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

LHCb の Run 3 におけるデータ量増大への対応として、従来の手法を凌駕する新規の包括的多変量孤立（IMI）アルゴリズムを開発し、信号粒子の効率を 99% 維持しつつイベントサイズを 45% 削減することに成功した。

要約

超高速カメラの「ゴミ箱整理術」：LHCb 実験がデータ洪水をどう乗り切ったか

2026 年、スイスの CERN（欧州原子核研究機構）にある巨大な加速器「LHC」は、かつてないほど激しい粒子の衝突を記録し続けています。LHCb という実験装置は、この衝突から「美しい粒子の崩壊」という宝の欠片を見つけ出そうとしていますが、問題は**「宝の箱（データ）があまりにも大きすぎる」**ことです。

この論文は、**「必要なものだけを残し、不要なゴミを捨てて、データ容量を 45% 減らす」**という画期的な新技術「IMI（包括的多変量アイソレーション）」を紹介しています。

まるで、**「混雑した駅のホームで、大切な荷物を持った人だけを見分けて、他の人（ノイズ）を素通りさせる」**ような話です。

---

1. 問題：「宝の山」の中に「ゴミの山」が混ざっている

LHCb 実験では、1 秒間に 3000 万回もの粒子衝突が起きます。

• 宝（シグナル）： 物理学者が知りたい「重い粒子の崩壊」は、通常、数個の粒子だけでできています。
• ゴミ（バックグラウンド）： しかし、1 回の衝突では、数百もの不要な粒子（ノイズ）が飛び散ります。

【アナロジー：混雑した駅】
想像してください。あなたは「赤い帽子をかぶった人（宝）」を探しています。しかし、駅には赤い帽子をかぶった人が数人いる一方で、**200 人もの「灰色のコートを着た人（ノイズ）」**が溢れかえっています。
これまでの方法では、200 人全員の名前と特徴をメモして記録していました。これでは、メモ帳（データストレージ）がすぐにパンクしてしまいます。

2. 従来の方法：「単純なルール」の限界

以前は、以下のような単純なルールで「宝」を拾っていました。

• 円錐ルール（Cone）： 「信号の周りに近い人だけ残す」。
• 軌跡ルール（Track）： 「特定の場所から来た人だけ残す」。

【問題点】
しかし、LHC の衝突は激しすぎて、駅が「満員電車」状態になっています。

• 円錐ルールだと、**「偶然、信号の近くにいた灰色のコートの人が、宝だと思われてしまう」**ことが多くなります。
• 逆に、「少し離れていたけど本当の宝」を逃してしまうこともあります。
  特に、衝突が激しい時（高パイルアップ）には、これらのルールは機能しなくなりました。

3. 新技術「IMI」：AI による「直感的な見分け」

そこで登場するのが、この論文で紹介されている**「IMI（包括的多変量アイソレーション）」です。
これは、単なるルールではなく、「経験豊富な探偵のような AI」**です。

【IMI の仕組み：天才探偵の直感】
IMI は、以下の要素をすべて組み合わせて、1 つの「スコア」を出します。

1. 距離感： 信号からどれくらい離れているか？（円錐ルール）
2. 軌跡の質： どの顶点（Vertex）から来たか？（軌跡ルール）
3. 角度と動き： 粒子の動きは自然か？（多変量解析）

【アナロジー：駅のホームでの探偵】
IMI は、灰色のコートの人たちをただ「近くにいるから」という理由で除外するのではなく、**「その人の歩き方、他の人との距離、表情（運動量や角度）」まで見て、「この人は本当に赤い帽子のグループの仲間だ」と確信できる人だけを「残す」**ようにします。

• 宝（信号粒子）： 99% の確率で見つけ出し、逃しません。
• ゴミ（ノイズ）： 95% 以上を「これは関係ない」として捨てます。

4. 成果：データ容量の劇的な削減

この「天才探偵」を導入した結果、驚異的な変化が起きました。

• データ容量の 45% 削減：
  1 つのイベント（1 回の衝突の記録）に含まれる情報を、**「必要な 10 人だけ」**に絞り込みました。残りの 190 人の情報は捨てられます。
  • 結果： 記録するテープの量が大幅に減り、保存コストが下がり、分析が速くなりました。
• 宝の損失ゼロ：
  捨てたのは「ゴミ」だけで、本当に必要な「宝」は 99% 残っています。
• どんな状況でも強い：
  駅が混雑している時（高エネルギー）でも、混雑していない時でも、AI は冷静に正解を出し続けます。

5. なぜこれが重要なのか？

この技術は、単に「データを減らす」だけではありません。

• 複雑な現象の解明： これまで「ノイズが多すぎて見つけられなかった、複雑な粒子の崩壊（例えば、長生きする粒子の孫まで含む連鎖）」を、きれいな状態で再構築できるようになりました。
• 未来への準備： 将来、LHC がさらに激しくなる「高輝度 LHC（HL-LHC）」時代になっても、この AI なら「データの洪水」を処理し続けることができます。

まとめ

この論文は、**「AI という賢いフィルタを使って、ノイズだらけのデータから、本当に必要な『物理の物語』だけをきれいに切り抜く」**という成功物語です。

LHCb 実験チームは、「全部記録する」時代から、「賢く選んで記録する」時代へと進化しました。 これにより、人類は宇宙の謎を解くための、よりクリアで速い窓を手に入れたのです。

技術概要

論文要約：LHCb Run 3 における包括的多変量アイソレーション（IMI）によるイベントサイズ最小化と物理性能の最大化

1. 背景と課題

LHCb 実験の Run 3（2022-2026 年）では、LHC の瞬間光度が Run 2 に比べ 5 倍増加し（$2 \times 10^{33} \text{cm}^{-2}\text{s}^{-1}$）、データ量が急増しています。LHCb はソフトウェアのみの高レベルトリガー（HLT）を採用しており、1 秒あたり約 250 kHz の物理イベントを再構成・選択していますが、永続ストレージへの書き込み帯域幅は約 10 GB/s に制限されています。特に「Full ストリーム」や「Turcal ストリーム」は詳細なオフライン解析を可能にするためイベントサイズが大きくなりますが、これらを圧縮してディスク書き込みを 0.8 GB/s 以下に抑えることが求められています。

核心的な課題:

• イベントサイズの偏り: 1 つの pp 衝突イベントには数百の荷電粒子が再構成されますが、信号事象（重味ハドロン崩壊）を構成する荷電粒子は数個に過ぎません。イベントサイズの約 55% が荷電粒子の追跡情報（トラック）に占められており、これがデータ圧縮の主要なボトルネックとなっています。
• パイルアップの影響: 高密度の環境下では、信号粒子とパイルアップ（他の相互作用）由来の背景粒子を区別し、信号に関連する粒子のみを効率的に選別・保持する必要があります。
• 既存手法の限界: 従来の「コアイソレーション（円錐法）」や「頂点アイソレーション」は、高パイルアップ環境では背景拒絶率が低下するか、信号効率を犠牲にする必要があり、Run 3 の要求を満たすのに不十分でした。

2. 提案手法：包括的多変量アイソレーション（IMI）

本論文では、イベントサイズを削減しつつ物理性能を維持するための新手法として、**包括的多変量アイソレーション（Inclusive Multivariate Isolation: IMI）**アルゴリズムを提案・開発しました。

2.1 手法の概要

IMI は、古典的なアイソレーション手法（トラック、コナ、頂点ベース）の長所を統合し、単一の分類器（XGBoost などの勾配ブースティング決定木）として実装したものです。

• 入力: 信号候補（ベース粒子）と、イベント内の他のすべての荷電粒子（追加粒子）の組み合わせ。
• 出力: 各追加粒子が「信号崩壊鎖に属する（非アイソレート）」か「背景（アイソレート）」かを判定するスコア。
• 特徴量: 古典的手法の知見に基づき、以下のような物理的に意味のある変数を入力としています。
  • 一次頂点（PV）および二次頂点（SV）に対するインパクトパラメータの有意性（$\chi^2_{IP}$）。
  • 角度分離（$\Delta R$）および運動量の開き角。
  • 頂点適合度の変化量（$\Delta \chi^2_{SV}$）や、飛行方向の整合性。
  • 運動量（$p_T$）など。

