Publicação
Acceleration of the ATLAS-CERN calorimeter data preparation with GPUs
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | |
| datacite.subject.sdg | 04:Educação de Qualidade | |
| datacite.subject.sdg | 09:Indústria, Inovação e Infraestruturas | |
| datacite.subject.sdg | 08:Trabalho Digno e Crescimento Económico | |
| dc.contributor.advisor | Muiño, Patricia Conde | |
| dc.contributor.advisor | Rufino, José | |
| dc.contributor.advisor | Gonçalves, Rogério Aparecido | |
| dc.contributor.author | Sereniski, Gabriela Paola | |
| dc.date.accessioned | 2026-07-22T07:54:59Z | |
| dc.date.available | 2026-07-22T07:54:59Z | |
| dc.date.issued | 2026 | |
| dc.description.abstract | 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. | eng |
| dc.description.abstract | 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. | por |
| dc.identifier.tid | 204329078 | |
| dc.identifier.uri | http://hdl.handle.net/10198/37024 | |
| dc.language.iso | eng | |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | |
| dc.subject | High-luminosity large hadron collider (HL-LHC) | |
| dc.subject | ATLAS calorimeter | |
| dc.title | Acceleration of the ATLAS-CERN calorimeter data preparation with GPUs | |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| thesis.degree.name | Mestrado em Informática |