Статус работ по трекингу SPD с помощью нейронной сети Хопфилда и симуляции квантового отжига

• Martin Bures (MLIT JINR)
• Gennady Ososkov (Joint Institute for Nuclear Research)
• Ivan Kadochnikov

Room: 310 Одним из ключевых этапов обработки экспериментальных данных ФВЭ является реконструкция траекторий (треков) взаимодействующих частиц по данным измерений. В планируемом на коллайдере NICA эксперименте SPD особую сложность вызовет чрезвычайно высокая частота взаимодействий (3 МГц), обусловленная высокой светимостью пучков частиц, ведущая к перекрытию событий при их съеме в режиме временных слайсов, а также сильное загрязнение данных ложными измерениями из-за особенностей устройства трековых детекторов SPD. В данном докладе представлен актуальный статус работ по поиску эффективного алгоритма трекинга для модельных событий эксперимента SPD, основанного на применении нейронной сети Хопфилда. Предложена оптимизация параметров функции энергии нейросети, позволяющая улучшить результаты трекинга с учетом специфики эксперимента. С целью кардинального ускорения процедуры SPD трекинга исследуется применимость квантовых алгоритмов. В такой постановке задача трекинга формулируется как квадратичная неограниченная двоичная оптимизация (QUBO) и решается путём симуляции отжига или квантового отжига. Опыт недавних работ по решению задач комбинаторной оптимизации квантовыми методами указывает на их возможные приложения для быстрой обработки данных SPD или других экспериментов с высокой светимостью. Выполнено пилотное тестирование метода TrackML, предполагается адаптировать этот подход на модельные данные SPD. __Application of the Hopfield network and quantum algorithms for SPD event reconstruction (project status)__ One of the key stages in the processing of experimental data from HEP is the reconstruction of trajectories (tracks) of interacting particles from measurement data. In the SPD experiment planned at the NICA collider, a major difficulty will be caused by the extremely high frequency of interactions (3 MHz) due to the high luminosity of the particle beams, leading to the overlap of events during their acquisition in the time-slice mode, as well as by a strong contamination of data by false measurements due to the peculiarities of the SPD track detectors. In this talk we present the current status of works on the development of an efficient tracking algorithm for model events of the SPD experiment based on the application of the Hopfield neural network. Taking into account the specifics of the experiment, an optimization of the parameters of the neural network energy function is proposed to improve the tracking results. In order to substantially accelerate the SPD tracking procedure, the applicability of quantum algorithms for this purpose is investigated. In this setting, the tracking problem is formulated as quadratic unconstrained binary optimization (QUBO) and solved by simulated annealing or quantum annealing. Successful results from recent work on solving combinatorial optimization problems by quantum methods point to their possible applications for fast data processing of SPD or other high-luminosity experiments. A pilot study of the method on TrackML data has been performed, and we intend to adapt this approach to SPD model data.

Полностью симметричные квадратурные формулы на 2-, . . . , 6- мерных симплексах

• Galmandakh Chuluunbaatar (ЛИТ)

Room: 310 Схемы МКЭ высокого порядка дают высокоточные решения краевых задач благодаря их быстрой сходимости. Однако в настоящее время они не используются для решения многомерных задач, так как их реализация требует больших ресурсов. Это препятствие постепенно устраняется с развитием вычислительной техники. __PI-type fully symmetric quadrature rules on the 2-, …, 6-simplexes__ The high-order finite element method (FEM) schemes yield highly accurate solutions of the boundary value problems due to their fast convergence. However, they are not currently used to solve multidimensional problems, since their implementation requires large resources. This obstacle is gradually being removed with the progress in computational technology.