Tracking performance study of the LHCb UP Detector

技術要約：LHCb UP検出器のトラッキング性能研究

問題提起
LHCb実験は、2030年代に向けたアップグレードIIフェーズの準備を進めており、そこでは最大 $1.0 \times 10^{34} \text{ cm}^{-2}\text{s}^{-1}$ の瞬時ルミノシティを目指している。このルミノシティの増加は、検出器の占有率（occupancy）とデータレートの大幅な上昇をもたらし、特に高密度な環境におけるパターン認識に関して、トラック再構成に深刻な課題を突きつける。このアップグレードの重要な要素は、現在のシリコンストリップ型アップストリーム・トラッカー（UT）を、新しい4プレーンのピクセル検出器であるアップストリーム・ピクセル・トラッカー（UP）へと置き換えることである。1次元のストリップセンサーに基づいたUTは、スタンドアロンでのトラック再構成を実質的に不可能にしているが、2次元のモノリシック・アクティブ・ピクセル・センサー（MAPS）を用いたUPは、効率的なスタンドアロン再構成の可能性を秘めている。本研究で取り組む主要な課題は、高ルミノシティ条件下でのグローバル再構成への入力として、またリアルタイム処理の要件に対処するために、UP検出器単独で高い効率と低いゴースト率を実現できるアルゴリズムを開発することである。

手法
本論文では、UP検出器の設計を概説し、2つの異なるスタンドアロン・トラック再構成のアプローチを評価している。

1. 検出器設計: UP検出器は、磁石の上流に位置する4つの検出プレーンで構成される。各プレーンは約 $1400 \times 1200 \text{ mm}^2$ の有効面積を持ち、中央にはビームパイプの開口部がある。検出器は、柔軟な回路上に $7 \times 2$ の構成で配置された14個のMAPSチップからなるモジュールを保持する、軽量なサポート・ステーブによって構築されている。ピクセルサイズは $50 \times 150 \text{ \mu m}^2$ であり、$2 < \eta < 4.5$ の範囲における1プレーンあたりの推定物質量は $1.2\% X_0$ である。

2. ソフトウェア・アルゴリズム（最適化を伴うシード・フォワード法）:

   • 著者らは、VELO検出器で使用されているものと同様の「シード・フォワード（seed-forward）」戦略を採用した。
   • プロセス: リファレンス層からシード・ヒットが選択される。次層において、互換性のあるヒットペアを特定するための探索ウィンドウが開かれ、それらが残りの層へと外挿される。
   • 最適化: モジュールの重なりや余剰ヒットによる「ゴースト・トラック」の問題に対処するため、「ヒット共有最適化（hit-sharing optimization）」が実装された。あるヒットが複数のトラック候補と互換性を持つ場合、そのヒットは最も多くのマッチしたヒット数を持つ候補に対して優先的に割り当てられる。
   • 反復的な精緻化: 探索ウィンドウのサイズは、再構成効率とゴースト率抑制のバランスを取るために、反復的に最適化される。

3. ハードウェア・アルゴリズム（FPGAベースのRETINA）:

   • 予測される200 Tbit/sのオンライン・データスループットに対処するため、著者らはVELO用に開発されたRETINAアルゴリズムを用いた、FPGAベースの実装を調査した。
   • プロセス: このアルゴリズムは、検出器の入口と出口にある2つのリファレンスプレーンによって定義される4次元パラメータ空間 $(r_0, \phi_0, r_1, \phi_1)$ へ、ハフ変換を用いてトラック探索問題をマッピングする。
   • 実装: パラメータ空間は離散化されている（現在は $150^4$ セルであるが、位相空間の制約により約6M個の有効セルに削減されている）。検出器のヒットは対応するセルをインクリメントし、トラック候補は少なくとも3つのヒットを含むセルとして特定される。その後、候補を精緻化するために $\chi^2$ ベースの線形回帰が適用される。

主な貢献と結果
本研究は、モンテカルロ・シミュレーションに基づいた両方の再構成手法の性能指標を提示している。

• ソフトウェア・アルゴリズムの性能:

  • 初期のシード・フォワード・アルゴリズムは、11.5%のゴースト率に対して82.1%の全体効率を達成した。
  • ヒット共有最適化を適用した後、全体効率は91.4%（運動量 $p > 5 \text{ GeV}/c$ のトラックでは**97.7%に上昇）に向上し、ゴースト率は3.9%**に減少した。
  • 著者らは、$p > 1.5 \text{ GeV}/c$ のトラックは一般に直線を描くため、シード・フォワード法が容易になることを指摘している。

• FPGA/RETINAの性能:

  • FPGAベースのRETINAアルゴリズムは、全体的な効率において従来のシード・フォワード法と同等のトラッキング性能を示した。
  • ハフ変換戦略によるトラック・パラメータ空間内でのパターン認識の有効性により、低運動量領域において再構成効率の顕著な向上が見られた。
  • しかし、現在のFPGA実装は、最適化されたソフトウェア・アルゴリズムと比較して、高運動量領域においてわずかに高いゴースト率と低い効率を示した。著者らは、この相違について、ソフトウェア・アルゴリズムにはヒット共有や反復再構成を含む広範な最適化が既に行われているが、それがまだRETINAの実装には完全に取り込まれていないためであると説明している。

意義と主張
本論文は、UP検出器がこれらの再構成アルゴリズムと組み合わさることで、LHCb アップグレードIIの課題に対する実行可能な解決策を提供すると主張している。具体的には以下の通りである。

• 高純度な入力: 最適化されたスタンドアロン・トラックは、高品質な入力をグローバルなLHCb再構成に提供し、アップストリームとダウンストリームのトラックセグメント間の関連付けを改善し、特に低 $p_T$ 粒子や長寿命粒子の変位トラックに対する運動量分解能を向上させる。
• リアルタイムの実現可能性: FPGAベースのRETINAアプローチは、高占有環境におけるリアルタイムのイベント再構成およびトリガリングに不可欠な、低レイテンシかつ高度に並列化されたトラッキングの可能性を示している。
• 今後の展望: これらの結果は、UPスタンドアロン・トラッキングが将来のリアルタイム・トラッキング・システムの堅牢な構成要素となり、ハードウェア加速が極めて重要となるさらに高いルミノシティ条件を扱うための基礎を提供することを示唆している。

本研究は、FPGAソリューションがすべての指標において現在ソフトウェア・ソリューションよりも優れていると主張しているのではなく、むしろ、ハードウェア加速という利点を伴いつつ同等の性能を達成しており、さらなる最適化によって残された性能差を埋めることが期待される、としている。