Detección de anomalías para la monitorización automatizada de la calidad de los datos en el detector CMS

Área de la Ciencia:

• Física de alta energía
• Ciencia de datos
• Instrumentación de detectores

Sus antecedentes:

• El funcionamiento eficaz de detectores de partículas a gran escala, como el Compact Muon Solenoid (CMS) en el Gran Colisionador de Hadrones del CERN, requiere una evaluación rápida y exhaustiva de la calidad de los datos.
• Los métodos tradicionales pueden consumir mucho tiempo y no capturar anomalías sutiles.

Objetivo del estudio:

• Introducir y evaluar el sistema AutoDQM para la monitorización automatizada de la calidad de los datos.
• Mejorar la eficiencia y precisión de la identificación de datos anómalos en experimentos de física de alta energía.

Principales métodos:

• Desarrollo del sistema AutoDQM utilizando técnicas estadísticas avanzadas y aprendizaje automático no supervisado.
• Implementación de algoritmos de detección de anomalías, incluidas funciones de probabilidad beta-binomial y análisis de componentes principales.
• Pruebas con el conjunto completo de datos de colisiones protón-protón del CMS en 2022.

Principales resultados:

• AutoDQM identificó con éxito datos anómalos "defectuosos" causados por mal funcionamiento del detector.
• El sistema demostró una tasa de detección 4-6 veces mayor de datos "defectuosos" en comparación con datos "buenos".
• Se validó la eficacia de AutoDQM como herramienta general de monitorización de la calidad de los datos.

Conclusiones:

• AutoDQM proporciona una solución robusta y eficiente para la monitorización de la calidad de los datos en tiempo real en experimentos complejos de física de partículas.
• La capacidad del sistema para detectar anomalías ayuda significativamente a garantizar la integridad de los resultados científicos.
• AutoDQM representa un avance significativo en la gestión y validación de grandes conjuntos de datos de experimentos de colisionadores.