Algorithms for the Level-1 trigger with the HGCAL calorimeter for theCMS HL-LHC upgrade

Algorithmes pour le déclenchement de niveau 1 pour le calorimètre HGCAL du détecteur CMS au HL-LHC L'instrumentation moderne en physique des particules (HEP) fait face à une augmentation exponentielle du volume de données provenant des détecteurs. Cela conduit à une augmentation du volume de données, qui requière une mise à niveau des détecteurs. Aussi l'évolution des détecteurs est liée à la nécessité de suivre les évoluutions technologiques, ainsi qu'à la necessité de remplacer des parties du détecteur endomagées par les radiations. En particulier les détecteurs auprès du Large Hadron Collider (LHC) devront être mise à niveau pour la phase de haute luminosité (HL-LHC).Cette thèse décrit le travail de recherche effectué dans le contexte du calorimètre de haute granularité (HGCAL). Dans l’environnement difficile du LHC, avec des volumes de données plus élevés, plus de radiation, et plus d’empilement (PU), et où le nombre d’événements intéressant est faible, il est essentiel de fournir une décision de qualité en vue de garder ou non les données de l’événement. Ce processus, appelé déclenchement, doit opérer en temps réel, en prenant en compte les contraintes de communication et de capacité de calcul des processeurs disponibles. Les conditions d’opération du système de déclenchement sont difficiles car les algorithmes doivent être exécutés en un temps limité, sans possibilité de revoir la décision à postériori puisque les événements non sélectionnés sont définitivement perdus.Pour satisfaire aux contraintes du HL-LHC, le système de déclenchement actuel doit être mis à niveau. Cette thèse présente les études réalisées pour la conception du nouveau système. Les études présentées concernent les aspects essentiels de la chaine de déclenchement, depuis la lecture des éléments de détecteurs à pixels et l'électronique de sélection frontale (FE) jusqu'au flot de données en sortie d'électronique dorsale (BE). Tout d'abord, la conception des modules du HGCAL est revue de façon à former des cellules de déclenchement à partir des cellules hexagonales, afin de réduire le volume de données par un regroupement des cellules de lecture. Lorsque le module est défini, une part important du travail est consacré aux stratégies en vue de réduire les données au niveau du FE et du BE. Des architectures sont étudiées en vue d'une génération de primitives de déclenchement pour laquelle une approche en deux étapes pour une aggrégation en 3D est pproposée. La première étape consiste en la recherche de régions d'intérêts (ROIs) dans le détecteur, et est basé sur un algorithme de reconstruction des traces (TA), qui permet l'identification des gerbes électromagnétiques (EM) et la sélection d'un germe pour le signal. Aussi, il est montré que plus de germes de signaux peuvent être sélectionées lorsque une paramétrisation des gerbes EM est utilisée dans le TA.Finalement, le TA est utilisé dans un algorithme d'apprentissage pour la génération des ROIs. Cela conduit à une image de la gerbe, et un réseau de neurones (NN) est appliqué pour effectuer la classification (gerbes EM ou PU). Nous avons comparés plusieurs modèles de NN et leur performances (précision de la classification) sont mesurées en fonction de la compelxité du modèle (nombre total de paramètres). Le meilleur compromis est ainsi obtenu entre la qualité de la décision et les contraintes sur le processeur.