Open Science with the LHCb Ntupling Service
LHCbコラボレーションは、4 PBを超えるRun 1およびRun 2の陽子陽子衝突データのオープンかつオンデマンドなアクセスを提供し、それによってこれら貴重なデータセットの科学的成果と将来的な発見可能性を最大化するため、新しいウェブベースのNtuplingサービスを開始しました。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
高エネルギー物理学は、光速に近い速度で粒子を衝突させることで、宇宙の最も基本的な構成要素を研究する学問です。これらの衝突は、新しい粒子の混沌とした飛散を生み出し、検出器が膨大な量のデジタル情報としてそれらを捉えます。数十年にわたり、これらの巨大な装置を構築した科学者たちだけが、そのデータを読み取ることができました。なぜなら、ファイルは特殊なソフトウェアを必要とする複雑で独自の言語で書かれていたからです。これにより障壁が生じていました。あるチームが公式な解析を終えた後、生のデータはしばしば放置され、より広い世界からはアクセスできない状態になっていたのです。「オープンサイエンス」の目標は、これを変え、世界中のどこにいても研究者や学生、そして好奇心旺盛な人々が、これらの衝突を再訪し、新たな問いを投げかけられるようにすることです。しかし、単に生のファイルを公開するだけでは不十分です。データがあまりにも巨大で複雑すぎるため、その実験に関する特定の博士号を持っていない限り、使用することが困難だからです。課題は、この情報の宝庫を、すべての新しいユーザーに実験の複雑な歴史すべてを学習させることなく、どのようにして利用可能なものにするかを見出すことでした。
これを解決するために、CERNのLHCbコラボレーションは、「LHCb Ntupling Service」と呼ばれる新しいデジタルツールを構築しました。これは、大型ハドロン衝突型加速器（LHC）に格納された巨大で複雑なデータと、科学者が分析に使用する日常的なツールとの間の架け橋として機能するウェブベースのプラットフォームです。テラバイト級の未読の生ファイルをダウンロードさせる代わりに、このサービスはユーザーが必要な情報だけを正確に要求することを可能にします。ユーザーはログインし、興味のある特定の粒子衝突の種類を選択し、それらの衝突に関するどの詳細を見たいかを選択できます。システムはその後、データを自動的に処理して、特定の詳細のみを抽出し、一般的な分析ソフトウェアで開けるクリーンで標準的な形式に整理します。「ンタプリング（ntupling）」として知られるこのプロセスは、データを「鍵のかかった金庫」から「扱いやすい開かれた本」へと変貌させます。このサービスは、加速器の最初の2回の主要なラン（運転期間）のデータをカバーしており、4ペタバイトを超える衝突の歴史を網羅しています。そして初めて、第2ランのデータをこのような柔軟な方法で利用可能にしました。
このシステムは、ユーザーフレンドリーなウェブサイトを、世界中で稼働している強力なコンピューティング・グリッドに接続することで機能します。人がサイトを訪れると、他の人々が粒子の質量などの研究にどのようにツールを使用したかを示すギャラリーが表示されます。もし独自の研究を行いたい場合は、ガイド付きのインターフェースを使用して、調べたい粒子（特定の崩壊過程など）を選択し、記録したい正確な変数（粒子の速度や方向など）を選択します。システムは、ネットワークに危害を加える可能性のあるコードや指示を受け付けません。その代わりに、ユーザーの選択を安全で標準的な設定ファイルへと変換します。このファイルは、内容が正しく安全であることを確認するために、専門家チームによってレビューされます。承認されると、リクエストはWorldwide LHC Computing Gridへと送られ、そこで数千台のコンピュータが連携してデータを処理します。システムはまず、ユーザーが正しい情報を得られているかを確認するために小さなテストを実行します。テストが成功すると、ユーザーはフル実行を承認でき、それによってリクエストした全データセットの処理が行われます。
その結果、通常は数百メガバイトから数百ギガバイト程度のカスタムデータファイルが生成され、ユーザーはウェブから直接ダウンロードできます。このファイルには、ユーザーが求めた情報のみが含まれており、元の実験の不要な複雑さは取り除かれています。このアプローチは、従来の方法に対して大きな利点をもたらします。以前は、データを公開するために、チームは元の巨大な形式のままデータセット全体をリリースしなければなりませんでした。第2ランの加速器の場合、10ペタバイト近いデータを公開ポータルにコピーすることになり、それはあまりにもコストとリソースがかかりすぎるため、実現不可能な作業でした。オンデマンドでこれらのカスタムされた小さなファイルを作成することにより、このサービスはデータのフットプリントを小さく抑えています。最初の100件のリクエストによる総出力量は、わずか約10テラバイトでした。これにより、高価なコンピューティング・クラスターや専門的なトレーニングを必要とせず、標準的なコンピュータとインターネット接続を持つ誰もがデータにアクセスできるようになりました。
このサービスは、粒子物理学の背景知識がない人にとっても直感的に設計されています。データセットの選択から結果の分析に至るまで、あらゆるステップを案内する詳細なガイドや例が含まれています。ユーザーはプラットフォームを通じてLHCbオープンデータチームと直接コミュニケーションを取り、質問をしたり、特定の要求に関する助けを求めたりすることができます。この相互作用は非常に価値があることが証明されており、チームには大学の学生、高校の教師、プロの研究者を含む多様なユーザーから肯定的なフィードバックが寄せられています。このツールはすでに、エキゾチック粒子の性質の研究から、新しい統計手法の開発、物理学の概念の教育に至るまで、幅広い目的で使用されています。また、システムはCERN Open Data Portalとも連携しており、成功したリクエストは一意のデジタル識別子を持つ永続的で引用可能な記録へと変換され、データが将来の世代まで利用可能であることを保証します。
将見を見据えて、このサービスは拡張できるように設計されています。チームは、当初は利用できなかった2018年のデータを含める計画であり、最終的には鉛イオンが関与する衝突など、他の種類の衝突への拡大も予定しています。次フェーズの加速器（Run 3）では、基礎となるデータ構造が変化しているため、ソフトウェアの大幅な更新が必要になりますが、現在のシステムは重要な節目を象徴しています。それは、世界で最も複雑な科学データを、すべてのユーザーに実験の内部ソフトウェアの専門家になることを強いることなく、開放できることを実証することに成功しました。明確でガイドされた道筋を提供することで、LHCb Ntupling Serviceは、巨大で静的なアーカイブをダイナミックなリソースへと変え、科学コミュニティが宇宙の秘密を新たな自由と容易さをもって探索することを可能にしました。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。