Palestrante
Descrição
O NeuralRinger é o discriminador padrão da colaboração ATLAS na detecção de elétrons na etapa rápida de trigger, e para isso, utiliza a informação dos calorímetros formatada em anéis centrados na célula mais quente para alimentar um conjunto de redes neurais artificiais. Cada classificador deste conjunto é especializado em uma faixa de valores de energia transversa e pseudorapidez, o que possibilita uma melhor caracterização da física de interesse e maior eficiência de trigger. Para o projeto e as atualizações do NeuralRinger, foi necessário desenvolver um framework computacional capaz de: (i) acessar os dados do detector (experimentais ou simulados) e efetuar a reconstrução da cadeia de trigger para agrupamentos eletromagnéticos; (ii) realizar a segmentação dos dados coletados em energia e pseudorapidez necessárias para treinamento e operação do conjunto de redes neurais; (iii) executar o processo de treinamento do conjunto de redes neurais artificiais e (iv) analisar os resultados obtidos visando a operação na estrutura de software do ATLAS. O framework é composto dos seguintes módulos: Apolo, Prometheus, Saphyra e Kolmov. O Apolo é o framework responsável por extrair as informações de interesse do ambiente computacional do ATLAS. São contabilizadas nessa extração as informações associada a cada evento e em cada etapa do sistema de trigger: Level 1, etapa Fast e etapa Precision do HLT (do inglês, High Level Trigger), bem como o valor da energia de cada partícula e a sua pseudorapidez. Essas informações são utilizadas pelo framework Prometheus, que separa os dados em faixas de energia e pseudorapidez e realiza emulações das cadeias de trigger para elétrons e fótons, a fim de avaliar o impacto da inserção dos modelos neurais em diversas etapas das cadeias de processamento. Uma vez separadas, as informações de cada partícula, os anéis construídos são utilizados pelo Saphyra, que é o framework responsável por treinar os modelos neurais em diversos tipos de arquitetura. O Saphyra utiliza o TensorFlow® como biblioteca de software que dá suporte para o treinamento de classificadores neurais rasos e profundos. Para realizar a análise dos classificadores treinados, o Kolmov é utilizado. Uma análise da validação cruzada do treinamento é disponibilizada, permitindo escolher o melhor modelo para cada faixa de energia e pseudorapidez, bem como realizar o procedimento de correção por valores de empilhamento das amostras coletadas pelo Apolo. Os classificadores ajustados são processados novamente pelo Prometheus, para avaliar a eficiência e seu impacto na cadeia de trigger em função da energia da partícula, da pseudorapidez e empilhamento de sinais. Todo o framework foi adaptado para ser executado em um cluster de GPU (Graphics Processing Unit) e CPU (Central Processing Unit), pois é dotado de um sistema de controle de acesso remoto e alocação de recursos que é capaz de gerenciar tarefas com opção de processamento em modo paralelo. Com exceção do Apolo, os demais módulos podem ser instalados através de containers, facilitando sua instalação e evitando problemas de dependências. Este ambiente de desenvolvimento vem dando suporte aos colaboradores brasileiros, suíços e franceses que colaboram para os desenvolvimentos no HLT do ATLAS.
| Key Words | Software; Framework; Desenvolvimento; Análise de Dados |
|---|
