Open Science with the LHCb Ntupling Service
LHCb 合作组推出了一项创新的基于 Web 的 Ntupling 服务，旨在为超过 4 PB 的 Run 1 和 Run 2 质子-质子碰撞数据提供开放、按需的访问，从而最大限度地提高这些珍贵数据集的科学产出和未来的可发现性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
高能物理学是研究宇宙最基本构建模块的学科，通过将粒子以接近光速的速度碰撞来进行研究。这些碰撞会产生新的粒子喷流，探测器会将这些喷流捕捉并转化为海量的数字信息。几十年来，建造这些庞大机器的科学家是唯一能够解读数据的人，因为文件是以复杂的自定义语言编写的，需要专门的软件才能解码。这造成了一道障碍：一旦一个团队完成了其官方分析，原始数据往往就会处于闲置状态，无法被更广泛的世界所获取。 “开放科学”的目标就是改变这一点，允许世界各地的研究人员、学生和好奇的心灵能够重新审视这些碰撞并提出新的问题。然而，仅仅发布原始文件是不够的；对于没有特定实验博士学位的人来说，这些数据过于庞大且过于复杂。挑战在于，如何找到一种方法，使这一宝库变得可用，而不必强迫每一位新用户去学习该实验整套复杂精细的软件历史。
为了解决这个问题，欧洲核子研究中心（CERN）的 LHCb 合作组构建了一个名为“LHCb Ntupling Service”的新型数字工具。这是一个基于 Web 的平台，充当了大型强子对撞机中存储的海量复杂数据与科学家用于分析数据的日常工具之间的桥梁。该服务并不强迫用户下载数个太字节（terabytes）的原始、不可读的文件，而是允许他们请求自己所需的确切信息。用户可以登录，选择他们感兴趣的特定类型粒子碰撞，并选择他们希望看到的关于这些碰撞的具体细节。系统随后会自动处理数据，仅提取这些特定的细节，并将其整理成一种干净的标准格式，以便使用通用的分析软件打开。这个被称为“ntupling”的过程，将数据从一个封闭的保险库转变为一本易于阅读的开源书籍。该服务涵盖了对撞机前两次主要运行的数据，代表了超过 4 페塔字节（petabytes）的碰撞历史，并且它首次以这种灵活的方式开放了第二次运行的数据。
该系统通过将用户友好的网站连接到在全球范围内运行的强大计算网格来工作。当一个人访问该网站时，迎接他们的是一个示例库，展示了其他人如何利用该工具来研究诸如特定粒子的质量等课题。如果他们想要创建自己的研究，可以使用引导式界面来挑选他们想要调查的粒子（例如某种特定的衰变过程），然后选择他们希望记录的确切变量（例如粒子的速度或方向）。系统不会接受可能危害网络的代码或指令；相反，它会将用户的选择转化为一个安全、标准的配置文件。该文件随后会被发送给专家团队进行审核，以确保其正确且安全。一旦获得批准，请求将被发送到全球 LHC 计算网格（Worldwide LHC Computing Grid），由数千台计算机协同工作来处理数据。系统首先会运行一个小规模测试，以确保用户获取的信息是正确的。如果测试成功，用户可以批准一次完整运行，从而处理他们请求的整个数据集。
其结果是一个定制的数据文件，大小通常在几百兆字节（megabytes）到几百吉字节（gigabytes）之间，用户可以直接从 Web 端下载。该文件仅包含用户请求的信息，剥离了原始实验中不必要的复杂性。这种方法与以往的方法相比具有显著优势。过去，为了实现数据开放，团队必须以原始的、巨大的格式发布整个数据集，对于第二次运行的对撞机而言，这意味着要将近 10 艾字节（exabytes/petabytes 语境下指代极大规模数据）的数据复制到公共门户网站——这项任务对于资源和成本而言都过于沉重，是不可行的。通过按需创建这些定制的小型文件，该服务保持了较小的数据足迹，前 100 个请求产生的总输出仅约为 10 太字节（terabytes）。这使得任何拥有标准计算机和互联网连接的人都能获取数据，无需昂贵的计算集群或专门的培训。
该服务的设计非常直观，即使是没有粒子物理背景的人也能使用。它包含了详细的指南和示例，引导用户完成从选择数据集到分析结果的每一个步骤。用户可以通过该平台直接与 LHCb 开放数据团队进行沟通，询问问题或寻求针对其特定请求的帮助。这种互动已被证明是非常有价值的，团队收到了来自包括大学学生、高中教师和专业研究人员在内的多样化用户的积极反馈。该工具已被广泛用于各种用途，从研究奇异粒子的特性到开发新的统计方法以及教授物理概念。该系统还与 CERN 开放数据门户相连，成功的请求可以转化为永久的、可引用的记录，并带有唯一的数字标识符，从而确保数据能为后代所用。
展望未来，该服务旨在不断成长。团队计划纳入最初未提供的 2018 年数据，并最终扩展到包括其他类型的碰撞（如涉及铅离子的碰撞）。虽然下一阶段的对撞机（Run 3）由于底层数据结构发生了变化，需要对软件进行重大更新，但目前的系统已代表了一个里程碑。它成功证明了，无需让每位用户都成为该实验内部软件专家的前提下，也可以开放世界上最复杂的科学数据。通过提供一条清晰、有引导性的数据路径，LHCb Ntupling Service 已将一个庞大、静态的档案变成了一个动态的资源，让科学界能够以全新的自由度和便捷性去探索宇宙的奥秘。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。