patrones de luz" rápidamente, lo que ayuda a entrenar a la IA para reconocer partículas mejor.
• Escaneos de calorimetría: Los autores demostraron que podían escanear miles de diferentes tipos de partículas y energías en solo unas pocas horas en una sola computadora, una tarea que habría tomado semanas en una configuración estándar.

Limitaciones importantes (Lo que el artículo no afirma)

Los autores son muy cuidadosos al declarar lo que esta herramienta aún no es:

• Es un punto de referencia, no un producto final: Probaron esto en un tanque simplificado e idealizado. Los detectores reales tienen detalles desordenados (zonas muertas, sensores imperfectos, cableado complejo) que no se incluyeron en esta prueba específica.
• No reemplaza todo el proceso: La GPU es rápida moviendo la luz, pero la computadora todavía tiene que hacer el "trabajo pesado" de generar el choque inicial de la partícula. Una vez que la simulación de la luz ha terminado, la computadora aún debe escribir los datos en el disco duro.
• No hay "magia" en la física: No inventa nueva física; simplemente simula las reglas conocidas de la luz de forma mucho más rápida.

La conclusión

Piensa en Simphony como una aceleración masiva para una parte muy específica y tediosa de la investigación física. Toma una tarea que antes requería una supercomputadora funcionando durante días y la reduce a unos pocos minutos en una sola tarjeta gráfica potente, manteniendo los resultados lo suficientemente precisos como para ser confiables. Esto permite a los científicos iterar sus diseños mucho más rápido, acercándolos a la construcción de mejores detectores para el futuro.

Resumen técnico

Resumen Técnico: Monte Carlo de Fotones Ópticos en GPU para Detectores de Líquidos Nobles

Planteamiento del Problema
La simulación de Monte Carlo (MC) de fotones ópticos es un componente crítico pero computacionalmente prohibitivo en el diseño y análisis de grandes cámaras de proyección temporal (TPC) de líquidos nobles, como las que utilizan argón líquido (LAr). Una sola interacción a escala de GeV puede generar $\sim 10^7$ fotones ópticos que experimentan una propagación compleja, incluyendo dispersión de Rayleigh, absorción y conversión de longitud de onda (WLS) de múltiples etapas, a lo largo de distancias de decenas de metros. Las simulaciones tradicionales basadas en CPU con Geant4 luchan contra el alto costo por evento del seguimiento de estos fotones, lo que crea un cuello de botella para los estudios de diseño de detectores que requieren variaciones repetidas de la geometría y para los flujos de trabajo de aprendizaje automático que demandan grandes conjuntos de datos ópticos etiquetados. Aunque existen flujos de trabajo ópticos rápidos (por ejemplo, tablas de búsqueda, sustitutos de redes neuronales), estos suelen sacrificar información de verdad detallada o requieren una regeneración cuando las geometrías del detector o las propiedades de los materiales cambian.

Metodología
Los autores presentan Simphony, una herramienta de simulación óptica acelerada por GPU (anteriormente EIC-Opticks) construida sobre el marco de trabajo Opticks, utilizando NVIDIA OptiX para el trazado de rayos (ray tracing) y CUDA para los procesos de física. La metodología central consiste en:

1. Flujo de Trabajo de Descarga a GPU (GPU Offloading): El sistema utiliza una interfaz "genstep" donde una simulación Geant4 en el host genera registros compactos de la producción de fotones ópticos (posición, tiempo, dirección, ID de la traza padre). Estos registros se transfieren a la GPU, donde el transporte óptico, la generación de fotones y la detección de impactos (hits) ocurren enteramente en el dispositivo.
2. Implementación de Conversión de Longitud de Onda (WLS): Una contribución técnica central es la implementación en GPU del modelo G4OpWLS de Geant4. Simphony utiliza las mismas tablas de propiedades de materiales (WLSCOMPONENT, WLSABSLENGTH, WLSTIMECONSTANT) que Geant4. Realiza la absorción, reemisión, temporización, dirección y muestreo de polarización de la WLS en la GPU. El espectro de emisión se preprocesa en una función de distribución acumulativa (CDF) normalizada con tablas de CDF inversa para asegurar un muestreo eficiente.
3. Propagación de la Verdad (Truth Propagation): Para gestionar la memoria de eventos con decenas de millones de fotones, Simphony no almacena historias completas por paso de cada fotón. En su lugar, asigna índices globales contiguos de fotones a los gensteps. Tras la detección, el host reconstruye la asociación de la fuente (evento, paso, traza padre) mediante una búsqueda binaria en el arreglo de desplazamiento acumulativo, conservando únicamente banderas de proceso compactas y registros de impacto.
4. Configuración de Referencia (Benchmark): La validación se realizó contra Geant4 11.3.2 utilizando una geometría simplificada de un TPC de argón líquido de 14.7 kt. Este benchmark presenta un volumen activo de 60 m $\times$ 13.5 m $\times$ 13 m rodeado por una capa de WLS de dos etapas (pTP de 200 $\mu$m y acrílico dopado con TPB de 6 mm) y un límite de conteo de fotones idealizado con eficiencia del 100%.

