Open Science with the LHCb Ntupling Service
La colaboración LHCb ha lanzado un novedoso Servicio de Ntupling basado en la web para proporcionar acceso abierto y bajo demanda a más de 4 PB de datos de colisiones protón-protón de los Runs 1 y 2, maximizando así el rendimiento científico y la futura capacidad de descubrimiento de estos valiosos conjuntos de datos.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
La física de altas energías es el estudio de los componentes fundamentales más básicos del universo, llevada a cabo chocando partículas a velocidades cercanas a la de la luz. Estas colisiones crean una lluvia caótica de nuevas partículas, que los detectores capturan en enormes cantidades de información digital. Durante décadas, los científicos que construyeron estas máquinas masivas fueron los únicos que pudieron leer los datos, porque los archivos estaban escritos en lenguajes complejos y personalizados que requerían software especializado para ser decodificados. Esto creó una barrera: una vez que un equipo terminaba su análisis oficial, los datos brutos a menudo quedaban inactivos, inaccesibles para el resto del mundo. El objetivo de la "ciencia abierta" es cambiar esto, permitiendo que investigadores, estudiantes y mentes curiosas en cualquier lugar puedan revisar estas colisiones y plantear nuevas preguntas. Sin embargo, no basta con simplemente publicar los archivos brutos; los datos son demasiado grandes y complicados para que cualquier persona sin un doctorado en el experimento específico pueda usarlos. El desafío ha sido encontrar una forma de hacer que este tesoro de información sea utilizable sin obligar a cada nuevo usuario a aprender toda la intrincada historia del software del experimento.
Para resolver esto, la colaboración LHCb en el CERN ha construido una nueva herramienta digital llamada Servicio de Ntupling de LHCb. Este es una plataforma basada en la web que actúa como un puente entre los datos masivos y complejos almacenados en el Gran Colisionador de Hadrones y las herramientas cotidianas que los científicos utilizan para analizarlos. En lugar de obligar a los usuarios a descargar terabytes de archivos brutos e ilegibles, el servicio les permite solicitar exactamente la información que necesitan. Un usuario puede iniciar sesión, seleccionar un tipo específico de colisión de partículas en el que esté interesado y elegir qué detalles sobre esas colisiones desea ver. El sistema procesa automáticamente los datos, extrayendo solo esos detalles específicos y organizándolos en un formato limpio y estándar que puede abrirse con software de análisis común. Este proceso, conocido como "ntupling", transforma los datos de una bóveda cerrada en un libro abierto y manejable. El servicio cubre datos de las dos primeras ejecuciones principales del colisionador, lo que representa más de 4 petabytes de historia de colisiones, y por primera vez, hace que los datos de la segunda ejecución sean accesibles de esta manera flexible.
El sistema funciona conectando un sitio web intuitivo a una potente red de computación que se ejecuta en todo el mundo. Cuando una persona visita el sitio, es recibida por una galería de ejemplos, que muestra cómo otros han utilizado la herramienta para estudiar cosas como la masa de partículas específicas. Si desean crear su propio estudio, utilizan una interfaz guiada para elegir las partículas que quieren investigar, como un proceso de desintegración específico, y luego seleccionan las variables exactas que desean registrar, como la velocidad o la dirección de las partículas. El sistema no acepta código o instrucciones que puedan dañar la red; en su lugar, traduce las elecciones del usuario en un archivo de configuración seguro y estándar. Este archivo es enviado luego a un equipo de expertos que lo revisan para asegurar que sea correcto y seguro. Una vez aprobado, la solicitud se envía a la Red de Computación del LHC a nivel mundial (Worldwide LHC Computing Grid), donde miles de computadoras trabajan juntas para procesar los datos. El sistema primero ejecuta una pequeña prueba para asegurarse de que el usuario reciba la información correcta. Si la prueba tiene éxito, el usuario puede aprobar una ejecución completa, que procesa todo el conjunto de datos solicitado.
El resultado es un archivo de datos personalizado, que típicamente oscila entre unos pocos cientos de megabytes y unos pocos cientos de gigabytes, el cual el usuario puede descargar directamente desde la web. Este archivo contiene solo la información que el usuario pidió, despojada de la complejidad innecesaria del experimento original. Este enfoque ofrece una ventaja significativa sobre los métodos anteriores. En el pasado, para hacer que los datos fueran abiertos, los equipos debían publicar el conjunto de datos completo en su formato original y masivo, lo que para la segunda ejecución del colisionador habría significado copiar casi 10 petabytes de datos a un portal público, una tarea demasiado costosa y pesada en recursos para ser factible. Al crear estos archivos más pequeños y personalizados bajo demanda, el servicio mantiene la huella de los datos pequeña, con las primeras 100 solicitudes generando solo alrededor de 10 terabytes de salida total. Esto hace que los datos sean accesibles para cualquier persona con una computadora estándar y una conexión a internet, eliminando la necesidad de costosos clústeres de computación o formación especializada.
El servicio está diseñado para ser intuitivo, incluso para aquellos sin antecedentes en física de partículas. Incluye guías detalladas y ejemplos que guían a los usuarios en cada paso, desde la selección de un conjunto de datos hasta el análisis de los resultados. Los usuarios pueden comunicarse directamente con el equipo de datos abiertos de LHCb a través de la plataforma, haciendo preguntas o pidiendo ayuda con sus solicitudes específicas. Esta interacción ha demostrado ser valiosa, recibiendo el equipo comentarios positivos de un grupo diverso de usuarios, incluyendo estudiantes universitarios, profesores de secundaria e investigadores profesionales. La herramienta ya ha sido utilizada para una gran variedad de propósitos, desde el estudio de las propiedades de partículas exóticas hasta el desarrollo de nuevos métodos estadísticos y la enseñanza de conceptos de física. El sistema también está vinculado al Portal de Datos Abiertos de CERN, donde las solicitudes exitosas pueden convertirse en registros permanentes y citables con identificadores digitales únicos, asegurando que los datos permanezcan disponibles para las generaciones futuras.
Mirando hacia el futuro, el servicio está diseñado para crecer. El equipo planea incluir datos de 2018, que no estaban disponibles inicialmente, y eventualmente expandirse para incluir otros tipos de colisiones, como aquellas que involucran iones de plomo. Si bien la siguiente fase del colisionador, la Ejecución 3 (Run 3), requerirá actualizaciones significativas del software debido a que la estructura de los datos subyacentes ha cambiado, el sistema actual representa un hito importante. Ha demostrado con éxito que es posible abrir los datos científicos más complejos del mundo sin requerir que cada usuario se convierta en un experto en el software interno del experimento. Al proporcionar un camino claro y guiado hacia los datos, el Servicio de Ntupling de LHCb ha convertido un archivo masivo y estático en un recurso dinámico, permitiendo a la comunidad científica explorar los secretos del universo con un nuevo nivel de libertad y facilidad.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.