Rossi Tisbeni, Simone
(2026)
Advanced computing techniques for online and offline CMS data processing in the HL-LHC era, [Dissertation thesis], Alma Mater Studiorum Università di Bologna.
Dottorato di ricerca in
Data science and computation, 37 Ciclo. DOI 10.48676/unibo/amsdottorato/12588.
Documenti full-text disponibili:
Abstract
La scoperta del bosone di Higgs nel 2012 da parte di CMS e ATLAS al LHC del CERN ha rappresentato un traguardo per la ricerca in fisica delle particelle. Sebbene il Modello Standard descriva con successo le particelle e le forze fondamentali, molte domande rimangono ancora senza risposta. L’High-Luminosity LHC rappresenta il prossimo grande upgrade, con entrata in funzione prevista per il 2030, fornendo nel corso della sua vita una luminosità integrata dieci volte superiore e notevole aumento della frequenza delle collisioni. L’obiettivo è ampliare le capacità degli esperimenti e analizzare dati che potrebbero offrire nuove prospettive sui modelli teorici. Le sfide poste dall’HL-LHC a CMS sono considerevoli. La dimensione media degli eventi crescerà di un ordine di grandezza, mentre la frequenza di accettazione del trigger aumenterà fino a 750kHz. Senza progressi nell’acquisizione dati, negli algoritmi di ricostruzione e nelle infrastrutture di calcolo, queste condizioni supererebbero di diversi ordini di grandezza le capacità attuali di storage e calcolo. In una collaborazione quinquennale tra il CERN, ATLAS e CMS, il progetto NextGeneration Triggers affronta tali sfide introducendo innovazioni nei sistemi di trigger e di acquisizione dati, per aumentare il tasso di accettazione e l’efficienza. Questa tesi presenta i miei contributi al progetto nell’ambito del Work Package 3, dedicato alla riprogettazione del sistema di elaborazione dati in tempo reale di CMS, articolandosi su tre temi principali: lo sviluppo di uno strumento per l’ottimizzazione dei parametri negli algoritmi di ricostruzione, basato su metaeuristica; la valutazione di strategie di compressione, sia lossless che lossy, per ridurre la dimensione dei dati RAW; e la realizzazione di un framework automatico per l’orchestrazione dei workflow di calibrazione del rivelatore. Le tecniche presentate in questa tesi contribuiscono agli sviluppi computazionali dell’aggiornamento a Phase-2 di CMS, con l’obiettivo di prepararesi alle future indagini sulla fisica oltre il Modello Standard.
Abstract
La scoperta del bosone di Higgs nel 2012 da parte di CMS e ATLAS al LHC del CERN ha rappresentato un traguardo per la ricerca in fisica delle particelle. Sebbene il Modello Standard descriva con successo le particelle e le forze fondamentali, molte domande rimangono ancora senza risposta. L’High-Luminosity LHC rappresenta il prossimo grande upgrade, con entrata in funzione prevista per il 2030, fornendo nel corso della sua vita una luminosità integrata dieci volte superiore e notevole aumento della frequenza delle collisioni. L’obiettivo è ampliare le capacità degli esperimenti e analizzare dati che potrebbero offrire nuove prospettive sui modelli teorici. Le sfide poste dall’HL-LHC a CMS sono considerevoli. La dimensione media degli eventi crescerà di un ordine di grandezza, mentre la frequenza di accettazione del trigger aumenterà fino a 750kHz. Senza progressi nell’acquisizione dati, negli algoritmi di ricostruzione e nelle infrastrutture di calcolo, queste condizioni supererebbero di diversi ordini di grandezza le capacità attuali di storage e calcolo. In una collaborazione quinquennale tra il CERN, ATLAS e CMS, il progetto NextGeneration Triggers affronta tali sfide introducendo innovazioni nei sistemi di trigger e di acquisizione dati, per aumentare il tasso di accettazione e l’efficienza. Questa tesi presenta i miei contributi al progetto nell’ambito del Work Package 3, dedicato alla riprogettazione del sistema di elaborazione dati in tempo reale di CMS, articolandosi su tre temi principali: lo sviluppo di uno strumento per l’ottimizzazione dei parametri negli algoritmi di ricostruzione, basato su metaeuristica; la valutazione di strategie di compressione, sia lossless che lossy, per ridurre la dimensione dei dati RAW; e la realizzazione di un framework automatico per l’orchestrazione dei workflow di calibrazione del rivelatore. Le tecniche presentate in questa tesi contribuiscono agli sviluppi computazionali dell’aggiornamento a Phase-2 di CMS, con l’obiettivo di prepararesi alle future indagini sulla fisica oltre il Modello Standard.
Tipologia del documento
Tesi di dottorato
Autore
Rossi Tisbeni, Simone
Supervisore
Co-supervisore
Dottorato di ricerca
Ciclo
37
Coordinatore
Settore disciplinare
Settore concorsuale
Parole chiave
Particle Physics, Tracking, Optimization, Compression, Computing, Calibration, Continuous Integration
DOI
10.48676/unibo/amsdottorato/12588
Data di discussione
25 Marzo 2026
URI
Altri metadati
Tipologia del documento
Tesi di dottorato
Autore
Rossi Tisbeni, Simone
Supervisore
Co-supervisore
Dottorato di ricerca
Ciclo
37
Coordinatore
Settore disciplinare
Settore concorsuale
Parole chiave
Particle Physics, Tracking, Optimization, Compression, Computing, Calibration, Continuous Integration
DOI
10.48676/unibo/amsdottorato/12588
Data di discussione
25 Marzo 2026
URI
Statistica sui download
Gestione del documento: