DarkFlow: Hierarchical Digital SiPM Architecture with Low-Loss Dataflow Readout for Dark Matter Detection

Résumé Technique : DarkFlow – Architecture SiPM Numérique Hiérarchique avec Lecture de Flux de Données à Faible Perte pour la Détection de la Matière Noire

Énoncé du Problème
Les expériences de détection directe de la matière noire, en particulier celles utilisant des chambres à projection de temps à argon liquide biphasique (LAr-TPC), nécessitent des réseaux de détection de photons à grande échelle comprenant des centaines de milliers de canaux de lecture synchronisés. Ces détecteurs doivent capturer les faibles photons de scintillation provenant de rares collisions de WIMPs (Weakly Interacting Massive Particles). Bien que les photodétecteurs à avalanche de silicium (SiPM) offrent une radiopureté et une densité d'intégration supérieures aux tubes photomultiplicateurs traditionnels, leur intégration à grande échelle présente un conflit architectural critique. Le système doit résoudre simultanément deux modalités de signaux distinctes : les impulsions de scintillation S1 prompt, de l'ordre de la nanoseconde, nécessitant une résolution temporelle fine, et les impulsions d'électroluminescence S2 retardées, de l'ordre de la microseconde, qui génèrent des rafales de haut flux dépassant 10 Gbps. Les architectures de lecture de SiPM numériques existantes peinent à préserver la résolution temporelle de l'ordre de la nanoseconde pour les événements épars tout en maintenant l'intégrité des données lors de rafales de photons de haute intensité. De plus, le système de lecture fonctionne sous des contraintes physiques extrêmes, notamment un budget de puissance strict de l'ordre du milliwatt par canal pour éviter l'ébullition de l'argon liquide, ainsi que des limites prohibitives sur la bande passante de remontée (uplink) en raison des contraintes thermiques et de câblage.

Méthodologie
Les auteurs proposent DarkFlow, une architecture SiPM numérique hiérarchique conçue au sein d'un cadre de flux de données unifié pour répondre aux contraintes de bande passante et de puissance des détecteurs à grande échelle. L'architecture est structurée en trois niveaux :

1. L1 (Unité de Détection) : Un réseau de SPAD 4×4 où les signaux analogiques sont sommés et quantifiés à l'aide de trois comparateurs avec des seuils de tension distincts ($V_{th1} < V_{th2} < V_{th3}$). Cela génère un code thermomètre de 3 bits mappé sur un niveau d'énergie numérique compact de 2 bits. Crucialement, le seuil le plus bas ($P_{th}$) est programmable, permettant une suppression de l'arrière-plan locale (ex: régler $P_{th}=2$ pour supprimer les bruits de fond/dark counts) ou une élévation dynamique lors de rafales S2 massives pour prioriser les signaux de haute intensité.
2. L2 (Tuile de Pixels) : Intègre 16 modules L1. Elle capture le temps d'arrivée du premier photon avec une résolution de 2 ns et agrège ensuite les données spatio-énergétiques à un taux de trame plus grossier de 10 ns. Les nœuds L2 utilisent un mécanisme de lecture systolique, chaînant les données en série jusqu'à la fin de la ligne avec des tampons de décalage (skid buffers) à emplacement unique pour éviter les collisions d'arbitrage.
3. L3 (Agrégation au niveau de la Ligne) : Utilise une matrice systolique à double banque pour gérer indépendamment les groupes de lignes paires et impaires. Elle agrège les données provenant des nœuds L2 et gère un FIFO d'absorption de rafale de 128 kB basé sur de la DRAM intégrée (eDRAM).

