Publication:
Optimizing GEANT4 for event generation in Monte Carlo simulation at the HL-LHC

dc.contributor.advisor Malik, Sudhir
dc.contributor.author Guerrero De La Cruz, Harold David
dc.contributor.college College of Arts and Sciences - Sciences en_US
dc.contributor.committee Marrero-Soto, Pablo J.
dc.contributor.committee Santana, Samuel A.
dc.contributor.department Department of Physics en_US
dc.contributor.representative Rodríguez, Daniel
dc.date.accessioned 2022-05-24T12:35:31Z
dc.date.available 2022-05-24T12:35:31Z
dc.date.issued 2022-05-20
dc.description.abstract Detector simulation is an essential tool to design, build and commission the highly sophisticated detectors utilised in modern particle physics experiments like the CMS Experiment at the Large Hadron Collider (LHC) at CERN. It is also a fundamental tool for data analysis and interpretation of the physics measurements. CMS detector simulation software is based on the GEANT4 simulation toolkit. It is a software package that provides the tools to describe the detector geometry and materials, and incorporates a number of models to simulate electromagnetic and hadronic interactions of particles with matter. The CMS detector will undergo sophisticated upgrades with more granular parts required to cope with the conditions of high luminosity run of the LHC, after 2027, referred to as the HL-LHC. The running conditions will be an instantaneous luminosity of 5–7.5x10<sup>34</sup>cm<sup>-2</sup>s<sup>-1</sup>, more radiation, more pileup and and data of up to 300 inverse femtobarns per year. The increasing complexity in the detector accompanied by an increase in data size adds to the very high computational cost with no change in CPU clock speeds. The data reconstruction time scales up with the pileup and with more complex algorithms to run, leads to larger fraction of total CPU usage. More accuracy is expected despite more complicated geometry and with a smaller fraction of total CPU usage compared to the past. This poses a considerable challenge for the already optimized GEANT4-based CMS detector simulation. One avenue being explored is to modify the simulation settings to process events even faster, but with less precision. Machine learning algorithms can then be applied to the reduced-precision output for a high-quality end result. In the work described in this thesis we investigated the impact of varying parameters, such as the energy limits below which particles can be discarded, on running time and physical performance of the detector simulation . We made modifications in the parameters individually and in combination. en_US
dc.description.abstract La simulación de detectores es una herramienta esencial para dise˜nar, construir y poner en marcha los detectores altamente sofisticados que se utilizan en los experimentos modernos de física de partículas, como el Experimento CMS en el Gran Colisionador de Hadrones (LHC) en el CERN. También es una herramienta fundamental para el análisis de datos y la interpretación de las medidas físicas. El software de simulación de detectores CMS se basa en el kit de herramientas de simulación GEANT4. Es un paquete de software que proporciona las herramientas para describir la geometría y los materiales del detector, e incorpora una serie de modelos para simular interacciones electromagnéticas y hadrónicas de partículas con la materia. El detector CMS se someterá a actualizaciones sofisticadas con piezas más granulares necesarias para hacer frente a las condiciones de funcionamiento de alta luminosidad del LHC, después de 2027, denominado HL-LHC. Las condiciones de funcionamiento serán una luminosidad instantánea de 5–7.5x10<sup>34</sup>cm<sup>-2</sup>s<sup>-1</sup>, más radiación, más coliciones y datos de hasta 300 inversas femtobarns por a˜no. La creciente complejidad en el detector acompa˜nada por un aumento en el tama˜no de los datos se suma al costo computacional muy alto sin cambios en las velocidades de reloj de la CPU. El tiempo de reconstrucción de datos aumenta con la acumulación y con algoritmos más complejos para ejecutar, conduce a una mayor fracción del uso total de la CPU. Se espera una mayor precisión a pesar de una geometría más complicada y con una fracción menor del uso total de la CPU en comparación con el pasado. Esto plantea un desafío considerable para la simulación de detector CMS basada en GEANT4 ya optimizada. Una vía que se está explorando es modificar la configuración de la simulación para procesar eventos aún más rápido, pero con menos precisión. Luego, los algoritmos de aprendizaje automático se pueden aplicar a la salida de precisión reducida para obtener un resultado final de alta calidad. En el trabajo descrito en esta tesis, investigamos el impacto de diversos parámetros, como los límites de energía por debajo de los cuales se pueden descartar partículas, en el tiempo de ejecución y el rendimiento físico de la simulación del detector. Hicimos modificaciones en los parámetros individualmente y en combinación. en_US
dc.description.graduationSemester Spring en_US
dc.description.graduationYear 2022 en_US
dc.identifier.uri https://hdl.handle.net/20.500.11801/2895
dc.language.iso en en_US
dc.rights Attribution-NonCommercial-NoDerivs 3.0 United States *
dc.rights.holder (c) 2022 Harold David Guerrero De La Cruz en_US
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/3.0/us/ *
dc.subject GEANT4 en_US
dc.subject.lcsh Monte Carlo method en_US
dc.subject.lcsh GEANT4 – Simulation methods en_US
dc.subject.lcsh Detectors--Design and construction en_US
dc.subject.lcsh Compact Muon Solenoid (CMS) experiment en_US
dc.title Optimizing GEANT4 for event generation in Monte Carlo simulation at the HL-LHC en_US
dc.type Thesis en_US
dspace.entity.type Publication
thesis.degree.discipline Physics en_US
thesis.degree.level M.S. en_US
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
FISM_GuerreroDelaCruzHD_2022.pdf
Size:
2.93 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.26 KB
Format:
Item-specific license agreed upon to submission
Description: