CE31 - Physique Subatomique, Sciences de l'Univers, Structure et Histoire de la Terre

Systèmes de déclenchement pour détecteurs ultra-granulaires dans des environnements de hautes énergies et de hautes luminosités – HiGranTS

Traitement d'images en temps réel pour les futurs détecteurs de particules à haute énergie

Systèmes de déclenchement pour les détecteurs à haute granularité dans les environnements à haute énergie et à haute luminosité

Développement d'algorithmes en temps réel pour le traitement d'images tridimensionnelles de collisions de particules à haute énergie

De nouvelles technologies de détection sont en cours de développement pour les futurs collisionneurs de particules, et en particulier pour la version améliorée du Grand collisionneur de hadrons (LHC), appelée LHC à haute luminosité. Parmi ces nouveaux détecteurs, un type de détecteur particulièrement innovant est appelé calorimètre à haute granularité. Ces détecteurs enregistrent des images de collisions de particules en trois dimensions contenant plusieurs millions de pixels à un rythme de 40 millions d'images par seconde. Compte tenu du taux élevé et de la grande taille de ces images, un filtrage et une sélection en temps réel des images de collisions intéressantes sont nécessaires. L'objectif de ce projet était de développer des algorithmes capables de réaliser cette tâche et d'étudier l'utilisation d'algorithmes d'intelligence artificielle dans ce contexte.<br />Les principaux défis du projet étaient la grande quantité de données que les algorithmes développés devaient traiter et le fait que ce traitement devait être effectué en temps réel. Des efforts considérables ont été nécessaires pour étudier et comprendre l'impact de la compression des données et de la réduction de la taille des algorithmes sur la qualité de la sélection des images de collision. Cela a abouti au développement d'algorithmes efficaces nécessitant très peu de ressources de traitement.

Les systèmes sur lesquels ces algorithmes de traitement en temps réel fonctionnent ne sont pas constitués d'ordinateurs standard, mais de puces électroniques particulières. Leur développement nécessite donc des outils et une expertise très spécifiques afin de les adapter à ce matériel. Une combinaison de ces outils a été utilisée pour développer ces algorithmes. En particulier, des outils récents qui automatisent le processus de développement, appelés outils de synthèse de haut niveau, ont permis de réduire considérablement le temps de développement. En parallèle, une simulation spécifique des mêmes algorithmes a également été réalisée afin d'étudier leurs performances.

Au cours de ce projet, il a été démontré que des algorithmes complexes, y compris des algorithmes d'intelligence artificielle, pouvaient être exécutés pour le filtrage en temps réel des événements de collision. Mais il s'est avéré qu'ils nécessitent des compressions et un formatage spécifiques de leurs données d'entrée provenant des détecteurs. Il a été montré qu'ils doivent également être soigneusement optimisés afin de réduire leur taille.
Ce projet a permis de renforcer les collaborations existantes avec plusieurs instituts dans le monde. Ces collaborations se poursuivront à l'avenir.

Si l'accent a été mis jusqu'à présent sur l'exploration de nouvelles idées, nous sommes désormais en mesure de travailler à la construction d'un système réel fonctionnant auprès de futurs calorimètres à haute granularité.

Dans le cadre de ce projet, quatre présentations ont été faites dans différentes conférences nationales et internationales, consacrées au développement de détecteurs pour la physique des particules, à l'électronique pour la physique des hautes énergies et à l'intelligence artificielle pour la physique des hautes énergies. Associés à ces communications dans des conférences, deux articles ont été publiés dans des revues à comité de lecture.

Les nouvelles techniques de calorimétrie pour les futurs accélérateurs à hautes énergies et hautes luminosités permettent de construire des détecteurs plus granulaires qui donnent accès à une vue 3D des gerbes de particules. La quantité de données produite par de tels détecteurs est gigantesque et soulève de nouveaux défis pour les systèmes de déclenchement.
Par ailleurs, l'information des détecteurs internes de traces sera incluse au premier niveau (L1) des systèmes de déclenchement. Elle pourra être utilisée par des algorithmes dits de Flux de Particules au niveau de l'électronique de déclenchement.
L'objectif de ce projet est de développer et d'implémenter des techniques de reconstruction innovantes pour les systèmes de déclenchement L1, basés sur des calorimètres ultra-granulaires couplés à des détecteurs de traces. Ceci nécessitera le déverouillage de plusieurs obstacles technologiques sur la chaîne de déclenchement pour assurer des décisions de déclenchement les plus pertinentes.


Les découvertes majeures en physique des hautes énergies sont toujours basées sur le développement de détecteurs et de techniques d'acquisition de données innovantes. Ces technologies ont aussi eu de nombreuses applications dans des domaines variés (santé, énergie, etc.). Les nouvelles techniques de calorimétrie pour les futurs accélérateurs à hautes énergies et hautes luminosités permettent de construire des détecteurs plus granulaires qui donnent accès à une vue 3D des gerbes de particules. En particulier, c'est le cas pour les calorimètres développés pour les très hautes luminosités au LHC (HL-LHC). La fine segmentation de ces calorimètres est un outil puissant pour reconstruire les événements de collision produits par ces collisionneurs, qui sont une superposition de plus d'une centaine d'interactions entre protons (phénomène dit d'empilement). Mais la quantité de données produite par de tels détecteurs est gigantesque et soulève de nouveaux défis pour les systèmes de déclenchement qui doivent transférer et traiter ces données de la manière la plus efficace possible. L'architecture de ces systèmes et les techniques algorithmiques qu'ils implémentent doivent être totalement réinventées pour pouvoir utiliser ce flux de données sans précédent.

Par ailleurs, des images plus globales des événements de collision sont aussi nécessaires au niveau du déclenchement pour maintenir une sélection efficace à haute luminosité des événements d'intérêt pour la physique. C'est la raison pour laquelle l'information des détecteurs internes de traces sera incluse au premier niveau (L1) des systèmes de déclenchement des expériences ATLAS et CMS au HL-LHC. Cette information pourra être utilisée par des algorithmes dits de Flux de Particules au niveau de l'électronique des systèmes de déclenchement. Les topologies des événements de collision intéressants doivent être identifiées rapidement malgré l'environnement extrêmement dur induit par l'empilement de plus d'une centaine de collisions. Il n'existe à l'heure actuelle aucun algorithme capable d'identifier des électrons, photons, leptons taus et jets hadroniques dans des calorimètres 3D et des détecteurs de traces avec les contraintes temporelles inhérentes aux systèmes de déclenchement L1.

L'objectif de ce projet est de développer et d'implémenter des techniques de reconstruction innovantes pour les systèmes de déclenchement L1, basés sur des calorimètres ultra-granulaires couplés à des détecteurs de traces. Ces techniques permettront d'utiliser tout le potentiel des nouveaux détecteurs au HL-LHC, tels que les futures calorimètres bouchons ultra-granulaires de CMS (HGCal) et le déclenchement à traces. Ceci nécessitera le déverouillage de plusieurs obstacles technologiques sur la chaîne de déclenchement pour assurer des décisions de déclenchement les plus pertinentes.

Coordination du projet

Jean-Baptiste Sauvan (Laboratoire Leprince-Ringuet)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

LLR Laboratoire Leprince-Ringuet

Aide de l'ANR 295 777 euros
Début et durée du projet scientifique : octobre 2018 - 48 Mois

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter