Qualification, performance validation and fast generative modelling of beam test calorimeter prototypes for the CMS calorimeter endcap upgrade

Quast, Thorben; Mendes, André David Tinoco; Erdmann, Martin

doi:10.18154/RWTH-2020-06473

Qualification, performance validation and fast generative modelling of beam test calorimeter prototypes for the CMS calorimeter endcap upgrade = Qualifizierung, Leistungsvalidierung and Schnelles Generatives Modellieren von Teststrahl Prototypen für das CMS Endkappen Kalorimeter Upgrade

Quast, Thorben^RWTH*

2020

Verantwortlichkeitsangabevorgelegt von Thorben Quast M.Sc. RWTH

ImpressumAachen 2020

Umfang1 Online-Ressource (236 seiten) : Illustrationen, Diagramme

Dissertation, RWTH Aachen University, 2020

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak01

Hauptberichter/Gutachter
Erdmann, Martin (Thesis advisor)^RWTH* ; Mendes, André David Tinoco (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2020-05-28

Online
DOI: 10.18154/RWTH-2020-06473
URL: https://publications.rwth-aachen.de/record/792901/files/792901.pdf

Einrichtungen

Projekte

DTDcern - Deutsches Technisches Doktorandenprogramm am CERN (Wolfgang-Gentner-Stipendien) (BMBF-20151109) (BMBF-20151109)

Inhaltliche Beschreibung (Schlagwörter)
CMS (frei) ; HGCAL (frei) ; LHC (frei) ; calorimeter (frei) ; deep learning (frei) ; generative modelling (frei) ; particle physics (frei) ; test beam (frei)

Thematische Einordnung (Klassifikation)
DDC: 530

Kurzfassung
Mitte der 2020er Jahre wird die CMS Kollaboration ihr bisheriges Endkappen-Kalorimeter durch das High Granularity Calorimeter (HGCAL) ersetzen, um der erhöhten Strahlenbelastung und den herausfordernden Pileup-Bedingungen des High Luminosity-LHCs gerecht zu werden. Diese Dissertation befasst sich mit zwei wichtigen Themen im Zusammenhang mit der Vorbereitung dieses HGCAL Upgrades: die experimentelle Validierung des Silizium-basierten HGCAL Designs und die schnelle Simulation seiner Daten. Strahltests an den DESY (Hamburg) und an den CERN SPS-Teststrahl-Anlagen im Jahr 2018 waren die Grundlage für die Validierung des HGCAL Designs. Die zugehörige experimentelle Infrastruktur, die Algorithmen zur Rekonstruktion der aufgezeichneten Daten sowie die entsprechenden Analysen werden in dieser Arbeit berichtet: Zunächst werden die Kernkomponenten der Silizium-basierten Modulprototypen charakterisiert und es wird nachgewiesen, dass diese Module funktionsfähig sind. Insbesondere ihre Effizienz bei der Erkennung von minimal ionisierenden Teilchen (MIPs), die die Silizium-Sensoren durchqueren, liegt bei den meisten Modulen bei mehr als 98%. Es werden keine Hinweise auf eine Teilung des induzierten Signals zwischen den einzelnen Sensoren beobachtet. Anschließend werden die Signalantworten in situ mit den Teststrahldaten kalibriert. Der Ausgleich der unterschiedlichen Signalantworten zwischen den Auslesekanälen wird mit MIPs erreicht, indem der HGCAL- Prototyp als MIP-Tracking-Gerät eingesetzt wird. Die relative Streuung der abgeleiteten Kalibrationskonstanten beträgt 3% für Kanäle desselben Auslese-Chips. Die Kalibrierung der Ankunftszeit erfolgt mit einer externen Zeitreferenz. Im Grenzfall hoher Energiedepositionen werden hierbei zeitliche Auflösungen einzelner Zellen einschließlich der vollständigen Prototyp- Auslesekette um 60ps erreicht. Die kalorimetrische Leistung des HGCAL-Prototypen wird durch Teilchenschauer, die durch einfallende Positronen bzw. geladene Pionen induziert werden, überprüft. Für elektromagnetische Schauer wird ein konstanter Term in der relativen Energieauflösung von (0,52±0,08)% gemessen, während der stochastische Term (22,2±0,3)% √GeV beträgt. Dieses Ergebnis steht in guter Übereinstimmung mit der Kalorimetersimulation mittels GEANT4. Die Positionsauflösung des Prototyps für die Schauerachse liegt nach Abzug des Beitrags der Drahtkammern, die als Referenz verwendet werden, unter 0,4 mm bei 300 GeV. Bei gleicher Energie beträgt die gemessene Winkelauflösung weniger als 5 mrad bei der Rekonstruktion der elektromagnetischen Schauerachse in diesem Prototypen. Die Analyse der hadronischen Schauer in dieser Arbeit verwendet modernste maschinelle Lernmethoden, die die Granularität des Kalorimeters ausnutzen. Die erzielten Ergebnisse deuten darauf hin, dass die Energieauflösung durch Softwarekompensation verbessert werden kann und dass die Unterscheidung von elektromagnetischen und Pion-induzierten Schauern innerhalb des Kalorimeters von solchen Methoden profitieren kann. Die experimentellen Ergebnisse zu den hadronischen Schauern werden durch die GEANT4-Simulation angemessen reproduziert. Insgesamt sind die erzielten Ergebnisse aus der Analyse der Strahltestdaten in dieser Arbeit in Übereinstimmung mit der vollen Funktionalität des Silizium-basierten HGCAL-Designs. Der letzte Teil dieser Arbeit liefert einen prinzipiellen Nachweis, dass die generative Modellierung auf Basis tiefer neuronaler Netze in Verbindung mit der Wasserstein Distanz ein geeigneter Ansatz für die schnelle Simulation von HGCAL-Daten ist: Anstelle der sequentiellen Simulation erzeugt ein generatives Modell, welches aus einem tiefen neuronalem Netz besteht, alle Energiedepositionen im Kalorimeter gleichzeitig. Dieser Generator wird innerhalb eines gegensätzlichen Trainingsprozesses mit einem so genannten Critic Netzwerk optimiert, welches von der Wasserstein-Distanz geleitet wird. Das in dieser Arbeit entwickelte Framework wird sowohl auf GEANT4 simulierte elektromagnetische Schauern als auch auf Positrondaten aus den Strahltests angewandt. Letztendlich ist dieser schnelle Simulationsansatz bis zu vier Größenordnungen schneller als die sequentielle Simulation mit GEANT4. Es ist in der Lage, realistische Energiedepositionen aus elektromagnetischen Schauern zu erzeugen, wobei deren Variation und Korrelationen nach deren Umwandlung in typische Kalorimeter-Observablen vom Generator präzise nachgebildet werden.

