A la une
Comment traiter en temps réel les flux de données gigantesques issus des détecteurs de particules du LHC au CERN ? En trouvant des solutions algorithmiques et technologiques, Jean-Baptiste Sauvan, chargé de recherche au CNRS au sein du laboratoire Leprince-Ringuet (LLR)[1] vient de relever le défi avec succès.
Afin de percer les mystères des constituants élémentaires de l'univers et d'explorer les phénomènes physiques les plus rares, des scientifiques du monde entier s'appuient sur les détecteurs de particules du Large Hadron Collider (LHC) au CERN, à Genève. Toutefois, l'exploitation de ces instruments se heurte à un défi de taille : le traitement des volumes de données colossaux qu'ils génèrent, un flux équivalent au trafic internet mondial.
Un défi auquel Jean-Baptiste Sauvan consacre ses travaux au Compact Muon Solenoid (CMS), l'un des détecteurs clés installés sur l'anneau du LHC. « La principale caractéristique de mon domaine de recherche est de brasser une diversité de disciplines, fondamentales et technologiques », souligne-t-il. Fort de sa double expertise en tant qu'ingénieur, diplômé de Supélec, et physicien, il ajoute : « cette synergie entre la physique fondamentale et la technologie de pointe a permis de nombreuses avancées scientifiques significatives ces dernières décennies ».
HiGranTS : dompter l'explosion du volume de données
Le projet « Systèmes de déclenchement pour les détecteurs à haute granularité dans les environnements à haute énergie et à haute luminosité » (HiGranTS), coordonné par Jean-Baptiste Sauvan, a mobilisé de 2018 à 2023 une équipe pluridisciplinaire réunissant physiciens, électroniciens et informaticiens. Ce projet est financé par l’Agence nationale de la recherche (ANR) qui soutient l’excellence de la recherche et l’innovation française sur le plan national, européen et international. HiGranTS est né en réponse aux défis posés par les nouvelles générations de détecteurs de particules, appelés calorimètres ultra-granulaires, qui permettent une mesure de l'énergie et de la position des particules à partir d’images tridimensionnelles.
Cependant, cette avancée technologique s'accompagne d'une complexité accrue : l'explosion du volume de données tridimensionnelles produites par ces détecteurs. « C'est comme une caméra géante à grande vitesse qui capte 40 millions d'images par seconde », illustre Jean-Baptiste Sauvan. Face à cet afflux massif d'informations, « il devient physiquement impossible d'enregistrer et de traiter l'intégralité de ces données, d'où la nécessité de mettre en place des systèmes de déclenchement ultra-rapides pour effectuer une sélection en temps réel des données pertinentes issues des détecteurs, avec une latence de l’ordre de quelques microsecondes ».
Une solution algorithmique innovante
Pour relever ce défi, l'équipe de HiGranTS a entrepris de réinventer l'architecture des systèmes de déclenchement en concevant des algorithmes novateurs. « Nous avons utilisé des méthodes de machine learning pour les simplifier au maximum ainsi que des techniques de tracking pour la reconstruction des gerbes d'énergie », précise le physicien.
Parallèlement à ces développements algorithmiques, les scientifiques ont dû surmonter des obstacles technologiques liés aux contraintes spécifiques imposées par les environnements à haute luminosité. « Cela impose en effet des contraintes importantes aux détecteurs en termes de résistance aux radiations et d'empilement de particules », explique Jean-Baptiste Sauvan.
À la fin de l’année 2020, l'équipe de recherche a franchi une étape décisive en mettant au point un algorithme de réduction de données, conçu pour être implémenté directement sur les puces électroniques de ces détecteurs de nouvelle génération. « L'aboutissement de ces travaux, avec la simulation des performances de l'algorithme et son implémentation sur une puce prototype, positionne l'équipe française à la pointe de la recherche internationale dans ce domaine. »
De potentielles retombées
Au-delà de leurs applications directes en physique des particules, les travaux menés dans le cadre du projet HiGranTS ouvrent des perspectives de retombées dans d'autres domaines. « Notamment, les algorithmes et les puces développés peuvent avoir un intérêt pour des applications industrielles nécessitant des traitements temps réel », remarque Jean-Baptiste Sauvan.
Aujourd'hui, Jean-Baptiste Sauvan poursuit ses recherches, notamment avec une proposition de projet ANR qui explorera l'application de l'intelligence artificielle pour améliorer les systèmes de déclenchement des détecteurs.
Simulation de gerbes d'énergie reconstruites par un algorithme temps réel dans un détecteur ultra-granulaire avec un haut taux d'empilement de particules. © DR
[1] LLR (CNRS /École Polytechnique) à Palaiseau.