Разработка системы локального трекинга в коллайдерных экспериментах с применением методов глубокого обучения

Никольская Анастасия Николаевна
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

Трекинг частиц – фундаментальная часть анализа данных для экспериментов физики высоких энергий. Во многих экспериментах используются GEM-детекторы для регистрации треков частиц. Такие детекторы обладают хорошими характеристиками, но при этом из-за своей конструкции производят большое количество ложных хитов. Наиболее часто для выделения треков из получаемых данных используется фильтр Калмана, однако он требует сложной процедуры построения начальных отрезков треков-кандидатов и имеет экспоненциальную сложность по отношению к множественности события. В данной работе представлено решение для идентификации и реконструкции треков на основе глубокой нейронной сети TrackNETv2. Эта модель легковесная, эффективная и может быть обучена с помощью моделирования Монте-Карло. В статье используются данные, смоделированные для экспериментов BM@N и BESIII. Эксперименты с данными BESIII выявили ограничения исходной модели, поэтому в новой модели – TrackNETv3 -были добавлены дополнительные блоки. Была предложена новая схема обучения исходной модели и адаптирован алгоритм быстрого поиска в индексе хитов для продолжений трека-кандидата. Все модификации были оценены на смоделированных данных, а также рассмотрены их сильные стороны и ограничения для применения в задаче трекинга.

Введение…………………………………………………………………………………………… 4

Постановка задачи …………………………………………………………………………. 6

Глава 1. Трековые детекторы …………………………………………………………….. 8

1.1. Эксперимент BESIII…………………………………………………………… 12

1.2. Эксперимент BM@N мегапроекта NICA ………………………………… 14

Глава 2. Обзор литературы………………………………………………………………. 18

2.1. Метод конформного отображения ……………………………………… 19

2.2. Преобразование Хафа ………………………………………………………… 20

2.3. Метод прослеживания по дорожке …………………………………….. 20

2.4. Подгонка треков методом наименьших квадратов ……………… 21

2.5. Фильтр Калмана ………………………………………………………………… 23

2.6. Клеточный автомат для поиска трек-кандидатов ………………… 27

2.7. Нейронные сети Хопфилда ………………………………………………… 29

2.8. Эластичные нейронные сети………………………………………………. 31

2.9. Глубокие нейронные сети ………………………………………………….. 32

Глава 3. Разработка модели TrackNETv3 для локального трекинга …… 36

3.1. Применение TrackNETv2 к данным коллайдерных экспериментов
на примере BESIII …………………………………………………………………………………. 36

3.2. Разработка классификатора треков-кандидатов………………………. 37

3.2.1. Классификатор на основе внутренних признаков TrackNETv2
3.2.2. Классификатор на основе координат трека …………………….. 39

3.3. Процедура обучения ………………………………………………………………. 40

Глава 4. Разработка программного решения …………………………………….. 43
4.1. Используемые технологии. библиотека Ariadne ……………………… 43

4.2. Разработка модуля трансформаций ………………………………………… 45

4.3. Проектирование стадии подготовки данных …………………………… 48

4.4. Разработка стадии инференса…………………………………………………. 49

Глава 5. Подготовка данных ……………………………………………………………. 52

5.1. Подготовка данных для тестирования и тренировки ………………. 52

5.2. Подготовка данных для классификатора ………………………………… 54

Глава 6. Эксперименты и результаты ………………………………………………. 56

6.1. Оценка результатов трекинга …………………………………………………. 56

6.2. Сравнение результатов экспериментов …………………………………… 58

6.2.1. BESIII………………………………………………………………………………. 58

6.2.2. BM@N …………………………………………………………………………….. 61

6.3. Анализ результатов ……………………………………………………………….. 62

Заключение …………………………………………………………………………………….. 66

Список источников …………………………………………………………………………. 68

Приложение 1 Листинги трансформаций …………………………………………. 73

Приложение 2. Листинги подготовки данных ………………………………….. 89

Приложение 3. Листинги моделей …………………………………………………… 92

Приложение 5. Листинги инференса ……………………………………………….. 95

В современном мире всё чаще возникают исследовательские задачи,
требующие массивного использования экспериментальной и вычислительной
техники. Такие задачи производят огромные объемы данных, которые
необходимо правильно обрабатывать и интерпретировать. В результате,
работа с большим данными играет одну из ключевых ролей в современных
исследованиях, поэтому разработка быстрых и точных систем обработки
информации становится всё более актуальной. Так, существующие на
сегодняшний день эксперименты в области физики высоких энергий,
производят гигантские потоки информации, достигшие уже экзабайтного
уровня, и поэтому требуют специальных компьютерных и сетевых систем для
распределенного сбора, фильтрации и обработки данных [1].

В данной работе была решена задача трекинга частиц в экспериментах с
детекторами на основе ГЭУ на примере BESIII и BM@N. Особенность этих
экспериментов заключается в том, что детекторы в них регистрируют не
только пролетающие сквозь своё внутреннее пространство частицы, но и
большое количество вторичных частиц или попросту шума, называемых
фейками. В результате методы типа фильтра Калмана перестают
удовлетворять требованиям таких экспериментов по скорости.

В данной работе был развит нейросетевой подход для трекинга частиц.
Была предложена модификация модели TrackNETv2. Так, исследования
показали, что TrackNETv2 не может фильтровать ложные треки для
детекторов с небольшим количеством станций обнаружения, как, например, 3
в эксперименте BESIII. Всего один процент ложных треков отбрасывался, что
не удовлетворяло требованиям физиков по качеству трекинга. Эта модель
была изменена путем добавления части классификатора для фильтрации
фейковых треков-кандидатов, что расширило ее возможности обобщения.
Также была существенно переработана процедура обучения и тестирования
данной модели.

