마이크로부인 실험에서 온라인 전하 기반 데이터 선택 알고리즘 구현 및 성능 평가

초록

마이크로부인 LArTPC의 실시간 데이터 흐름에서 정지된 우주선 뮤온의 전자(미셸 전자)를 식별하기 위한 전하 정보 전용 온라인 선택 알고리즘을 개발하고, 실제 데이터에 적용해 33 GB/s 수준의 원시 데이터 속에서도 80배 압축과 높은 효율·정밀도를 동시에 달성함을 입증하였다.

상세 분석

본 논문은 차세대 대형 액체 아르곤 타임 프로젝션 챔버(LArTPC) 실험, 특히 DUNE과 SBND와 같은 오프‑비ーム 물리 탐색에 필수적인 “온라인” 데이터 선택 기술을 마이크로부인(MicroBooNE) 실험을 테스트베드로 활용해 구현·검증한다. 핵심은 전통적으로 빛(광섬광) 트리거에 의존하던 방식을 탈피하고, 오직 TPC 전하(이온화) 신호만을 이용해 실시간으로 물리 토폴로지를 구분하는 것이다.

1. 데이터 흐름 및 압축

   • 마이크로부인의 TPC는 8 256개의 와이어에서 16 MHz, 12‑bit ADC로 샘플링하고, FPGA에서 2 MHz로 다운샘플링 후 ROI(Region‑of‑Interest) 기반 제로‑서프레션을 적용한다.
   • ROI는 기준선(baseline)에서 설정된 임계값을 초과한 샘플과 전후 7개의 프리/포스트 샘플을 포함한다.
   • 이후 Huffman 손실‑없는 압축을 적용해 전체 데이터량을 약 80배 감소시켜 33 GB/s → ~0.4 GB/s 수준으로 만든다.

2. 알고리즘 구조

   • Process 1 – Trigger Primitive (TP) 생성: 각 채널 ROI에서 전하 적분, 최대 진폭, 파형 폭 등을 계산해 경량 TP 객체를 만든다. 이는 하드웨어(FPGA/ASIC)에서도 실시간 생성 가능하도록 설계되었다.
   • Process 2 – Trigger Candidate (TC) 생성: 인접한 채널 TP들을 클러스터링해 3‑D 형태의 전하 집합을 형성한다. 여기서는 특히 “스톱‑앤‑디케이” 형태, 즉 뮤온이 정지하고 미셸 전자가 방출되는 토폴로지를 찾는다. 클러스터의 길이, 전하 비율, 시간 차이 등을 기준으로 후보를 선별한다.
   • Process 3 – High‑Level Trigger: 최종 후보에 대해 에너지(전하 적분)와 공간적 일관성을 검증한다. 미셸 전자는 일반적으로 30–50 MeV 전하를 가지고, 뮤온 궤적 끝부분에 짧은 전하 스파이크가 나타나는 특징을 이용한다.

3. 성능 평가

   • 실제 2021년 SuperNova(SN) 스트림 데이터를 사용해 알고리즘을 “에뮬레이트 온라인” 환경에서 실행하였다.
   • 효율: 미셸 전자를 포함한 정지 뮤온 이벤트 중 92 % 이상을 정확히 식별했으며, 가짜 트리거 비율은 0.3 % 이하로 억제하였다.
   • 처리 속도: 멀티코어 CPU 클러스터에서 초당 1 TB 이상의 원시 데이터 스트림을 실시간으로 처리할 수 있음을 시연, 이는 DUNE FD(수 테라바이트/초) 수준의 요구사항에 근접한다.

4. 향후 적용 및 AI/ML 연계

   • 현재 구현은 전통적인 임계값·클러스터링 기반이지만, 저자들은 향후 Convolutional Neural Network(CNN)와 Graph Neural Network(GNN)를 TP/TC 단계에 삽입해 복잡한 토폴로지(예: 초저에너지 핵반응, 중성미자‑중성자 변환 등)를 더 높은 정밀도로 구분할 계획이다.
   • 또한, FPGA‑내부에 경량 ML 모델을 탑재해 하드웨어 수준에서 바로 트리거 프리미티브를 생성하도록 설계 중이다.

5. 의의

   • LArTPC에서 전하 전용 온라인 트리거를 최초로 실증함으로써, 빛 트리거에 의존하지 않는 독립적인 데이터 선택 체계가 가능함을 보여준다. 이는 DUNE과 같은 대형 실험에서 오프‑비ーム 희귀 현상(초신경폭발, 양성자 붕괴, BNV 등) 탐색 시 데이터량을 크게 절감하면서도 신호 손실을 최소화하는 핵심 기술이 된다.