In order to cope with the increased radiation level and the challenging pile-up conditions at High Luminosity-LHC, the CMS collaboration will replace its current calorimeter endcaps with the High Granularity Calorimeter (HGCAL) in the mid 2020s. This dissertation addresses two important topics related to the preparation of the HGCAL upgrade: experimental validation of its silicon-based design and fast simulation of its data. Beam tests at the DESY (Hamburg) and the CERN SPS beam test facilities in 2018 have been the basis for the design validation. The associated experimental infrastructure, the algorithms deployed in the reconstruction of the recorded data, as well as the respective analyses are reported in this thesis: First, core components of the silicon-based prototype modules are characterised and it is demonstrated that the assembled modules are functional. In particular, their efficiency to detect minimum ionising particles (MIPs) traversing the silicon sensors is found to be more than 98% for most of the modules. No indication of charge sharing between the silicon pads is observed. Subsequently, the energy response is calibrated in situ using the beam test data. Equalisation of the different responses among the readout channels is achieved with MIPs hereby deploying the HGCAL prototype as a MIP-tracking device. The relative variation of the inferred calibration constants amounts to 3% for channels on the same readout chip. The calibration of the time-of-arrival information is performed with an external time reference detector. With it, timing resolutions of single cells including the full prototype readout chain around 60ps in the asymptotic high energy limit are obtained. The calorimetric performance of the HGCAL prototype is validated with particle showers induced by incident positrons and charged pions. For electromagnetic showers, the constant term in the relative energy resolution is measured to be (0.52±0.08) %, whereas the stochastic term amounts to (22.2±0.3)% √GeV. This result is in good agreement with the calorimeter simulation with GEANT4. The prototype’s positioning resolution of the shower axis, after subtracting the contribution from the delay wire chambers in the beam line used as reference, is found to be below 0.4 mm at 300 GeV. At the same energy, the angular resolution in the reconstruction of the electromagnetic shower axis in this prototype is measured to be less than 5 mrad. The analysis of the hadronic showers in this thesis makes use state-of-the-art machine-learning methods that exploit the calorimeter’s granularity. It is indicated that the energy resolution may be improved using software compensation and also that the separation of electromagnetic and charged pion-induced showers in the calorimeter may benefit from such methods. The measurements of the hadronic showers are adequately reproduced by GEANT4 simulation. Altogether, the obtained results from the analysis of the beam test data in this thesis are in agreement with the full functionality of the silicon-based HGCAL design. The final part of this thesis provides a proof of principle that generative modelling based on deep neural networks in conjunction with the Wasserstein distance is a suitable approach for the fast simulation of HGCAL data: Instead of sequential simulation, a deep neural network-based generative model generates all calorimeter energy depositions simultaneously. This generator network is optimised through an adversarial training process using a critic network guided by the Wasserstein distance. The developed framework in this thesis is applied to both GEANT4-simulated electromagnetic showers and to positron data from the beam tests. Ultimately, this fast simulation approach is up to four orders of magnitude faster than sequential simulation with GEANT4. It is able to produce realistic calorimeter energy depositions from electromagnetic showers, incorporating their fluctuations and correlations when converted into typical calorimeter observables.

OpenAccess:
PDF
(additional files)