Разработанный подход был также адаптирован для эксперимента
BM@N, что привело к увеличению качества трекинга на данном эксперименте
и подтвердило целесообразность использования данного метода локального
трекинга не только в экспериментах с низкими энергиями взаимодействия, но
и в экспериментах с более высокими энергиями.

Для разработки системы локального трекинга использовалась и
дополнялась открытая библиотека для нейросетевого трекинга Ariadne. При
решении задач, описанных в данной работе, библиотека была дополнена
модулями для подготовки данных, их трансформации, режима инференса.
Кроме того, как базовая модель TrackNETv2, так и новая модель TrackNETv3
вошли в набор готовых моделей этой библиотеки, а методы подготовки
данных для экспериментов BM@N и BESIII также стали частью этой
библиотеки.

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    Андрей С. Тверской государственный университет 2011, математический...
    4.7 (82 отзыва)
    Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на... Читать все
    Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на продолжение диссертационной работы... Всегда готов помочь! ;)
    #Кандидатские #Магистерские
    164 Выполненных работы
    Лидия К.
    4.5 (330 отзывов)
    Образование высшее (2009 год) педагог-психолог (УрГПУ). В 2013 году получено образование магистр психологии. Опыт преподавательской деятельности в области психологии ... Читать все
    Образование высшее (2009 год) педагог-психолог (УрГПУ). В 2013 году получено образование магистр психологии. Опыт преподавательской деятельности в области психологии и педагогики. Написание диссертаций, ВКР, курсовых и иных видов работ.
    #Кандидатские #Магистерские
    592 Выполненных работы
    Ольга Б. кандидат наук, доцент
    4.8 (373 отзыва)
    Работаю на сайте четвертый год. Действующий преподаватель вуза. Основные направления: микробиология, биология и медицина. Написано несколько кандидатских, магистерских... Читать все
    Работаю на сайте четвертый год. Действующий преподаватель вуза. Основные направления: микробиология, биология и медицина. Написано несколько кандидатских, магистерских диссертаций, дипломных и курсовых работ. Слежу за новинками в медицине.
    #Кандидатские #Магистерские
    566 Выполненных работ
    Кирилл Ч. ИНЖЭКОН 2010, экономика и управление на предприятии транс...
    4.9 (343 отзыва)
    Работы пишу, начиная с 2000 года. Огромный опыт и знания в области экономики. Закончил школу с золотой медалью. Два высших образования (техническое и экономическое). С... Читать все
    Работы пишу, начиная с 2000 года. Огромный опыт и знания в области экономики. Закончил школу с золотой медалью. Два высших образования (техническое и экономическое). Сейчас пишу диссертацию на соискание степени кандидата экономических наук.
    #Кандидатские #Магистерские
    692 Выполненных работы
    Алёна В. ВГПУ 2013, исторический, преподаватель
    4.2 (5 отзывов)
    Пишу дипломы, курсовые, диссертации по праву, а также истории и педагогике. Закончила исторический факультет ВГПУ. Имею высшее историческое и дополнительное юридическо... Читать все
    Пишу дипломы, курсовые, диссертации по праву, а также истории и педагогике. Закончила исторический факультет ВГПУ. Имею высшее историческое и дополнительное юридическое образование. В данный момент работаю преподавателем.
    #Кандидатские #Магистерские
    25 Выполненных работ
    Александр Р. ВоГТУ 2003, Экономический, преподаватель, кандидат наук
    4.5 (80 отзывов)
    Специальность "Государственное и муниципальное управление" Кандидатскую диссертацию защитил в 2006 г. Дополнительное образование: Оценка стоимости (бизнеса) и госфин... Читать все
    Специальность "Государственное и муниципальное управление" Кандидатскую диссертацию защитил в 2006 г. Дополнительное образование: Оценка стоимости (бизнеса) и госфинансы (Казначейство). Работаю в финансовой сфере более 10 лет. Банки,риски
    #Кандидатские #Магистерские
    123 Выполненных работы
    Екатерина Б. кандидат наук, доцент
    5 (174 отзыва)
    После окончания института работала экономистом в системе государственных финансов. С 1988 года на преподавательской работе. Защитила кандидатскую диссертацию. Преподав... Читать все
    После окончания института работала экономистом в системе государственных финансов. С 1988 года на преподавательской работе. Защитила кандидатскую диссертацию. Преподавала учебные дисциплины: Бюджетная система Украины, Статистика.
    #Кандидатские #Магистерские
    300 Выполненных работ
    Анна К. ТГПУ им.ЛН.Толстого 2010, ФИСиГН, выпускник
    4.6 (30 отзывов)
    Я научный сотрудник федерального музея. Подрабатываю написанием студенческих работ уже 7 лет. 3 года назад начала писать диссертации. Работала на фирмы, а так же помог... Читать все
    Я научный сотрудник федерального музея. Подрабатываю написанием студенческих работ уже 7 лет. 3 года назад начала писать диссертации. Работала на фирмы, а так же помогала студентам, вышедшим на меня по рекомендации.
    #Кандидатские #Магистерские
    37 Выполненных работ
    Мария Б. преподаватель, кандидат наук
    5 (22 отзыва)
    Окончила специалитет по направлению "Прикладная информатика в экономике", магистратуру по направлению "Торговое дело". Защитила кандидатскую диссертацию по специальнос... Читать все
    Окончила специалитет по направлению "Прикладная информатика в экономике", магистратуру по направлению "Торговое дело". Защитила кандидатскую диссертацию по специальности "Экономика и управление народным хозяйством". Автор научных статей.
    #Кандидатские #Магистерские
    37 Выполненных работ

    Другие учебные работы по предмету