LHCb 及其升级版重建中的机器学习与并行计算
仪器与探测器
2017-11-23 v1 高能物理 - 实验
摘要
在 LHC 上高度成功的第一轮取数期之后，LHCb 实验为 Run II 开发了一种具有实时重建、对齐和标定的新触发策略。该策略依赖于高级触发中的类离线径迹重建，使得单独的离线事件重建变得不必要。为了实现此类重建，并额外跟上加速器升级带来的更高事件率，必须减少径迹重建所用的时间。时序改进部分是通过利用并行计算技术实现的，本文将通过两个示例应用来描述这些技术。尽管减少了计算时间，但在重建效率和假率方面的重建质量在多处得到了改善。文中强调了快速机器学习技术的两种应用，用于在重建早期阶段精炼径迹候选选择。
引用
@article{arxiv.1710.08947,
title = {Machine learning and parallelism in the reconstruction of LHCb and its upgrade},
author = {Marian Stahl},
journal= {arXiv preprint arXiv:1710.08947},
year = {2017}
}
备注
8 pages, 6 figures. Submitted to Journal of Physics: Conference Series as proceedings for the 22nd International Conference on Computing in High Energy and Nuclear Physics, CHEP 2016, 10-14 October 2016, San Francisco