基于REANA部署实现MadMiner的可扩展化

Irina Espejo; Sinclert Pérez; Kenyi Hurtado; Lukas Heinrich; Kyle Cranmer

基于REANA部署实现MadMiner的可扩展化

高能物理 - 实验 2023-04-13 v1

作者: Irina Espejo , Sinclert Pérez , Kenyi Hurtado , Lukas Heinrich , Kyle Cranmer

摘要

MadMiner是一个Python包，实现了一系列利用矩阵元信息和机器学习的强大多元推断技术。这种多元方法既不需要将高维数据化简为汇总统计量，也不需要对底层物理或探测器响应做任何简化。在本文中，我们解决了在真实尺度高能物理(HEP)分析中部署MadMiner所带来的若干挑战，旨在提供一种易于获取的HEP新工具。所提出的方法将一个典型的MadMiner流程封装为以YAML文件描述的参数化yadage工作流。该通用工作流被拆分为两个yadage子工作流，一个处理物理模拟，另一个处理机器学习推断。之后，该工作流使用REANA(一个可复现的研究数据分析平台)进行部署，该平台负责灵活性、可扩展性、可复用性和可复现性。为测试我们方法的性能，我们在以HT-Condor为后端的National Energy Research Scientific Computer (NERSC)集群上对MadMiner工作流进行了扩展性实验。物理子工作流的各个阶段在资源或壁钟时间与生成事件数之间均呈线性依赖关系。这一趋势使我们能够在一个典型MadMiner工作流(包含11M个事件)上于5小时内完成，而原始研究需要数天。

关键词

MadMiner 多元推断 yadage工作流 REANA 高能物理扩展性实验可复现分析

引用

@article{arxiv.2304.05814,
  title  = {Scaling MadMiner with a deployment on REANA},
  author = {Irina Espejo and Sinclert Pérez and Kenyi Hurtado and Lukas Heinrich and Kyle Cranmer},
  journal= {arXiv preprint arXiv:2304.05814},
  year   = {2023}
}

备注

To be published in proceedings of 21st International Workshop on Advanced Computing and Analysis Techniques in Physics Research

基于REANA部署实现MadMiner的可扩展化

摘要

关键词

引用

备注

相关论文