Sistemi di Acquisizione Dati

Transcript

1 Sistemi di Acquisizione Dati Andrea Ferrero - University of Torino and I.N.F.N. Lezioni sui Rivelatori, Sommario: Struttura e compiti di un moderno DAQ Cos'e' il tempo morto di acquisizione e come minimizzarlo Il presente: COMPASS, LHC Il futuro: un DAQ senza trigger 1

2 Data Aquisition systems Acquisizione dei dati provenenti dai rivelatori Assemblaggio dell'evento globale Formattamento dei dati (event header, trigger mask, etc. etc.) Registrazione dell'evento o trasmissione a un Central Data Recording (CDR) tramite collegamenti ad alta velocità Monitoraggio online dei dati Filtraggio online dei dati (trigger di alto livello) 2

3 General TDAQ structure Schema generale di un DAQ Analog signals Trigger and DAQ Data Acquisition System Trigger System decisions raw data design feedback Mass Storage Detector & Trigger Simulation Reconstruction & Analysis Physics Results 3

4 Selezione degli eventi: il trigger Ha lo scopo di selezionare gli eventi interessanti Il criterio di selezione può essere basato sulla molteplcità di particlelle, la topologia dell'evento, la cinematica, l'energia depositata nei calorimetri, etc. etc. Solo i dati corrispondenti agli eventi selezionati dal trigger verranno trasmessi al DAQ e registrati Il trigger può essere suddiviso in molti livelii... 4

5 Livelli di trigger Il trigger é un'operazione complessa: i dati dei rivelatori non sono immediatamente disponibili non c e tempo per un analisi completa dell evento e neppure per raccogliere i dati da tutti i rivelatori Occorre lavorare per approssimazioni successive: hadware triggers sono veloci usano le informazioni di un sottogruppo di rivelatori la logica e realizzata in hadware software triggers sono realizzati usando programmi e processori utilizzano informazioni piu complete dall apparato 5

6 Un DAQ ``minimale'' Ru 106 PMT HV LRS 2249A anode 30 ADC signal dynode inv LRS gate 821 Disc mv 100 ns clear CAMAC on-line monitoring ADC counts IBM Beam Detector Trigger Digitizer Data pipe DAQ System Timing Diagram Detector Trigger Digitizer 50 ns 100 ns 50 µs conversion time 12 µs DAQ 2 µs dead time FIGURE 2. A simple DAQ system 6

7 Il ``tempo morto'' di acquisizione Ru 106 PMT signal É uno degli elementi dynode più importanti daadc considerare counts nel disegno di un DAQ inv moderno CAMAC Si presenta ogni ns volta che un determinato step nell'acquisizione richiede una quantità finita di tempo Beam Detector HV LRS 2249A 30 ADC anode LRS 821 Disc 10 mv gate on-line monitoring IBM Trigger Digitizer Data pipe DAQ System Timing Diagram Detector Trigger Digitizer DAQ 50 ns 100 ns 50 µs conversion time dead time (62 us) FIGURE 2. A simple DAQ system 12 µs 2 µs 7

8 Ancora sul tempo morto... Eventi casuali con frequenza media µ, DAQ con tempo morto T La probabilità di trovare n eventi nel tempo T e' data da: (µt )n P (n; µ, T ) = e µt n! L'efficienza del DAQ e' data dalla probabilità di non avere NESSUN evento nel tempo T: se µ = 1/T ɛ = 37% ɛ = P (0; µ, T ) = e µt 2/3 degli eventi sono persi a causa del tempo morto! 8

9 Ancora sul tempo morto... Eventi casuali con frequenza media µ, DAQ con tempo morto T La probabilità di trovare n eventi nel tempo T e' data da: (µt )n P (n; µ, T ) = e µt n! L'efficienza del DAQ e' data dalla probabilità di non avere NESSUN evento nel tempo T: se µ = 1/T ɛ = 37% ɛ = P (0; µ, T ) = e µt 2/3 degli eventi sono persi a causa del tempo morto! 9