Resultados Clave
La validación comparó Simphony contra Geant4 utilizando distribuciones iniciales de fotones idénticas provenientes de fuentes de electrones, muones y protones:

• Acuerdo con Geant4:
  • Ratios de Impacto Integrado: Para tres simulaciones emparejadas de electrones de 2.5 GeV (que producen $\sim 61$ M de fotones cada una), la relación de fotones detectados ($R_N$) concordó con Geant4 a un nivel sub-percentual ($R_N = 1.0022 \pm 0.0002$). Se encontró un acuerdo similar para muones de 1 GeV ($R_N = 1.0017 \pm 0.0008$) y protones de 400 MeV ($R_N = 1.0005 \pm 0.0014$).
  • Distribuciones Espectrales: Los espectros de tiempo de llegada y longitud de onda arrojaron valores de $\chi^2/\text{ndf}$ de 0.98 y 1.08, respectivamente, para las cascadas de electrones. Los mapas espaciales de impactos en la cara del detector también mostraron consistencia estadística.
• Rendimiento:
  • Capacidad de Procesamiento (Throughput): En una NVIDIA RTX 4090, un lanzamiento apilado de cuatro eventos de electrones de 2.5 GeV (transportando 243 M de fotones) se completó en $3.03 \pm 0.06$ s, logrando un rendimiento de $80.2 \pm 1.6$ M de fotones s$^{-1}$.
  • Aceleración: En comparación con una referencia de Geant4 de un solo hilo, la aceleración del transporte óptico fue de $1053 \pm 55$. La aceleración del tiempo de ejecución total (incluyendo la simulación del host, configuración y E/S) fue de $89 \pm 5$.
  • Escalabilidad: El tiempo del kernel de la GPU escala linealmente con el conteo de fotones, con un overhead fijo por lanzamiento. El procesamiento en el host (simulación de partículas Geant4) sigue siendo el costo dominante en el flujo de trabajo final tras la aceleración por GPU.
• Aplicación: Los autores demostraron la utilidad de esta aceleración realizando un escaneo de calorimetría óptica de alto rendimiento (3,000 eventos a través de 3 especies de partículas y 5 energías) en 3.83 horas en una sola GPU. Un trabajo comparable utilizando el transporte óptico de un solo hilo de Geant4 requeriría aproximadamente 10 días-hilo de CPU.

Significancia y Alcance
El artículo establece que Simphony puede reproducir los resultados del transporte óptico de Geant4 con alta fidelidad ofreciendo, al mismo tiempo, aceleraciones de órdenes de magnitud, haciendo que el MC de fotones ópticos explícito sea práctico para estudios de desarrollo de detectores y la generación de conjuntos de datos de entrenamiento para aprendizaje automático.

Los autores enmarcan explícitamente este trabajo como un benchmark de transporte controlado en lugar de una predicción completa del rendimiento del detector. La validación es condicional a la fuente de fotones generada (gensteps) y aísla las etapas de transporte óptico, WLS y manejo de límites. La geometría de referencia utiliza límites de detector idealizados (eficiencia del 100%) y no incluye módulos de detección de fotones realistas, respuestas espectrales o modelos de rendimiento absoluto de centelleo (por ejemplo, NEST, Birks). Por consiguiente, aunque la herramienta valida la física de la propagación de fotones y la WLS, no pretende predecir eficiencias de detección absolutas o el rendimiento calorimétrico para experimentos específicos sin la integración previa de modelos de detectores realistas y datos de calibración. El trabajo sirve como base para la futura integración en marcos de producción y la validación contra datos medidos.