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

Nel cuore delle Alpi europee, sotto un anello di magneti superconduttori, il Large Hadron Collider fa scontrare protoni a energie mai raggiunte prima. L'obiettivo è ricreare le condizioni dell'universo appena istanti dopo la sua nascita, alla ricerca delle regole fondamentali che governano la materia e l'energia. Per farlo, l'esperimento CMS funge da enorme telecamera tridimensionale, catturando i detriti di queste collisioni. Tuttavia, la macchina sta per subire una trasformazione che la renderà molto più potente, ma anche molto più difficile da leggere. L'High-Luminosity Large Hadron Collider sparerà protoni in pacchetti così densi che un singolo istante di collisione conterrà centinaia di eventi sovrapposti. Invece di vedere un'immagine pulita di un'unica interazione, il rilevatore sarà inondato da una tempesta caotica di particelle, creando un groviglio di segnali che dovranno essere districati in tempo reale.

La sfida non è solo vedere le particelle, ma connettere i punti. Mentre queste particelle volano attraverso il rilevatore, lasciano dietro di sé minuscoli segnali elettrici, come impronte nella neve. Il computer deve collegare queste impronte per ricostruire il percorso di ogni particella. In passato, questo era un compito gestibile, ma con la nuova macchina, il numero di impronte aumenterà di un fattio di dieci. Se il software utilizzato per connettere questi punti rimanesse lo stesso, verrebbe sopraffatto, incapace di stare al passo con il flusso di dati. Il risultato sarebbe una perdita di preziosa informazione scientifica, poiché il computer semplicemente non riuscirebbe a elaborare l'enorme volume di collisioni.

Per risolvere questo problema, i ricercatori dell'esperimento CMS hanno sviluppato una nuova strategia su come il computer pensi a queste tracce. Si sono resi conto che il vecchio modo di lavorare, che seguiva un processo lento e passo dopo passo, non era più sostenibile. Inveve, hanno costruito un sistema che funziona come una forza lavoro altamente organizzata e parallela, progettata per girare sui più moderni chip informatici disponibili. Questo nuovo approccio combina tre metodi distinti, ciascuno ottimizzato per un diverso tipo di processore, per setacciare il caos del collisore High-Luminosity. Il risultato è un sistema che non è solo più veloce, ma anche significativamente più efficiente nel filtrare i percorsi errati, mantenendo la stessa capacità di trovare le rare e interessanti particelle nascoste nel rumore.

Il nuovo sistema inizia creando un elenco di potenziali punti di partenza per i percorsi delle particelle. Nel vecchio metodo, il computer generava un numero enorme di ipotesi, molte delle quali erano errate, con un tasso di falsi semi (seeding) fino all'80%. Questo era inefficiente. La nuova strategia utilizza un algoritmo specializzato chiamato Extended Patatrack per esaminare prima gli strati più interni del rilevatore. Questo strumento è progettato per girare su unità di elaborazione grafica (GPU), lo stesso tipo di chip potenti presenti nelle console per videogiochi, che eccellono nel compiere molti calcoli contemporaneamente. Richiedendo un numero minimo di segnali per formare un punto di partenza, questo algoritmo crea un elenco di candidati molto pulito, scartando la stragrande maggioranza dei falsi inizi prima ancora che comincino. Ciò riduce il carico di lavoro per la fase successiva di un margine significativo, tagliando il numero di falsi segnali a meno del 10% rispetto al metodo precedente.

Tuttavia, alcune particelle sono insidiose. Le particelle a vita lunga, che viaggiano per una breve distanza prima di decadere, potrebbero non lasciare abbastanza segnali negli strati interni per essere catturate dal primo algoritmo. Per catturarle, il team ha introdotto un secondo strumento chiamato Line Segment Tracking. Questo metodo osserva gli strati esterni del rilevatore, dove la geometria dei sensori gli permette di costruire brevi segmenti di tracce in parallelo. Successivamente, collega questi segmenti tra loro, utilizzando regole geometriche e machine learning per decidere quali si incastrano per formare un percorso completo. Ciò assicura che anche le particelle elusive che si allontanano dal centro della collisione non vadano perse. Combinato con il primo strumento, questo approccio a due punte cattura quasi tutte le particelle che devono essere trovate, mantenendo al contempo il numero di errori estremamente basso.

Una volta identificati i punti di partenza, l'ultimo passaggio è adattare l'intero percorso della particella attraverso il rilevatore. È qui che entra in gioco il terzo strumento, noto come mkFit. Questo algoritmo è progettato per girare efficientemente sui processori standard, utilizzando una tecnica chiamata vettorizzazione che gli permette di elaborare molte tracce simultaneamente. Prende i candidati dai passaggi precedenti e calcola i loro percorsi esatti, determinando velocità e direzione con alta precisione. Il team ha testato l'intera nuova sequenza in simulazioni che mimano le condizioni del futuro collisore, dove duecento collisioni avvengono contemporaneamente. Hanno scoperto che il nuovo sistema poteva ricostruire le tracce con un'efficienza equivalente a quella del vecchio, ma con un tasso di errori molto più basso.

Il risultato più sorprendente di questo lavoro è la velocità. Spostando le parti più impegnative del calcolo su hardware specializzato e ottimizzando il codice per i processori moderni, il team ha ridotto il tempo necessario per elaborare un singolo evento. Eseguendo il sistema solo su processori standard, il nuovo sistema è circa il nove per cento più veloce del vecchio. Ma quando il grosso del lavoro viene delegato ai processori grafici, il tempo richiesto scende del trentatré per cento. Questo è un miglioramento critico, poiché i rigidi limiti temporali del sistema di trigger online fanno sì che ogni frazione di secondo conti. Il nuovo sistema migliora anche la capacità di trovare particelle che hanno viaggiato lontano dal punto di collisione, una capacità essenziale per studiare certi tipi di fisica rara.

Questo lavoro rappresenta un cambiamento fondamentale nel modo in cui l'esperimento gestisce i dati. Si passa da un singolo processo sequenziale che fatica con la complessità, verso un approccio parallelo e flessibile che ne trae vantaggio. Gli algoritmi sviluppati per il trigger online vengono adattati anche per l'analisi offline, dove gli scienziati studiano i dati in dettaglio dopo il fatto. Ciò significa che l'intero esperimento beneficerà di un modo unificato ed efficiente di vedere l'universo. Quando l'High-Luminosity Large Hadron Collider entrerà in funzione, questa nuova sequenza di tracciamento garantirà che l'esperimento CMS possa continuare a effettuare misurazioni precise e scoprire nuova fisica, anche di fronte alle condizioni più estreme che la natura possa offrire.