Minimising Event Size, Maximising Physics: Inclusive Particle Isolation for LHCb's Run 3

Ce papier présente l'algorithme d'isolement multivarié inclusif (IMI), une méthode novatrice validée sur les données du Run 3 du LHCb qui réduit la taille des événements de 45 % tout en préservant l'efficacité du signal à 99 %, permettant ainsi de maximiser le potentiel physique malgré l'augmentation du volume de données.

L'essentiel

🌍 Le Contexte : Une Ville qui Déborde

Imaginez le LHCb (un détecteur de particules au CERN) comme une immense ville qui observe des milliards de collisions entre voitures (les protons) chaque seconde.

• Le Problème : Avec la nouvelle phase de fonctionnement (Run 3), la ville est devenue 5 fois plus peuplée. Chaque collision produit des centaines de débris (des traces de particules).
• Le Défi : Les physiciens cherchent des "trésors" cachés dans ces débris : des désintégrations rares de particules lourdes (les "signaux"). Mais ces trésors sont souvent constitués de seulement 2 ou 3 pièces, noyées dans une mer de 200 autres pièces inutiles (le "bruit de fond").
• La Contrainte : Si on enregistre tout ce qui se passe, les disques durs du CERN vont exploser et les données ne pourront plus être stockées. Il faut réduire la taille des fichiers de 8 fois, tout en ne perdant aucun trésor.

🛠️ L'Ancienne Méthode : Le Filtre à Café (Isolation Classique)

Pendant des années, les physiciens utilisaient des règles simples pour trier, un peu comme un filtre à café :

1. Le Filtur "Cône" : On ne garde que les particules proches du trésor.
2. Le Filtre "Vertex" : On ne garde que les particules qui semblent venir du même endroit.

Le problème : Dans cette ville surpeuplée, ces filtres sont trop bêtes. Ils laissent passer trop de saleté (bruit de fond) ou, pire, ils jettent parfois le trésor par erreur. C'est comme essayer de trouver une aiguille dans une botte de foin en utilisant un tamis trop gros.

🤖 La Nouvelle Solution : L'Agent Intelligent (IMI)

C'est là qu'intervient l'algorithme IMI (Isolation Multivariée Inclusive), décrit dans ce papier.

Imaginez que vous avez un détective ultra-intelligent (une intelligence artificielle) qui regarde chaque pièce de débris individuellement. Au lieu de regarder seulement la distance ou l'angle, le détective pose des dizaines de questions à chaque pièce :

• "Est-ce que tu viens de la même famille que le trésor ?"
• "Ton comportement ressemble-t-il à celui d'un criminel (bruit de fond) ou d'un innocent ?"
• "Es-tu collé au trésor ou as-tu une histoire séparée ?"

Le détective attribue un score à chaque particule.

• Si le score est élevé : "Gardez-la ! Elle fait partie du trésor."
• Si le score est bas : "Jetez-la ! C'est du bruit."

✨ Pourquoi c'est génial ? (Les Analogies)

1. Le Tri Sélectif : Au lieu de garder 200 pièces pour chaque événement, l'IMI ne garde que les 10 ou 15 plus importantes. C'est comme passer d'un sac de sable rempli de cailloux à une petite boîte contenant uniquement les diamants.
2. La Réduction de Taille : Grâce à ce tri intelligent, la taille des données enregistrées diminue de 45 %. C'est énorme ! On économise de l'espace disque sans perdre la moindre information utile.
3. L'Adaptabilité : Contrairement aux anciens filtres rigides, l'IMI est "inclusif". Il s'adapte à toutes les formes de trésors, qu'ils soient simples ou complexes (comme des désintégrations en plusieurs étapes). C'est un détective qui sait reconnaître un diamant, qu'il soit brut ou taillé.

🧪 La Preuve : Ça marche dans la vraie vie !

Les auteurs n'ont pas seulement fait des simulations sur ordinateur. Ils ont testé leur détective sur des données réelles prises en 2025.

• Résultat : L'IA a réussi à reconstruire des particules connues (comme le $D^*$ ou le $\Lambda_c$) en utilisant uniquement les particules qu'elle avait choisies.
• Efficacité : Elle garde 99 % des vrais trésors (efficacité) tout en rejetant 90 % des faux (rejet du bruit). C'est un score quasi parfait.

🚀 L'Avenir : Préparer le terrain pour demain

Ce système est conçu pour être léger et rapide. Il agit comme un portier efficace à l'entrée du club. Il ne laisse passer que les invités importants, permettant aux systèmes plus lourds et complexes (qui analysent les détails fins) de travailler sans être submergés.

En résumé, ce papier raconte comment les physiciens du LHCb ont remplacé un tamis grossier par un détective à l'intelligence artificielle pour trier le chaos des collisions. Cela leur permet de stocker plus de données, de faire des découvertes plus précises et de préparer l'expérience pour les années à venir, où la ville sera encore plus peuplée.

En une phrase : C'est l'histoire de comment transformer une montagne de données brutes en un livre d'or, en utilisant un détective numérique pour ne garder que l'essentiel.

Résumé technique

1. Problématique et Contexte

L'expérience LHCb au Grand collisionneur de hadrons (LHC) fait face à un défi majeur durant la période de prise de données Run 3 (2022–2026) :

• Augmentation de la luminosité : La luminosité instantanée atteint $2 \times 10^{33} \text{ cm}^{-2}\text{s}^{-1}$, soit cinq fois plus que lors du Run 2.
• Volume de données : Le taux de données entrant est de 30 MHz. Le déclencheur logiciel (HLT) sélectionne environ 250 kHz d'événements physiques, générant un flux de données brut d'environ 10 Go/s.
• Contrainte de stockage : Le rapport technique (TDR) impose une réduction drastique du flux de données enregistré sur disque, passant de ~5,9 Go/s (sortie du HLT2) à 0,8 Go/s après l'étape de "Sprucing" (réduction finale).
• Déséquilibre de la taille des événements : Dans un événement typique, les particules chargées reconstruites (environ 200 par collision) représentent 55 % de la taille totale de l'événement, tandis que les particules du signal (quelques particules) ne représentent que ~10 %.
• Objectif : Réduire la taille de chaque événement enregistré sans compromettre la capacité physique (notamment pour les désintégrations semi-leptoniques et les états excités), en ne conservant que les informations pertinentes.

2. Méthodologie

Pour répondre à ce défi, l'article présente une suite d'outils d'isolation inclusive, culminant avec un nouvel algorithme basé sur l'apprentissage automatique.

A. Méthodes d'Isolation Classiques (Référentiel)

Trois stratégies classiques, déjà utilisées, sont réévaluées pour le Run 3 :

1. Isolation de trajectoire (Track Isolation) : Rejette les particules ayant un grand paramètre d'impact par rapport au vertex primaire (PV) ou qui ne sont pas associées au même PV que le signal.
2. Isolation conique (Cone Isolation) : Définit un cône ($\Delta R$) autour du candidat signal. Les particules à l'intérieur sont conservées, mais cette méthode perd en efficacité dans les environnements à haute multiplicité (pile-up).
3. Isolation par vertex (Vertex Isolation) : Teste la compatibilité des particules supplémentaires avec un vertex secondaire (SV) commun au signal.

B. L'Algorithme d'Isolation Multivariée Inclusive (IMI)

C'est la contribution centrale de l'article. L'IMI est un classificateur unique conçu pour unifier les forces des méthodes classiques tout en étant robuste aux topologies complexes.