10 Ancora sul tempo morto... Eventi casuali con frequenza media µ, DAQ con tempo morto T La probabilità di trovare n eventi nel tempo T e' data da: (µt )n P (n; µ, T ) = e µt n! L'efficienza del DAQ e' data dalla probabilità di non avere NESSUN evento nel tempo T: se µ = 1/T ɛ = 37% ɛ = P (0; µ, T ) = e µt 2/3 degli eventi sono persi a causa del tempo morto! 10

11 Ancora sul tempo morto... Eventi casuali con frequenza media µ, DAQ con tempo morto T La probabilità di trovare n eventi nel tempo T e' data da: (µt )n P (n; µ, T ) = e µt n! L'efficienza del DAQ e' data dalla probabilità di non avere NESSUN evento nel tempo T: se µ = 1/T ɛ = 37% ɛ = P (0; µ, T ) = e µt 2/3 degli eventi sono persi a causa del tempo morto! 11

12 Minimizzare il tempo morto Ridurre il tempo di digitallizzazione (fast ADC) Introdurre un buffer di uscita (pipeline) Ru 106 PMT HV LRS 2249A anode 30 ADC signal dynode inv LRS gate 821 Disc 10 mv ns clear CAMAC on-line monitoring ADC counts IBM Beam Detector Trigger Digitizer Data pipe DAQ System Timing Diagram Detector 50 ns Trigger Digitizer 100 ns 2 50 µs conversion time 12 µs DAQ 2 µs dead time (14 us) FIGURE 2. A simple DAQ system 12

13 Minimizzare il tempo morto Ridurre il tempo di digitallizzazione (fast ADC) Introdurre un buffer di uscita (pipeline) Ru 106 PMT HV LRS 2249A anode 30 ADC signal dynode FIFO inv LRS gate 821 Disc 10 mv ns clear CAMAC on-line monitoring ADC counts IBM Beam Detector Trigger Digitizer Data pipe DAQ System Timing Diagram Detector 50 ns Trigger Digitizer 100 ns 2 50 µs conversion time 12 µs DAQ 2 µs dead time (2 us) FIGURE 2. A simple DAQ system 13

14 Un esperimento moderno: COMPASS The COMPASS Experiment Fixed target experiment at the SPS at CERN Two spectrometer stages, each equipped with SAT: SciFi, Silicon, GEM and Micromegas LAT: Straw chambers, DCs and MW Particle ID: RICH ECAL2+HCAL2 Electromagnetic and hadronic calorimeters SM2 Muon detection µwall 1 ECAL1+HCAL1 RICH GEM+MW µ Wall 2 DCs SciFi+Si Beam SM1 Polarised Target GEM+Straws MicroMegas GEM+MW 50 m Readout: 200k channels kb per event khz trigger rate Muon beam: /spill, 160 GeV Hadron beam: p,k,π, 10 8 /spill, GeV SPS duty cycle: 4.8 s extraction every 16.8 s Lars Schmitt, TU München 1 14

15 Il DAQ di COMPASS DAQ Architecture Features: Pipelined readout architecture Data transfer via optical S-Link Buffering of bursts (SPS duty cycle 30%) Network eventbuilding (Gigabit Ethernet) Central data recording CASTOR HSM, Oracle catalog Data rates: GB/SPS-spill Online filter Phase I: 12 eventbuilders, 4ms/evt., factor 1 2 Phase II: filter farm, 100ms/evt., factor 1 10 Software: ALICE DATE for eventbuilding, run control, event sampling, info logging I DMA driver Monitoring DATE + ROOT Run Logbook (TCL,PHP,MySQL) Frontend DB (MySQL) Custom design Standard components Detector frontends Readout modules optical S-Links MB/s Readout buffer s Gigabit Ethernet network Event builder s APV 25: GEM Silicon GeSiCA CPU TCS Event builder and filter 4 x Spill buffer Switch GigaBit F1-TDC : LAT/SciFi/mW FIADC : Calorimeter GASSIPLEX: RICH CATCH MUX Central data recording TCS channels 134 modules 61 links 16 ROB-s 4 switches 12 EVB-s Lars Schmitt, TU München 2 15