2.2 実装戦略

• トレーニング: 多様な崩壊モード（半レプトン崩壊、励起状態など）を含む包括的なシミュレーションデータを用いて学習。信号粒子と背景粒子を 2 クラス分類として最適化。
• 適用タイミング:
  • 古典的アイソレーション: HLT2（トリガー段階）で実行され、イベントサイズを削減。
  • IMI: 保守的な戦略として、トリガー後にテープに保存された完全再構成イベントに対して、オフラインの「Sprucing（データ選別・圧縮）」段階で適用されます。これにより、トリガー段階での計算負荷を避けつつ、柔軟な再解析を可能にします。
• 動作: 信号候補と各追加粒子の組み合わせに対して IMI スコアを計算し、閾値（IMI > 0.05）を超える粒子のみをディスクに保持します。

3. 主要な成果と結果

3.1 性能評価（シミュレーション）

• 背景拒絶と信号効率: IMI は、信号候補の効率を約 99% 維持しながら、背景トラックの約 95% を拒絶しました。これは従来の古典的手法（トラック、コナ、頂点アイソレーション）を大幅に上回る性能です。
  • 従来の手法は高効率域で背景拒絶率が急激に低下するのに対し、IMI は広い動作範囲で優れた性能を維持します。
• イベント多重度への頑健性: イベント内の荷電粒子数（多重度）が増加する高パイルアップ環境においても、IMI の性能は安定しており、背景拒絶率が低下しません。
• 運動量依存性: 半レプトン崩壊における運動量移動の二乗（$q^2$）に対する信号効率は、IMI が非常に平坦であり、物理解析におけるバイアスを導入しないことが確認されました。

3.2 データサイズ削減効果

• 削減率: IMI を適用することで、イベントサイズを約 45% 削減することに成功しました。
• 処理スループット: IMI の適用によるスループットの低下は 20% 程度ですが、Sprucing 段階では許容範囲内であり、データ保存効率の向上と引き換えに十分な価値があります。
• 保持される粒子数: 1 イベントあたり再構成される約 200 個の荷電粒子のうち、信号に関連する約 10 個のみを保持することで、イベントを「クリーン」にします。

3.3 Run 3 データによる検証

• ランキングの物理的妥当性: 実データ（Run 3 の一部）において、IMI スコアが高い粒子ほど、信号崩壊鎖に特徴的な小さな角度分離や頂点適合度を示すことが確認されました。
• 共鳴状態の再構成: IMI で選別された粒子を用いて、$D^{*-} \to \bar{D}^0 \pi^-$ や $\Lambda_c^{*+} \to \Lambda_c^+ \pi^+ \pi^-$ などの既知の共鳴状態を、特別なチューニングなしで明確に再構成することに成功しました。
• データとシミュレーションの一致: 信号効率や粒子保持率において、データとシミュレーションの間に良好な一致が観測されました（背景成分の違いによるわずかな差異は残りますが、物理解析への影響は最小限です）。

4. 意義と将来展望

• 物理プログラムへの貢献: IMI は、LHCb の Run 3 における半レプトン物理（特にニュートリノを含む崩壊や励起状態の研究）の中核を担うツールとして確立されました。これにより、高統計かつ高純度のデータセットが得られ、CKM 行列要素の精密測定やレプトン・フレーバー普遍性の検証が可能になります。
• 将来の HL-LHC への対応: IMI は軽量かつ高速なフロントエンドとして機能し、より計算集約的な選択戦略（GNN 等）を支援する基盤となります。Run 4 や Run 5 でのさらなるデータ圧縮（O(20) 倍の削減など）に向けた重要なステップです。
• 拡張性: 今後は中性粒子への適用や、励起状態の特定を目的とした多クラス分類器への進化、そして VELO 検出器情報の統合が計画されています。

結論

本論文で提案された IMI アルゴリズムは、LHCb 実験が直面するデータ量の爆発的増加という課題に対し、古典的手法の限界を克服する革新的な解決策を提供しました。高い信号効率を維持しつつイベントサイズを 45% 削減し、Run 3 の物理性能を最大化するだけでなく、将来の HL-LHC 時代に向けたスケーラブルな再構成戦略の基盤を築いた点に大きな意義があります。