A carregar...
Publicação
Acceleration of the ATLAS-CERN calorimeter data preparation with GPUs
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 3.99 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
The High-Luminosity Large Hadron Collider (HL-LHC) will deliver substantially higher numbers of simultaneous proton-proton collisions (events), increasing the volume and frequency of detector readouts and placing growing demands on the ATLAS calorimeter (sub-detectors that measure energy deposits from particle showers) data-preparation pipeline.
Bytestream decoding is the first step of this pipeline, responsible for transforming the raw output of the Liquid Argon (LAr) and Tile (TileCal) calorimeters into physics-ready cells. Due to its sequential nature, it may become a significant bottleneck. At the same time, Graphics Processing Units (GPUs) have become increasingly relevant in high-throughput scientific computing, offering massive parallelism and high-memory bandwidth. This dissertation investigates the feasibility of offloading the calorimeter bytestream decoding to GPUs and evaluates the performance of a prototype implementation integrated within the AthenaMT framework. A complete GPU-based pipeline was developed, including bytestream staging, device transfers, parallel fragment parsing and decoding for both LAr and TileCal. The implementation follows a modular CUDA C++ design tailored for parallel scalability. Validation against the CPU reference showed bit-identical agreement across all tested events. Performance measurements using Run-3 data demonstrated an
order-of-magnitude improvement: while CPU decoding of a full calorimeter event takes on average 21.1 ms, the GPU prototype achieves 1.30 ms in synchronous and 1.08 ms in asynchronous mode on a constrained A100 MIG slice. These results confirm that massively parallel architectures can effectively accelerate calorimeter data preparation and motivate future accelerator-aware redesigns of the bytestream format for the HL-LHC.
O High-Luminosity Large Hadron Collider (HL-LHC) suportará números substancialmente maiores de colisões protão-protão (eventos) simultâneas, o que aumentará o volume e a frequência das leituras do detetor e imporá maiores exigências à cadeia de preparação de dados dos calorímetros do ATLAS, os subdetetores que medem depósitos de energia provenientes de chuvas de partículas. A descodificação do bytestream, responsável por transformar os dados brutos dos calorímetros de Árgon Líquido (LAr) e Tile (TileCal) em células prontas para análise física, é o primeiro passo desta cadeia. Devido ao seu carácter sequencial, este passo poderá tornar-se um gargalo significativo. Em paralelo, as unidades de processamento gráfico (GPUs) têm ganho relevância na computação científica de alto desempenho, por oferecer paralelismo massivo e grande largura de banda de memória. Esta dissertação investiga a viabilidade de descarregar para GPUs a descodificação do bytestream e avalia o desempenho de um protótipo integrado no framework AthenaMT. Foi desenvolvido um pipeline totalmente baseado em GPU, com a preparação do dos dados, transferência para a GPU, parsing de fragmentos e descodificação paralela para ambos os calorímetros do ATLAS. A implementação segue um modelo modular em CUDA C++ orientado para a escalabilidade paralela. A validação contra a referência em CPU mostrou concordância bit-a-bit em todos os eventos testados. As medições de desempenho com dados do Run-3 demonstraram uma melhoria de uma ordem de grandeza: enquanto a descodificação em CPU de um evento completo do calorímetro demora, em média, 21.1ms, o protótipo em GPU atinge 1.30 ms em modo síncrono e 1.08 ms em modo assíncrono numa partição A100 MIG. Estes resultados confirmam que arquiteturas paralelas podem acelerar de forma eficaz a preparação de dados dos calorímetros e motivam futuras reformulações do formato de bytestream para o HL-LHC orientadas a aceleradores.
O High-Luminosity Large Hadron Collider (HL-LHC) suportará números substancialmente maiores de colisões protão-protão (eventos) simultâneas, o que aumentará o volume e a frequência das leituras do detetor e imporá maiores exigências à cadeia de preparação de dados dos calorímetros do ATLAS, os subdetetores que medem depósitos de energia provenientes de chuvas de partículas. A descodificação do bytestream, responsável por transformar os dados brutos dos calorímetros de Árgon Líquido (LAr) e Tile (TileCal) em células prontas para análise física, é o primeiro passo desta cadeia. Devido ao seu carácter sequencial, este passo poderá tornar-se um gargalo significativo. Em paralelo, as unidades de processamento gráfico (GPUs) têm ganho relevância na computação científica de alto desempenho, por oferecer paralelismo massivo e grande largura de banda de memória. Esta dissertação investiga a viabilidade de descarregar para GPUs a descodificação do bytestream e avalia o desempenho de um protótipo integrado no framework AthenaMT. Foi desenvolvido um pipeline totalmente baseado em GPU, com a preparação do dos dados, transferência para a GPU, parsing de fragmentos e descodificação paralela para ambos os calorímetros do ATLAS. A implementação segue um modelo modular em CUDA C++ orientado para a escalabilidade paralela. A validação contra a referência em CPU mostrou concordância bit-a-bit em todos os eventos testados. As medições de desempenho com dados do Run-3 demonstraram uma melhoria de uma ordem de grandeza: enquanto a descodificação em CPU de um evento completo do calorímetro demora, em média, 21.1ms, o protótipo em GPU atinge 1.30 ms em modo síncrono e 1.08 ms em modo assíncrono numa partição A100 MIG. Estes resultados confirmam que arquiteturas paralelas podem acelerar de forma eficaz a preparação de dados dos calorímetros e motivam futuras reformulações do formato de bytestream para o HL-LHC orientadas a aceleradores.
Descrição
Palavras-chave
High-luminosity large hadron collider (HL-LHC) ATLAS calorimeter