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

Au cœur des Alpes européennes, sous un anneau d'aimants supraconducteurs, le Grand Collisionneur de Hadrons (LHC) fracasse des protons à des énergies jamais atteintes auparavant. L'objectif est de recréer les conditions de l'univers juste après sa naissance, en cherchant les règles fondamentales qui régissent la matière et l'énergie. Pour ce faire, l'expérience CMS agit comme une immense caméra tridimensionnelle, capturant les débris de ces collisions. Cependant, la machine est sur le point de subir une transformation qui la rendra bien plus puissante, mais aussi bien plus difficile à lire. Le Grand Collisionneur de Hadrons à Haute Luminosité projettera des protons en paquets si denses qu'un seul instant de collision contiendra des centaines d'événements superposés. Au lieu de voir une image nette d'une seule interaction, le détecteur sera inondé par une tempête chaotique de particules, créant un méli-mélo de signaux qui devront être démêlés en temps réel.

Le défi n'est pas seulement de voir les particules, mais de relier les points. À mesure que ces particules traversent le détecteur, elles laissent derrière elles de minuscules signaux électriques, comme des empreintes dans la neige. L'ordinateur doit lier ces empreintes pour reconstruire la trajectoire de chaque particule. Par le passé, c'était une tâche gérable, mais avec la nouvelle machine, le nombre d'empreintes augmentera d'un facteur dix. Si le logiciel utilisé pour relier ces points reste le même, il sera submergé, incapable de suivre le flux de données. Le résultat serait une perte d'informations scientifiques précieuses, car l'ordinateur ne pourrait tout simplement pas traiter le volume colossal de collisions.

Pour résoudre ce problème, les chercheurs de l'expérience CMS ont développé une nouvelle stratégie pour la façon dont l'ordinateur conçoit ces trajectoires. Ils ont réalisé que l'ancienne méthode de travail, qui suivait un processus lent et étape par étape, n'était plus viable. Au lieu de cela, ils ont construit un système qui fonctionne comme une main-d'œuvre hautement organisée et parallèle, conçue pour fonctionner sur les puces informatiques les plus modernes disponibles. Cette nouvelle approche combine trois méthodes distinctes, chacune optimisée pour un type différent de processeur, afin de trier le chaos du collisionneur à Haute Luminosité. Le résultat est un système qui est non seulement plus rapide, mais aussi nettement plus efficace pour filtrer les trajectoires erronées tout en conservant la même capacité à trouver les particules rares et intéressantes cachées dans le bruit.

Le nouveau système commence par créer une liste de points de départ potentiels pour les trajectoires de particules. Dans l'ancienne méthode, l'ordinateur générait un nombre massif de suppositions, dont beaucoup étaient fausses, avec un taux de faux départs atteignant 80 %. Cela était inefficace. La nouvelle stratégie utilise un algorithme spécialisé appelé « Extended Patatrack » pour examiner d'abord les couches les plus internes du détecteur. Cet outil est conçu pour fonctionner sur des unités de traitement graphique (GPU), le même type de puces puissantes que l'on trouve dans les consoles de jeux vidéo, qui excellent dans l'exécution de nombreux calculs simultanément. En exigeant un nombre minimum de signaux pour former un point de départ, cet algorithme crée une liste de candidats très propre, écartant la vaste majorité des faux départs avant même qu'ils ne commencent. Cela réduit considérablement la charge de travail pour l'étape suivante, faisant chuter le nombre de fausses pistes à moins de 10 % par rapport à la méthode précédente.

Cependant, certaines particules sont capricieuses. Les particules à longue durée de vie, qui parcourent une courte distance avant de se désintégrer, pourraient ne pas laisser assez de signaux dans les couches internes pour être captées par le premier algorithme. Pour les attraper, l'équipe a introduit un deuxième outil appelé « Line Segment Tracking ». Cette méthode examine les couches externes du détecteur, où la géométrie des capteurs lui permet de construire des segments de trajectoires courts en parallèle. Elle relie ensuite ces segments entre eux, en utilisant des règles géométriques et l'apprentissage automatique pour décider lesquels s'assemblent pour former une trajectoire complète. Cela garantit que même les particules évasives qui s'éloignent du centre de la collision ne soient pas perdues. Combinée au premier outil, cette approche à deux volets capture presque toutes les particules qui doivent être trouvées, tout en maintenant un nombre d'erreurs extrêmement bas.

Une fois les points de départ identifiés, l'étape finale consiste à ajuster la trajectoire complète de la particule à travers le détecteur. C'est ici qu'intervient le troisième outil, connu sous le nom de « mkFit ». Cet algorithme est conçu pour fonctionner efficacement sur les processeurs informatiques standards, en utilisant une technique appelée vectorisation qui lui permet de traiter de nombreuses trajectoires simultanément. Il prend les candidats des étapes précédentes et calcule leurs trajectoires exactes, déterminant leur vitesse et leur direction avec une grande précision. L'équipe a testé toute cette nouvelle séquence dans des simulations imitant les conditions du futur collisionneur, où deux cents collisions se produisent simultanément. Ils ont constaté que le nouveau système pouvait reconstruire les trajectoires avec une efficacité équivalente à l'ancienne, mais avec un taux d'erreur bien moindre.

Le résultat le plus frappant de ce travail est la vitesse. En déplaçant les parties les plus exigeantes du calcul vers du matériel spécialisé et en optimisant le code pour les processeurs modernes, l'équipe a réduit le temps nécessaire pour traiter un événement unique. Lorsqu'il fonctionne uniquement sur des processeurs informatiques standards, le nouveau système est environ 9 % plus rapide que l'ancien. Mais lorsque le gros du travail est déchargé vers les processeurs graphiques, le temps requis chute de 33 %. Il s'agit d'une amélioration cruciale, car les limites de temps strictes du système de déclenchement (trigger) en ligne signifient que chaque fraction de seconde compte. Le nouveau système améliore également la capacité de trouver des particules qui ont parcouru une certaine distance loin du point de collision, une capacité essentielle pour l'étude de certains types de physique rare.

Ce travail représente un changement fondamental dans la manière dont l'expérience traite les données. Il passe d'un processus unique et séquentiel qui peine face à la complexité, vers une approche parallèle et flexible qui s'en nourrit. Les algorithmes développés pour le déclenchement en ligne sont également adaptés pour l'analyse hors ligne, où les scientifiques étudient les données plus en détail a posteriori. Cela signifie que l'ensemble de l'expérience bénéficiera d'une manière unifiée et efficace de voir l'univers. À mesure que le Grand Collisionneur de Hadrons à Haute Luminosité entrera en service, cette nouvelle séquence de suivi garantira que l'expérience CMS puisse continuer à effectuer des mesures précises et à découvrir une nouvelle physique, même face aux conditions les plus extrêmes que la nature puisse offrir.