ALICE TPC 온라인 컴퓨팅을 위한 신경망 클러스터화

ALICE 타임 프로젝션 챔버(TPC)는 CERN에서 진행되는 ALICE 실험 중 가장 높은 데이터 전송률을 가진 검출기로, 추적 및 입자 식별의 중심 검출기입니다. 클러스터화와 추적 같은 효율적인 온라인 컴퓨팅은 주로 약 900 GB/s의 처리량을 가진 GPU에서 수행됩니다. 특히 클러스터화는 머신러닝 분야 내 다양한 알고리즘을 바탕으로 확립된 기반을 가지고 있습니다. 본 연구는 위상학적 기반의 클러스터 거부 및 회귀를 위한 신경망 접근법을 조사합니다. 주요 과제는 중력 중심, 시그마 및 전체 전하 추정과 TPC 읽기 아웃에서의 클러스터 거부입니다. 또한, 재구성된 트랙과 결합하여 읽기 아웃 행 전반에서 3D 입력으로부터 운동량 벡터 추정도 수행하여 트랙 시딩에 도움이 될 수 있습니다. 추론 속도, 모델 구조 및 몬테카를로 데이터를 사용한 물리 성능에 관한 성능 연구를 제시하며, 이는 추적 성능을 유지하면서 현재 GPU 클러스터라이저에 비해 약 30% 감소된 클러스터 가짜율로 원시 클러스터의 5–10%를 거부할 수 있음을 보여줍니다.