Innovations Clés

• Conception de Paquets Hiérarchique : DarkFlow découple le temps absolu des événements locaux à haute fréquence. Au lieu d'ajouter un horodatage absolu à chaque photon, le système utilise un format de paquet compact de 16 bits contenant un décalage temporel relatif de 15 bits (résolution de 2 ns) et un indice de séquence de 7 bits (pas de 10 ns). Un paquet temporel global de 32 bits distinct est diffusé périodiquement pour ancrer ces horodatages relatifs, réduisant la surcharge de bande passante par événement d'un ordre de grandeur.
• Contre-pression Pilotée par la Consommation (Consumer-Driven Backpressure) : Pour éviter la perte de données lors de la congestion, le système implémente un mécanisme de contre-pression à plusieurs niveaux. Lorsque les tampons en aval se remplissent, des signaux de blocage se propagent vers l'amont de L3 vers L2 et enfin vers L1, interrompant la génération de données uniquement lorsque les FIFOs locaux sont saturés. Les tampons de décalage à emplacement unique retiennent les paquets en transit pendant ces blocages, garantant qu'aucune donnée n'est perdue.
• Rafraîchissement Sensible à l'Occupation : Abordant la durée de rétention de données limitée de l'eDRAM lors de rafales de haut flux où les cycles de rafraîchissement sont rares, les auteurs proposent un mécanisme de rafraîchissement qui confine le pointeur de rafraîchissement dans la fenêtre de données actives (bornée par les pointeurs de lecture et d'écriture). Cela garantit que chaque cycle de rafraîchissement cible des données valides, évitant ainsi le gaspillage de cycles sur des adresses vides inhérent aux schémas de rafraîchissement globaux.

Résultats
L'architecture a été évaluée à l'aide d'un simulateur personnalisé basé sur Python et d'une implémentation matérielle en technologie GlobalFoundries 22 nm à 500 MHz.

• Performance de Perte de Données : Sous des conditions de rafale S2 simulées de $10^9$ à $2 \times 10^9$ impacts/s, les architectures série et AER (Address Event Representation) conventionnelles ont présenté une perte de paquets dépassant 60 % et jusqu'à 80 %. En revanche, DarkFlow a maintenu une perte de paquets ultra-faible. Avec un seuil de photon $P_{th}=1$, elle est restée sans perte jusqu'à $2 \times 10^9$ impacts/s ; avec $P_{th}=2$, la plage sans perte s'est étendue au-delà de $10^{10}$ impacts/s.
• Efficacité du Rafraîchissement : Le mécanisme de rafraîchissement sensible à l'occupation a atteint un taux de réussite de rafraîchissement de 100 % (ciblant uniquement les données valides) contre 46,8 % pour un rafraîchissement global conventionnel. Cela a entraîné une amélioration de 2,14× du taux de rafraîchissement effectif, augmentant considérablement la marge de rétention des données.
• Surcharge Matérielle : Le chemin de données de lecture numérique complet de DarkFlow occupe 0,255 mm² et consomme 78,7 mW. Comparé à un réseau de SPAD typique de 256×128 (environ 29,5 mm²), la logique numérique ne représente que moins de 0,86 % de la surface totale du détecteur. La densité de dissipation de puissance est d'environ 2,6 mW/mm², ce qui respecte le budget thermique pour l'électronique immergée dans l'argon liquide.

Signification
L'article affirme que DarkFlow résout le conflit fondamental entre la nécessité d'une résolution temporelle de l'ordre de la nanoseconde et l'exigence de maintenir l'intégrité des données à haut débit lors d'événements de milliards de photons. En unifiant les modèles de trafic S1 épars et les rafales denses S2 dans un cadre de flux de données déterministe unique, l'architecture permet de passer à l'échelle des réseaux de SiPM à des centaines de milliers de canaux sans violer les strictes contraintes de puissance et de bande passante. Ce travail démontre que l'agrégation hiérarchique, le codage temporel relatif compact et la gestion intelligente des tampons permettent de préserver l'information spatiale et temporelle dans des conditions de flux de photons extrêmes là où les architectures existantes échouent, facilitant ainsi des expériences de détection directe de la matière noire plus sensibles.