• Architecture : Utilisation de l'algorithme XGBoost (Gradient Boosted Decision Trees), choisi pour son équilibre entre performance, vitesse et interprétabilité.
• Approche "Inclusive" : Contrairement aux méthodes spécifiques à un canal, l'IMI est entraîné sur un large éventail de désintégrations de hadrons beaux (semileptoniques, avec électrons, muons, taus, et états excités comme $D^*$, $\Lambda_c^*$).
• Fonctionnement :
  • Pour chaque candidat signal (particules de base), l'algorithme évalue chaque particule chargée supplémentaire de l'événement.
  • Il attribue un score indiquant la probabilité que cette particule provienne de la même chaîne de désintégration (vertex secondaire ou tertiaire) que le signal.
  • Seules les particules "non isolées" (probabilité élevée d'être liées au signal) sont conservées ; les autres (bruit de fond, pile-up) sont rejetées.
• Variables d'entrée (Features) : Le modèle utilise 9 variables clés combinant géométrie et cinématique :
  • Significativité du paramètre d'impact par rapport au PV et au SV ($\chi^2_{IP}$).
  • Séparation angulaire ($\Delta R$) et alignement avec la direction de vol (DIRA).
  • Déplacement du vertex secondaire (SV displacement) et distance de plus proche approche (DOCA).
  • Impulsion transverse ($p_T$).

3. Contributions Clés et Résultats

Performance de Classification

• Séparation Signal/Bruit : L'IMI atteint une aire sous la courbe ROC (AUC) de 0,9964, surpassant nettement les méthodes classiques.
• Efficacité et Rejet : Au point de fonctionnement nominal (seuil IMI > 0,05) :
  • Efficacité du signal : ~99 % (les particules du signal sont presque toutes conservées).
  • Rejet du bruit de fond : ~95 % (réduction massive des particules non pertinentes).
  • Cela représente une amélioration de 2 à 5 fois du rejet de bruit de fond par rapport aux méthodes classiques dans un échantillon inclusif.

Réduction de la Taille des Données

• Réduction de 45 % : En ne conservant que les particules pertinentes (environ 10 particules par événement au lieu de 200), la taille des événements enregistrés est réduite de 45 %.
• Impact sur le débit (Throughput) : L'ajout de l'IMI dans le flux de traitement "Sprucing" entraîne une réduction de débit d'environ 20 %, ce qui est acceptable car le taux d'événements à cette étape est déjà faible (0,04 MHz) comparé au HLT2.

Robustesse et Validation

• Indépendance topologique : L'IMI maintient une performance constante quelle que soit la multiplicité des particules dans l'événement ou la cinématique de la désintégration (ex: $B^0 \to D^{*-}\mu^+\nu_\mu$ vs $B_s^0 \to D_s^{*-}\ell^+\nu_\ell$).
• Absence de biais cinématique : L'efficacité du signal reste plate en fonction de $q^2$ (transfert de moment carré), crucial pour les mesures de précision (ex: tests de l'universalité du saveur leptonique).
• Validation sur données réelles (Run 3) :
  • L'algorithme a été validé sur des données réelles (0,01 pb$^{-1}$).
  • Il permet de reconstruire avec succès des résonances connues comme $D^{*-} \to \bar{D}^0 \pi^-$ et les baryons excités $\Lambda_c^*$, sans ajustement spécifique par canal.
  • L'accord entre les données et la simulation est excellent pour l'efficacité de sélection.

4. Signification et Perspectives

• Optimisation du stockage : L'IMI permet à LHCb de respecter les contraintes de stockage strictes du Run 3 tout en préservant l'intégralité du potentiel physique, en particulier pour les analyses complexes impliquant des particules manquantes (neutrinos) ou des états excités.
• Flexibilité future : L'approche "Sprucing" permet de réexécuter l'algorithme sur les événements déjà déclenchés, offrant une flexibilité pour mettre à jour les modèles sans re-traiter les données brutes.
• Évolutivité : À long terme, l'IMI pourrait servir de couche de pré-sélection rapide ("front-end") pour les environnements encore plus denses du HL-LHC (Run 4 et 5), permettant d'intégrer des stratégies de sélection plus lourdes (comme les Graph Neural Networks) en réduisant d'abord le volume de données.
• Extension : Les travaux futurs viseront à inclure les particules neutres (photons, hadrons neutres) et à affiner la classification des états excités prompts.

Conclusion :
L'algorithme IMI représente une avancée technique majeure pour LHCb. En remplaçant les heuristiques géométriques rigides par un classificateur multivarié inclusif, il résout le compromis entre la réduction drastique de la taille des données et la nécessité de conserver une physique riche et complexe, assurant ainsi la viabilité du programme physique de LHCb pour les années à venir.