A heterogeneous and vectorized sequence for the HL-LHC full tracking reconstruction of the CMS experiment

En el corazón de los Alpes europeos, bajo un anillo de imanes superconductores, el Gran Colisionador de Hadrones estrellaza protones a energías nunca antes alcanzadas. El objetivo es recrear las condiciones del universo apenas unos instantes después de su nacimiento, buscando las reglas fundamentales que gobiernan la materia y la energía. Para lograr esto, el experimento CMS actúa como una cámara tridimensional masiva, capturando los restos de estas colisiones. Sin embargo, la máquina está a punto de someterse a una transformación que la hará mucho más potente, pero también mucho más difícil de leer. El Gran Colisionador de Hadrones de Alta Luminosidad disparará protones en haces tan densos que un solo momento de colisión contendrá cientos de eventos superpuestos. En lugar de ver una imagen limpia de una interacción, el detector se verá inundado por una tormenta caótica de partículas, creando un revoltijo de señales que deben desenredarse en tiempo real.

El desafío no es solo ver las partículas, sino conectar los puntos. A medida que estas partículas vuelcan a través del detector, dejan tras de sí diminutas señales eléctricas, como huellas en la nieve. La computadora debe vincular estas huellas para reconstruir la trayectoria de cada partícula. En el pasado, esto era una tarea manejable, pero con la nueva máquina, el número de huellas aumentará por un factor de diez. Si el software utilizado para conectar estos puntos sigue siendo el mismo, se verá abrumado, incapaz de seguir el ritmo del flujo de datos. El resultado sería una pérdida de información científica preciosa, ya que la computadora simplemente no podría procesar el enorme volumen de colisiones.

Para resolver esto, los investigadores del experimento CMS han desarrollado una nueva estrategia sobre cómo la computadora piensa en estas trayectorias. Se dieron cuenta de que la antigua forma de trabajar, que seguía un proceso lento y paso a paso, ya no era viable. En su lugar, construyeron un sistema que funciona como una fuerza de trabajo altamente organizada y paralela, diseñada para ejecutarse en los chips de computadora más modernos disponibles. Este nuevo enfoque combina tres métodos distintos, cada uno optimizado para un tipo diferente de procesador, para sortear el caos del colisionador de Alta Luminosidad. El resultado es un sistema que no solo es más rápido, sino también significativamente más eficiente al filtrar trayectorias incorrectas mientras mantiene la misma capacidad de encontrar las partículas raras e interesantes ocultas dentro del ruido.

El nuevo sistema comienza creando una lista de puntos de partida potenciales para las trayectorias de las partículas. En el método antiguo, la computadora generaba un número masivo de conjeturas, muchas de las cuales eran erróneas, con una tasa de semillas falsas de hasta el 80%. Esto era ineficiente. La nueva estrategia utiliza un algoritmo especializado llamado Extended Patatrack para observar primero las capas más internas del detector. Esta herramienta está diseñada para ejecutarse en unidades de procesamiento gráfico, el mismo tipo de chips potentes que se encuentran en las consolas de videojuegos, que sobresalen al realizar muchos cálculos a la vez. Al requerir un número mínimo de señales para formar un punto de partida, este algoritmo crea una lista de candidatos muy limpia, descartando la gran mayoría de los arranques falsos antes de que siquiera comiencen. Esto reduce la carga de trabajo para la siguiente etapa por un margen significativo, recortando el número de pistas falsas a menos del 10% en comparación con el método anterior.

Sin embargo, algunas partículas son complicadas. Las partículas de larga vida, que recorren una corta distancia antes de decaer, podrían no dejar suficientes señales en las capas internas para ser captadas por el primer algoritmo. Para atrapar estas, el equipo introdujo una segunda herramienta llamada Line Segment Tracking. Este método observa las capas externas del detector, donde la geometría de los sensores le permite construir segmentos cortos de trayectorias en paralelo. Luego, vincula estos segmentos, utilizando reglas geométricas y aprendizaje automático para decidir cuáles encajan entre sí para formar una trayectoria completa. Esto asegura que incluso las partículas elusivas que se alejan del centro de la colisión no se pierdan. Al combinarse con la primera herramienta, este enfoque de dos vertientes captura casi todas las partículas que necesitan ser encontradas, manteniendo al mismo tiempo el número de errores extremadamente bajo.

Una vez identificados los puntos de partida, el paso final es ajustar la trayectoria completa de la partícula a través del detector. Aquí es donde entra la tercera herramienta, conocida como mkFit. Este algoritmo está diseñado para ejecutarse eficientemente en procesadores de computadora estándar, utilizando una técnica llamada vectorización que le permite procesar muchas trayectorias simultáneamente. Toma los candidatos de los pasos anteriores y calcula sus trayectorias exactas, determinando su velocidad y dirección con alta precisión. El equipo probó toda esta nueva secuencia en simulaciones que imitan las condiciones del futuro colisionador, donde doscientas colisiones ocurren a la vez. Encontraron que el nuevo sistema podía reconstruir las trayectorias con una eficiencia equivalente a la del antiguo, pero con una tasa de error mucho menor.

El resultado más sorprendente de este trabajo es la velocidad. Al trasladar las partes más exigentes del cálculo a hardware especializado y optimizar el código para procesadores modernos, el equipo redujo el tiempo necesario para procesar un solo evento. Al ejecutarse únicamente en procesadores de computadora estándar, el nuevo sistema es aproximadamente un nueve por ciento más rápido que el anterior. Pero cuando el trabajo pesado se delega a los procesadores gráficos, el tiempo requerido cae un treinta y tres por ciento. Esta es una mejora crítica, ya que los estrictos límites de tiempo del sistema de disparo (trigger) en línea significan que cada fracción de segundo cuenta. El nuevo sistema también mejora la capacidad de encontrar partículas que han viajado una distancia lejos del punto de colisión, una capacidad esencial para estudiar ciertos tipos de física rara.

Este trabajo representa un cambio fundamental en la forma en que el experimento maneja los datos. Se aleja de un proceso único y secuencial que lucha contra la complejidad, hacia un enfoque paralelo y flexible que prospera gracias a ella. Los algoritmos desarrollados para el disparador en línea también se están adaptando para el análisis fuera de línea (offline), donde los científicos estudian los datos con mayor detalle posteriormente. Esto significa que todo el experimento se beneficiará de una forma unificada y eficiente de ver el universo. A medida que el Gran Colisionador de Hadrones de Alta Luminosidad entre en funcionamiento, esta nueva secuencia de seguimiento asegurará que el experimento CMS pueda continuar realizando mediciones precisas y descubriendo nueva física, incluso ante las condiciones más extremas que la naturaleza pueda proporcionar.