В экспериментах по физике высоких энергий объём данных, генерируемых детекторами, может достигать десятков петабайт в сутки. Большая часть событий при этом носит фоновый характер и не представляет интереса с точки зрения изучения редких физических процессов. По этой причине крайне важной является функция триггерной системы — механизма, позволяющего отбирать лишь потенциально интересные события для последующего анализа и записи.
Триггерная система обычно реализуется в несколько уровней, каждый из которых отвечает за всё более сложную и ресурсоёмкую обработку данных. Такая архитектура получила название многоуровневого триггера (multi-level trigger system).
Аппаратный триггер, работающий в реальном времени и использующий данные с поддетекторов грубой гранулярности, например, из мюонных камер или калориметров. Этот уровень принимает решения за ~1–3 мкс и уменьшает частоту событий с, например, 40 МГц (на LHC) до порядка 100 кГц. Решения основываются на простых признаках событий — наличию энергетических кластеров в калориметре, треков мюонов и пр.
Учитывая ограничения по времени и ресурсам, все алгоритмы на этом уровне жёстко реализуются в специализированной электронике — FPGA или ASIC.
Программные триггеры, работающие на кластерах стандартных вычислительных узлов. На этом уровне применяется более точная реконструкция событий, включая трекинг, реконструкцию вершин, проверку гипотез распадов. Частота событий уменьшается с 100 кГц до нескольких сотен Гц — величины, приемлемой для долговременного хранения.
Алгоритмы HLT могут использовать более сложные фильтры, сравнение с моделями Монте-Карло, применение искусственного интеллекта (нейросети, бустинг и т.п.). Некоторые триггеры могут быть обучаемыми, подстраивающимися под изменяющиеся условия эксперимента.
В зависимости от цели и используемой информации триггеры делятся на несколько категорий:
Работа триггерной системы напрямую связана с понятием времени неготовности (dead-time) — интервала, в течение которого система неспособна принять новое событие из-за обработки предыдущего. Для оптимизации полезного времени сбора данных (live-time) используются буферные схемы, параллелизм в обработке, продвинутая логика обработки приоритета событий.
После срабатывания триггера событие передаётся в систему сбора данных (DAQ, Data Acquisition System), где осуществляется временное хранение, форматирование и последующая передача данных в систему хранения и анализа.
Каждый поддетектор имеет буферы предварительной выборки (pre-trigger buffers), хранящие данные до принятия решения L1. После подтверждения триггера данные перемещаются в основной буфер, где объединяются с данными других поддетекторов. Это требует точной синхронизации сигналов, согласования временных окон (time-stamping) и высокой пропускной способности сетей.
Современные DAQ-системы обладают иерархической архитектурой. Основные компоненты:
В современных экспериментах (например, ATLAS, CMS) вся DAQ-инфраструктура поддерживается тысячами вычислительных узлов, распределённых по сети с высокой пропускной способностью (до 100 Гбит/с и выше).
Центральная управляющая система координирует работу триггера и DAQ:
Эта система обеспечивает детерминированную и согласованную работу на масштабах от одного микросекундного импульса до многих месяцев непрерывного набора данных.
Эффективность всей системы определяется не только пропускной способностью, но и устойчивостью к сбоям, адаптивностью к условиям и возможностью оперативной диагностики. Для этого реализуется:
По мере роста светимости ускорителей (например, HL-LHC), увеличивается как частота пересечений пучков, так и плотность наложенных событий (pile-up). Это требует:
Системы триггера и сбора данных — это не просто техническое обеспечение, но ключевой компонент, определяющий успех физического анализа. На горизонте стоят задачи:
Непрерывная эволюция этих систем критична для расширения физических горизонтов, особенно в поиске редких процессов за пределами Стандартной модели.