Clusterização por rede neural para computação online do TPC ALICE

A Câmara de Projeção Temporal (TPC) do experimento ALICE é o detector com a maior taxa de dados do experimento ALICE no CERN e é o detector central para rastreamento e identificação de partículas. Computação online eficiente, como clusterização e rastreamento, é principalmente realizada em GPUs com vazão de aproximadamente 900 GB/s. A clusterização, em particular, tem uma base bem estabelecida, com uma variedade de algoritmos no campo do aprendizado de máquina. Este trabalho investiga uma abordagem por rede neural para rejeição e regressão de clusters com base topológica. Central para sua tarefa estão as estimativas do centro de gravidade, sigma e carga total, bem como a rejeição de clusters na leitura do TPC. Além disso, uma estimativa de vetor de momento é feita a partir da entrada 3D ao longo das linhas de leitura em combinação com trilhas reconstruídas, o que pode beneficiar a semeadura de trilhas. Estudos de desempenho sobre velocidade de inferência, arquiteturas de modelos e desempenho físico em dados de Monte Carlo são apresentados, mostrando que o desempenho do rastreamento pode ser mantido enquanto se rejeita 5–10% dos clusters brutos com uma taxa de falsos clusters reduzida em ~30% em comparação com o clusterizador atual baseado em GPU.