Tracking performance study of the LHCb UP Detector

기술 요약: LHCb UP 검출기의 추적 성능 연구

문제 정의
LHCb 실험은 최대 $1.0 \times 10^{34} \text{ cm}^{-2}\text{s}^{-1}$의 순간 휘도를 목표로 하는 2030년대 Upgrade II 단계를 준비하고 있다. 이러한 휘도 증가는 검출기 점유율(occupancy)과 데이터 전송률을 크게 높여, 특히 밀집된 환경에서의 패턴 인식과 관련하여 추적 재구성(track reconstruction)에 심각한 과제를 제기할 것이다. 이 업그레이드의 핵심 구성 요소는 현재의 1차원 스트립 센서 기반 UT(Upstream Tracker)를 새로운 4개 평면 픽셀 검출기인 UP(Upstream Pixel Tracker)로 교체하는 것이다. 1차원 스트립 센서를 사용하는 UT는 단독 추적 재구성을 불가능하게 만들지만, 2차원 MAPS(Monolithic Active Pixel Sensors)를 사용하는 UP는 효율적인 단독 재구성을 가능하게 할 잠재력을 제공한다. 본 연구에서 다루는 주요 과제는 고휘도 조건에서 글로벌 재구성을 위한 입력값 역할을 하고 실시간 처리 요구 사항을 해결하기 위해, UP 검출기 단독으로 높은 효율과 낮은 고스트율(ghost rate)을 유지하며 트랙을 재구성할 수 있는 알고리즘을 개발하는 것이다.

방법론
본 논문은 UP 검더의 설계를 설명하고 두 가지 서로 다른 단독 추적 재구성 접근 방식을 평가한다.

1. 검출기 설계: UP 검출기는 자석 상류에 위치한 4개의 검출 평면으로 구성된다. 각 평면은 중앙의 빔 파이프 개구부를 포함하여 약 $1400 \times 1200 \text{ mm}^2$의 활성 영역을 커버한다. 검출기는 유연한 회로 위에 $7 \times 2$ 구성으로 배치된 14개의 MAPS 칩 모듈을 담고 있는 경량 지지 스태브(stave)로 제작된다. 픽셀 크기는 $50 \times 150 \text{ \mu m}^2$이며, $2 < \eta < 4.5$ 범위에서 평면당 추정 물질 예산(material budget)은 $1.2\% X_0$이다.

2. 소프트웨어 알고리즘 (최적화된 Seed-Forward 방식):

   • 저자들은 VELO 검출기에서 사용되는 것과 유사한 "seed-forward" 전략을 채택하였다.
   • 과정: 참조 레이어(reference layer)에서 시드 히트(seed hits)를 선택한다. 이후 레이어에서 호환 가능한 히트 쌍을 식별하기 위해 탐색 창(search window)을 열고, 이를 나머지 레이어로 외삽(extrapolate)한다.
   • 최적화: 모듈 중첩 및 추가 히트로 인한 "고스트 트랙" 문제를 해결하기 위해 "히트 공유 최적화(hit-sharing optimization)"를 구현하였다. 하나의 히트가 여러 트랙 후보와 호환될 경우, 해당 히트는 가장 많은 매칭 히트를 가진 후보에게 우선적으로 할당된다.
   • 반복적 정밀화: 재구성 효율과 고스트율 억제 사이의 균형을 맞추기 위해 탐색 창의 크기를 반복적으로 최적화한다.

3. 하드웨어 알고리즘 (FPGA 기반 RETINA):

   • 예상되는 200 Tbit/s의 온라인 데이터 처리량을 해결하기 위해, 저자들은 VELO를 위해 원래 개발된 RETINA 알고리즘을 사용하여 FPGA 기반 구현을 조사하였다.
   • 과정: 이 알고리즘은 허프 변환(Hough transformation)을 사용하여 트랙 탐색 문제를 검출기 입구와 출구에 있는 두 개의 참조 평면에 의해 정의된 4차원 파라미터 공간 $(r_0, \phi_0, r_1, \phi_1)$으로 매핑한다.
   • 구현: 파라미터 공간은 이산화되며(현재 $150^4$ 셀, 위상 공간 제약을 통해 약 6백만 개의 활성 셀으로 감소), 검출기 히트는 그에 대응하는 셀의 값을 증가시킨다. 트랙 후보는 최소 3개의 히트를 포함하는 셀로 식별된다. 이후 후보를 정밀화하기 위해 $\chi^2$ 기반 선형 회귀가 적용된다.

주요 기여 및 결과
본 연구는 몬테카를로 시뮬레이션을 바탕으로 두 가지 재구성 방법의 성능 지표를 제시한다.

• 소프트웨어 알고리즘 성능:

  • 초기 seed-forward 알고리즘은 11.5%의 고스트율과 함께 82.1%의 전체 효율을 달了一다.
  • 히트 공유 최적화를 적용한 후, 전체 효율은 **91.4%**로 향상되었으며($p > 5 \text{ GeV}/c$인 트랙의 경우 **97.7%**까지 상승), 고스트율은 **3.9%**로 감소하였다.
  • 저자들은 $p > 1.5 \text{ GeV}/c$인 트랙들이 일반적으로 직선을 따르기 때문에 seed-forward 방식이 용이하다고 언급하였다.

• FPGA/RETINA 성능:

  • FPGA 기반 RETINA 알고리즘은 전체 효율 측면에서 기존의 seed-forward 방식과 대등한 추적 성능을 보여주었다.
  • 이 알고리즘은 트랙-파라미터 공간 내에서의 패턴 인식에 대한 허프 변환 전략의 효과 덕분에 저운동량 영역에서 재구성 효율이 눈에 띄게 개선됨을 보여주었다.
  • 그러나 현재의 FPGA 구현은 최적화된 소프트웨어 알고리즘에 비해 고운동량 영역에서 약간 더 높은 고스트율과 낮은 효율을 보였다. 저자들은 이러한 차이가 RET-INA 구현에 아직 완전히 통합되지 않은 히트 공유 및 반복 재구성과 같은 광범위한 최적화 과정 때문이라고 설명하였다.

의의 및 주장
본 논문은 UP 검출기가 적절한 재구성 알고리즘과 결합될 때 LHCb Upgrade II의 과제에 대한 실행 가능한 솔루션을 제공한다고 주장한다. 구체적으로:

• 고순도 입력값: 최적화된 단독 트랙은 글로벌 LHCb 재구성을 위한 고품질 입력을 제공하여, 상류(upstream)와 하류(downstream) 트랙 세그먼트 간의 연관성을 개선하고, 특히 저-$p_T$ 입자와 장수명 입자로부터 나오는 변위 트랙(displaced tracks)의 운동량 분해능을 향상시킨다.
• 실시간 실행 가능성: FPGA 기반 RETINA 방식은 고점유율 환경에서 실시간 이벤트 재구성과 트리거링에 필수적인 저지연(low-latency) 및 고병렬화된 추적의 잠재력을 입증한다.
• 향전 전망: 본 결과는 UP 단독 추적이 미래의 실시간 추적 시스템을 위한 견고한 구성 요소임을 시사하며, 하드웨어 가속 추적이 결정적인 역할을 할 더 높은 휘도 조건을 처리하기 위한 토대를 제공한다.

본 연구는 FPGA 솔루션이 모든 지표에서 현재 소프트웨어 솔리션보다 우월하다고 주장하는 것이 아니라, 하드웨어 가속이라는 이점을 가지면서도 대등한 성능을 달성하고 있으며, 남은 성능 격차를 줄이기 위한 추가적인 최적화가 기대된다는 점을 강조한다.