16 Computers and Netw & network Eventbuilder / GDC Twin I Twin I Il DAQ in numeri: freq. di trigger: 10 khz ( 50k/spill) Twin I Twin I Gigabit Switch Twin I Twin I 12 ports + 4 SX uplinks Twin I Twin I Twin I Gigabit Switch Twin I 1000 Base T Gigabit Ethernet 12 ports + 4 SX uplinks Gigabit Switch 12+4 SX ports Twin I Twin I Gigabit Ethernet Long Distance Fibre Twin I Twin I Gigabit Switch Twin I 12 ports + 4 SX uplinks data rate: <60 MB/s, <4.4 TB/giorno a regime ricostruzione: ms/evt. Twin I Central Data Recording ROBs / LDCs Eventbuilder / GDC Layered Gigabit Switch Stack ROB Du Se Even Du 64 On Gigab 161 3

17 Lo stato dell'arte: LHC LHC Experiments Atlas: General Purpose Alice: Heavy Ion Collisions CMS: General Purpose LHCb: CPV in B-system Lars Schmitt, TU München 8 17

18 Just to show how does it look like L'evento ``tipico'' in un esperimento di LHC Higgs -> 4µ +30 MinBias 18

19 Multilivello LV-1: locale, veloce, HW LV-2: locale, raffina LV-1 LV-3: SW, analizza l evento globale Il trigger in LHC Fattore totale di riduzione: 10 13! (40 MHz 100 Hz, 10 PB/s 100 MB/s) 40 MHz 10 5 Hz 100 GB/s 10 2 Hz 100 MB/s 40 MHz 10 3 Hz 1 GB/s 10 2 Hz 100 MB/s 19

20 Experiment Rate di dati specific issues Level 1 (khz) Event size (MB) Storage (MB/s) ATLAS CMS ALICE LHCb 1000 (L0)

21 Il futuro: Panda PANDA Experiment High rate DAQ: Multiple physics selection during the same data taking Easy reconfiguration for different physics with the same detector Layered filtering with modular algorithms Event rates of up to 50 MHz Event sizes of up to 10 kb (or lower rates) Requirements from Physics: Nearly 4π detector Efficient trigger (e, µ,k,d,λ) Good PID (γ,e, µ,π,k, p) PANDA Detector: Central solenoid + forward dipole Vertex Pixels, straws, MDC PbW0 4 ECAL, DIRC, Aerogel RICH Pellet or wire targets Lars Schmitt, TU München 12 21

22 Architettura del DAQ Frontend modules: Sampling ADC ( 100 MHz) Time from multiple samples Hit detection Clusters, energies, rings, tracklets,... Network Fabric: Buffered links Configurable switch cascades Compute nodes: filtering, feature extraction multiple FPGAs embedded CPU for control Timing Distribution: like COMPASS TCS: clock, time normal passive optical network very low clock jitter (<50 ps) Time Distribution Frontend Buffers L1 Network Feature Extraction L2 Network Event Selection S A D C S A D C S A D C S A D C Frontend Buffer S A D C S A D C S A D C Frontend Buffer Clock Clock Distribution S A Generic Frontend D C Serial Frontend Links Frontend Buffer Frontend Buffer Frontend Buffer Cascaded High Speed Network Compute Nodes Frontend Buffer High Speed Network Event Selector Farm Encoder Mass Storage Frontend Buffer Frontend Buffer Frontend Buffer 22

23 Conclusioni Il DAQ ha assunto nei moderni esperimenti un'importanza paragonabile ai rivelatori Le caratteristiche richieste in termini di rate di trigger e flusso di dati sono ai limiti delle tecnologie moderne Una delle possibili direzioni per aumentare le prestazioni dei DAQ e' il campionamento continuo dei segnali dei rivelatori GSI) L'evoluzione e' continua: COMPASS: khz FLT rate, 40 MB/s su disco LHC: interazioni a 40 MHz, 100 MB/s su disco PANDA: interazioni a 50 MHz, MB/s su disco 23