基于 GPU 的 ALICE TPC 在 Run 3 连续读出下的在线径迹重建
仪器与探测器
2019-10-02 v1
摘要
在 LHC Run 3 中，ALICE 将最小偏置 Pb-Pb 碰撞的数据获取速率显著提升至 50 kHz 连续读出。在线-离线计算升级的重建策略设想在数据获取期间进行第一个同步在线重建阶段以实现探测器校准和数据压缩，以及随后的已校准异步重建阶段。许多新挑战随之出现，其中包括 TPC 连续读出、更多重叠碰撞、同步阶段中初级顶点和位置相关校准的先验知识缺失、低动量回旋径迹的识别，以及复杂的原始数据压缩。时间投影室(TPC)的跟踪算法将基于元胞自动机与卡尔曼滤波器。该重建需在线运行，每秒处理的碰撞次数比现今多 50 倍，同时产生与当前离线重建相当的结果。我们的 TPC 径迹寻找通过 OpenCL 和 CUDA API 在两个重建阶段的 CPU 和 GPU 共享源代码上利用硬件加速器的潜力。我们概述了 Run 3 跟踪的现状，包括在处理器和 GPU 上的性能以及所实现的压缩比。
引用
@article{arxiv.1905.05515,
title = {GPU-based Online Track Reconstruction for the ALICE TPC in Run 3 with Continuous Read-Out},
author = {David Rohr and Sergey Gorbunov and Marten Ole Schmidt and Ruben Shahoyan},
journal= {arXiv preprint arXiv:1905.05515},
year = {2019}
}
备注
8 pages, 7 figures, contribution to CHEP 2018 conference