CELEBI: Design and Realization of a Reproducible Physics Analysis Framework

膨大な、そして極めて重要な粒子物理学の世界において、科学者たちは単に顕微鏡を覗き込んで答えを見つけるわけではない。その代わりに、彼らは粒子を衝突させ、知識へと翻訳されなければならない混沌とした信号のシャワーを生み出す巨大な機械を構築する。この翻訳は、発見の瞬間という単一の出来事ではなく、計算による長く、曲がりくねった旅である。検出器が生のデータを捉え、それが中央システムを通じて処理されることで、よりクリーンなデータセットが作成される。その後になって初めて、個々の研究者が独自の作業を開始する。つまり、特定のイベントを選択するためのコードを書き、数学的パラメータを調整し、新しい粒子が見つかったのか、あるいは理論が成立しているのかを確認するために複雑な統計テストを実行するのである。このプロセス全体は意思決定の連鎖であり、最終的な結果は、ソフトウェア、設定、およびデータ入力の特定の組み合わせに依存する。

科学界の課題は、この連鎖が常に動いていることである。研究者が手法を洗練させるにつれ、彼らはコードを変更し、数値を微調整し、データセットを入れ替える。今日発表された結果は、明日変更される可能性のあるプログラムのバージョンに依存しているかもしれない。もし5年前の科学者が結果を確認したい、あるいは新しいチームが古い知見の上に何かを築こうとした場合、彼らは難しいパズルに直面することになる。すなわち、その作業が行われた時の正確な状態をどのように再構築するかという問題である。単に最終的な数値やソースコードだけを保存するのでは不十分である。その数値がどのように作られたかという文脈全体を保存しなければならないのである。これなしでは、科学的発見の歴史は、問いから答えへの経路が失われた、断片的なスナップショットの集まりになってしまう。

これを解決するために、北京大学の明瑞・ジャオ（Mingrui Zhao）によって「Celebi」と呼ばれるフレームワークが開発された。このシステムは、物理学の解析を静的なファイルとしてではなく、生きて進化し続ける素材のコレクションとして扱うことで、解析のライフサイクルを管理するように設計されている。研究者は、科学者が現在行っている作業の整理方法が、計算のための指示事項と、その計算によって生成される膨大な量のデータを混在させてしまっていることに気づいた。これにより、特に作業が時間の経過とともに変化する場合、どのバージョンのプログラムがどの結果につながったのかを正確に追跡することが困難になる。Celebiはこの二つの世界を分離する。軽量な指示事項（コード、設定、論理）を一箇所に保持し、重い生成データは別の場所に置くのである。この分離により、指示事項はそれらが生成するテラバイト単位のデータに押しつぶされることなく、明確で整理された形で保存される。

Celebiの核心は、解析がどのように構築されるかについての新しい考え方にある。研究者は「マテリアライズド・ワークフロー（実体化されたワークフロー）」と呼ぶ概念を導入した。従来のコンピューティングにおいて、ワークフローとは多くの場合、コンピュータに次に何をすべきかを伝える手順のリストに過ぎない。しかしCelebiでは、ワークフローは解析の構成要素を表す、実際の、形のあるオブジェクトから構築される。システムは、「アルゴリズム」（計算のための一般的なレシピ）と、「タスク」（特定のデータに対して特定の構成でそのレシピを適用したもの）を区別する。スープのマスターレシピ（アルゴリズム）を持っているシェフが、顧客ごとに塩の量を変えたり異なる野菜を使ったりして、異なるバッチを作る様子を想像してほしい（タスク）。このシステムでは、マスターレシピは変わらないが、各特定のバッチは、レシピとその使用された特定の材料へと紐付く、ユニークなタスクとして記録される。この構造により、コードをコピー＆ペーストすることなく、同じコードの断片を解析の多くの異なる部分で再利用することが可能になり、エラーを減らし、作業の履歴をより明確にする。

人間にとって読みやすく理解しやすいものにするために、研究者は解析の論理的な構造を反映するようにデジタルファイルを整理した。すべてを複雑で隠れたフォルダの中に隠すのではなく、システムはプロジェクト、ディレクトリ、アルゴリズム、タスクという明確な階層構造を使用している。これらの各オブジェクトは独自の注釈と説明を保持しているため、ファイルシステムを見ている誰もが、そのコードが何を目的とし、他の作業とどのように接続されているかを即座に理解できる。この組織化により、解析は自己記述的な状態を維持する。つまり、文脈がファイル自体に組み込まれているのである。さらに、システムはデータの出所に応じて入力の扱いを変える。もしデータが解析の前のステップによって生成されたものであれば、システムはタスク間のリンクを追跡する。もしデータが外部から来たものであれば、システムはその外部データがどこからワークフローに入ってきたかを示す特定のオブジェクトを作成する。これにより、情報のソースがどこであっても、あらゆる情報の起源に関する一貫したマップが作成される。

Celebiにおける最も重要な革新は、「インプレッション（印象/刻印）」と呼ばれるメカニッチズムである。作業中の解析は常に変化しているため、研究者は作業を停止することなく、特定の瞬間を凍結させる方法を必要とした。インプレッションとは、コード、パラメータ、および依存関係の正確な状態を捉えた、特定の時点における解析全体の「スナップショット」のようなものである。一度インプレッションが作成されると、それは不変（イミュータブル）となる。変更することはできない。もし科学者が後にコードや設定を変更したとしても、新しい作業状態は作成されるが、古いインプレッションは当初のまま維持される。これにより、特定の計算結果が生成された条件を永久に記録しておくことができる。もし結果が生成されたなら、それはその結果を生み出したインプレッションに直接紐付けられる。これは、たとえ数年後であっても、科学者が結果を見たときに、どのバージョンのコードとどの特定の設定がそれを作成するために使用されたのかを正確に知ることができることを意味する。なぜなら、その結果は、その不変ののスナップショットに永久にリンクされているからである。

また、このシステムは、解析を保存する行為と、それを実行する行為を分離している。保存された指示事項はリポジトリに格納されるが、実際の計算を行う時には、「プロダクション・ファクトリー（生産工場）」と呼ばれる別個のシステムが引き継ぐ。Yuki（ユキ）と名付けられたミドルウェア層が、両者の間の架け橋として機能する。保存された状態を実行する必要があるとき、Yukiは格納された指示事項をコンピュータが実行可能な形式に翻訳し、ワークフロー・ランナーへと送る。この設計により、解析の保存方法は、実行に使用される特定のコンピュータやソフトウェアに依存しない。研究者は、解析自体を書き換えることなく、コンピューティング環境や実行ツールを変更することができる。この柔軟性により、使用されるテクノロジーが進化しても、解析を長期的に保存できることが保証される。

これらの要素を組み合わせることで、Celebiは物理学の解析のライフサイクルを管理するための完全なフレームワークを提供する。それは、計算のための指示事項を、それが生成する膨大なデータから切り離して保持する方法を提供し、それらの指示事項を人間が読める構造で整理し、特定の状態の永続的で不変の記録を作成する。このアプローチは、基礎となる作業が絶えず変化している現代科学における根本的な問題、すなわち結果の再現の難しさに取り組んでいる。研究者は、解析を構造化され相互に接続されたオブジェクトのコレクションとして扱い、インプレッションを用いて特定の状態を固定することで、元の問いから最終的な答えに至るまでの、明確で途切れることのない証拠の線を維持できることを示している。この研究は、科学的な結果が単に発表されるだけでなく、完全に保存され、追跡可能であり、いつでも、どこでも、誰によっても再検証できる未来への基盤を築くものである。