AI-Assisted Detector Design for the EIC (AID(2)E)

要約

人工知能は、将来の電子イオン衝突型加速器で ePIC のような複雑で大規模な検出器の設計を変革する態勢を整えています。
ePIC 実験には、中央検出器と遠方前方領域および遠方後方領域の追加検出システムを備えた特徴があり、機械的および幾何学的制限によって制約される性能、物理的到達距離、コストなどの多数の設計パラメータと目標が組み込まれています。
このプロジェクトは、最先端の多目的最適化を採用して複雑な設計に取り組む、EIC (AID(2)E) 用のスケーラブルな分散型 AI 支援検出器設計を開発することを目的としています。
ePIC ソフトウェア スタックによってサポートされ、Geant4 シミュレーションを使用する当社のアプローチは、透過的なパラメーター化と高度な AI 機能の恩恵を受けます。
このワークフローは、CERN LHC の ATLAS、ルービン天文台、RHIC の sPHENIX などの主要な実験で使用される PanDA および iDDS システムを活用して、ePIC 検出器シミュレーションの大量の計算要求を管理します。
PanDA システムに対するカスタマイズされた機能強化は、使いやすさ、拡張性、自動化、監視に重点を置いています。
最終的に、このプロジェクトは、堅牢な設計機能を確立し、分散型 AI 支援ワークフローを ePIC 検出器に適用し、そのアプリケーションを EIC の 2 番目の検出器 (Detector-2) の設計、およびキャリブレーションと検出に拡張することを目的としています。
調整タスク。
さらに、この最適化プロセスを通じて特定された複雑で多次元のトレードオフを効率的にナビゲートするための高度なデータ サイエンス ツールを開発しています。

要約(オリジナル)

Artificial Intelligence is poised to transform the design of complex, large-scale detectors like the ePIC at the future Electron Ion Collider. Featuring a central detector with additional detecting systems in the far forward and far backward regions, the ePIC experiment incorporates numerous design parameters and objectives, including performance, physics reach, and cost, constrained by mechanical and geometric limits. This project aims to develop a scalable, distributed AI-assisted detector design for the EIC (AID(2)E), employing state-of-the-art multiobjective optimization to tackle complex designs. Supported by the ePIC software stack and using Geant4 simulations, our approach benefits from transparent parameterization and advanced AI features. The workflow leverages the PanDA and iDDS systems, used in major experiments such as ATLAS at CERN LHC, the Rubin Observatory, and sPHENIX at RHIC, to manage the compute intensive demands of ePIC detector simulations. Tailored enhancements to the PanDA system focus on usability, scalability, automation, and monitoring. Ultimately, this project aims to establish a robust design capability, apply a distributed AI-assisted workflow to the ePIC detector, and extend its applications to the design of the second detector (Detector-2) in the EIC, as well as to calibration and alignment tasks. Additionally, we are developing advanced data science tools to efficiently navigate the complex, multidimensional trade-offs identified through this optimization process.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google