Cellular automaton based track finder in the STAR experiment (BNL, USA)

  • The relevant field of interest in High Energy Physics experiments is shifting to searching and studying extremely rare particles and phenomena. The search for rare probes requires an increase in the number of available statistics by increasing the particle interaction rate. The structure of the events also becomes more complicated, the multiplicity of particles in each event increases, and a pileup appears. Due to technical limitations, such data flow becomes impossible to store fully on available storage devices. The solution to the problem is the correct triggering of events and real-time data processing. In this work, the issue of accelerating and improving the algorithms for reconstruction of the charged particles' trajectories based on the Cellular Automaton in the STAR experiment is considered to implement them for track reconstruction in real-time within the High-Level Trigger. This is an important step in the preparation of the CBM experiment as part of the FAIR Phase-0 program. The study of online data processing methods in real conditions at similar interaction energies allows us to study this process and determine the possible weaknesses of the approach. Two versions of the Cellular Automaton based track reconstruction are discussed, which are used, depending on the detecting systems' features. HFT~CA Track Finder, similar to the tracking algorithm of the CBM experiment, has been accelerated by several hundred times, using both algorithm optimization and data-level parallelism. TPC~CA Track Finder has been upgraded to improve the reconstruction quality while maintaining high calculation speed. The algorithm was tuned to work with the new iTPC geometry and provided an additional module for very low momentum track reconstruction. The improved track reconstruction algorithm for the TPC detector in the STAR experiment was included in the HLT reconstruction chain and successfully tested in the express production for the online real data analysis. This made it possible to obtain important physical results during the experiment runtime without the full offline data processing. The tracker is also being prepared for integration into a standard offline data processing chain, after which it will become the basic track search algorithm in the STAR experiment.
  • Das Interessensgebiet der Hochenergiephysik-Experimente verschiebt sich hin zur Suche und Untersuchung extrem seltener Teilchen und Phänomene. Zur Erhöhung der Anzahl verfügbarer Statistiken über seltene Ereignisse erfordert es einen Anstieg der Kollisionsrate von Teilchen. Die Struktur der Ereignisse wird komplizierter, die Teilchenvielfalt in jedem Event nimmt zu und es kommt zur Überlagerung von Ereignissen. Aufgrund technischer Einschränkungen kann ein solcher Datenfluss nicht vollständig auf verfügbaren Speichergeräten zur späteren Analyse gesichert werden. Die Lösung des Problems liegt in der korrekten Selektion von Ereignissen und der Datenverarbeitung in Echtzeit. In dieser Arbeit wird der Aspekt der Beschleunigung und Verbesserung der Algorithmen zur Rekonstruktion der Flugbahnen geladener Teilchen basierend auf einem zellulären Automaten in dem STAR-Experiment betrachtet, um die Algorithmen für die Spurrekonstruktion in Echtzeit innerhalb des High-Level-Triggers zu implementieren. Dies ist ein wichtiger Schritt in der Vorbereitung des CBM-Experiments im Rahmen des Phase-0-Programms der FAIR. Die Untersuchung von Online-Datenverarbeitungsmethoden unter realen Bedingungen bei ähnlichen Kollisionsenergien ermöglicht es uns, diesen Prozess zu untersuchen und die möglichen Schwächen des jeweiligen Ansatzes zu bestimmen. Es werden zwei Varianten der auf einem zellulären Automaten basierenden Spurrekonstruktion analysiert, die je nach den Merkmalen der Erkennungssysteme verwendet werden. Der HFT~CA Track Finder, ähnlich dem Tracking-Algorithmus des CBM-Experiments, wurde um das mehrere Hundertfache beschleunigt, indem sowohl Algorithmusoptimierungen durchgeführt als auch Datenparallelität ausgenutzt wurden. Der TPC~CA Track Finder wurde aktualisiert, um die Rekonstruktionsqualität zu verbessern und gleichzeitig eine hohe Berechnungsgeschwindigkeit beizubehalten. Dieser Algorithmus wurde auf die Arbeit mit der neuen iTPC-Geometrie abgestimmt und stellt ein zusätzliches Modul für die Streckenrekonstruktion von Teilchen mit sehr geringem Momentum bereit. Der verbesserte Spurrekonstruktionsalgorithmus für den TPC-Detektor im STAR-Experiment wurde in die HLT-Rekonstruktionskette aufgenommen und erfolgreich in der „STAR-Express-Production“ für die Online-Echtdatenanalyse getestet. Dadurch war es möglich, wichtige physikalische Ergebnisse während der Versuchslaufzeit, ohne die vollständige Offline-Datenverarbeitung, zu erhalten. Der Tracker wird auch für die Integration in eine Standard-Offline-Datenverarbeitungskette vorbereitet, wonach er zum grundlegenden Spur-Suchalgorithmus im STAR-Experiment wird.

Download full text files

Export metadata

Metadaten
Author:Grigory KozlovGND
URN:urn:nbn:de:hebis:30:3-686417
DOI:https://doi.org/10.21248/gups.68641
Place of publication:Frankfurt am Main
Referee:Ivan KiselORCiD, Volker Lindenstruth
Advisor:Ivan Kisel
Document Type:Doctoral Thesis
Language:English
Date of Publication (online):2022/06/08
Year of first Publication:2022
Publishing Institution:Universitätsbibliothek Johann Christian Senckenberg
Granting Institution:Johann Wolfgang Goethe-Universität
Date of final exam:2022/05/24
Release Date:2022/08/12
Tag:CBM experiment; Cellular Automaton; HPC; STAR experiment; Tracking
Page Number:161
Last Page:152
HeBIS-PPN:498112039
Institutes:Informatik und Mathematik
Dewey Decimal Classification:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 004 Datenverarbeitung; Informatik
Sammlungen:Universitätspublikationen
Licence (German):License LogoDeutsches Urheberrecht