-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathpresentazione.tex
237 lines (190 loc) · 8.69 KB
/
presentazione.tex
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
\documentclass{beamer}
\setbeamertemplate{navigation symbols}{}
\setbeamertemplate{footline}[frame number]{}
\usepackage[italian]{babel}
\usepackage{multicol}
\usepackage{newlfont}
\usepackage{color}
\usepackage{hyperref}
\usepackage{xcolor}
\usepackage{graphicx}
\usepackage{caption}
\usepackage{subcaption}
\usepackage{multirow}
\definecolor{unibo}{RGB}{182,53,47}
\definecolor{hclue_blue}{RGB}{123,150,191}
\definecolor{hclue_yellow}{RGB}{214,187,113}
\definecolor{hclue_green}{RGB}{138,177,112}
\definecolor{hclue_red}{RGB}{213,166,163}
\mode<presentation>
\usecolortheme{seahorse}
\usefonttheme{default}
\setbeamercolor*{palette primary}{bg=unibo}
\setbeamercolor*{palette secondary}{bg=unibo, fg = white}
\setbeamercolor*{palette tertiary}{bg=unibo, fg = white}
\setbeamercolor*{titlelike}{fg=unibo}
\setbeamercolor*{title}{bg=unibo}
\setbeamercolor*{item}{fg=unibo}
\setbeamercolor*{caption name}{fg=unibo}
\hypersetup{
colorlinks=true,
linkcolor=black,
filecolor=magenta,
urlcolor=blue,
}
\title{Development of a heterogeneous clustering algorithm for particle shower reconstruction in high energy physics using the SYCL abstraction layer}
\author{Luca Ferragina \\ \vspace{15mm} {\small Relatore: Francesco Giacomini \\ \hspace{-5mm} \vspace{2mm}{\small Correlatore: Felice Pantaleo}}}
\date{21 Ottobre 2022}
\begin{document}
{\setbeamertemplate{footline}{}
\begin{frame}[noframenumbering]
\maketitle
\end{frame}
}
\begin{frame}{Gli aggiornamenti di LHC e degli esperimenti}
Nella ricerca di nuova fisica, il Large Hadron Collider al CERN viene aggiornato periodicamente in due modi:
\begin{itemize}
\item \textbf{Aumentando l'energia} dei fasci di protoni che collidono
\item \textbf{Incrementando} il numero di collisioni al secondo (\textbf{luminosità})
\end{itemize}
Gli esperimenti si aggiornano a loro volta per sfruttare le nuove potenzialità dell'acceleratore.
\hspace{10mm}
Nel 2029 è previsto un miglioramento sostanziale della luminosità integrata per collisioni protone-protone (incremento $\sim$ \textbf{10x}): \textbf{High Luminosity LHC (HL-LHC)}.
\end{frame}
\begin{frame}{Il nuovo calorimetro di CMS pone sfide computazionali notevoli}
L'endcap calorimeter HGCAL avrà sezioni elettromagnetica e adronica ad alta granularità ($\sim$ 6 milioni di canali).
\begin{figure}
\centering
\includegraphics[width=0.8\textwidth]{media/presentazione/particle_shower.png}
\end{figure}
\textbf{Crescita} dei \textbf{dati acquisiti} e \textbf{tempo limitato} per selezionare gli eventi. Ricerca di soluzioni per \textbf{aumentare il throughput}\footnote{Eventi ricostruiti per unità di tempo.}.
\end{frame}
\begin{frame}{Il calcolo eterogeneo come soluzione}
Il gruppo Patatrack di CMS ha già cominciato a esplorare le potenzialità del \textbf{calcolo eterogeneo} per la ricostruzione.
\vspace{3mm}
\begin{columns}
\column{0.4\linewidth}
\centering
\includegraphics[width=\textwidth]{media/calcolo_eterogeneo.png}
\column{0.6\linewidth}
\begin{itemize}
\item Parte della computazione può essere eseguita su dispositivi diversi dalla CPU (host)
\item Le GPU offrono possibilità di eseguire codice parallelo in maniera estremamente efficiente
\item Dimostrato \textbf{incremento delle prestazioni fino a 3 volte} con risultati compatibili
\end{itemize}
\end{columns}
\vspace{3mm}
\textbf{Difficoltà} nel mantenere e tradurre il codice per \textbf{diverse architetture e dispositivi}.
\end{frame}
\begin{frame}{Portabilità di codice e prestazioni con compatibility layer}
I compatibility layer permettono di:
\begin{itemize}
\item Scrivere un \textbf{unico} codice sorgente per produrre un file eseguibile su più architetture
\item \textbf{Limitare} al minimo la \textbf{perdita di prestazioni} rispetto al codice nativo di ciascuna architettura
\item \textbf{Semplificazione} nella \textbf{manutenzione} e \textbf{sviluppo} di codice
\end{itemize}
Due layer in analisi per prossime Run di LHC:
\vspace{3mm}
\begin{columns}
\vspace{3mm}
\column{0.3\linewidth}
\includegraphics[width=\textwidth]{media/alpaka.png}
\vspace{3mm}
\includegraphics[width=\textwidth]{media/sycl.png}
\column{0.7\linewidth}
\begin{itemize}
\item Alpaka: production nella prossima fase di Run3: singolo codice per CPU e NVIDIA GPUs
\item SYCL: in fase di sperimentazione, sviluppo attivo con l'implementazione di Intel: \textbf{oneAPI}
\end{itemize}
\end{columns}
\end{frame}
\begin{frame}{Il caso specifico di CLUE: clustering eterogeneo}
Sviluppare algoritmi per \textbf{architetture eterogenee} richiede di \textbf{ripensare al problema} dall'inizio cercando di sfruttare al meglio le possibilità di \textbf{parallelizzazione}.
\begin{figure}
\centering
\includegraphics[width=0.8\textwidth]{media/clustering_procedure.jpg}
\end{figure}
\begin{columns}
\column{0.7\linewidth}
\textbf{\href{https://www.frontiersin.org/articles/10.3389/fdata.2020.591315/full}{CLUE}} (CLUstering of Energy): algoritmo di clustering basato sulla densità e \textbf{parallelizzabile}
\begin{enumerate}[A.]
\item Calcolo della densità locale
\item Assegnazione del \emph{nearest higher}
\item Assegnazione degli status \emph{seed}, \emph{outlier} e \emph{follower}
\item Formazione dei clusters
\end{enumerate}
\column{0.4\linewidth}
\flushleft
\begin{itemize}
\item Calcolo di informazioni su più punti \textbf{contemporaneamente} in parallelo
\item Le prestazioni scalano \textbf{linearmente} con il numero di punti
\end{itemize}
\end{columns}
\end{frame}
\begin{frame}{Introduzione al framework di CMS: il workflow di heterogeneous CLUE}
Framework \textbf{modulare} in cui ogni modulo agisce in maniera diversa sui dati. Tutti i dati si trovano all'interno di un \emph{Evento}.
\vspace{3mm}
\begin{columns}
\column{0.4\linewidth}
\includegraphics[width=\textwidth]{media/hclue_workflow.png}
\column{0.6\linewidth}
\begin{itemize}
\item \textcolor{hclue_blue}{Source}: legge i dati da un file di input e li inserisce nell'\emph{Evento}
\item \textcolor{hclue_yellow}{Producer}: legge i dati dall'\emph{Evento} e produce i clusters
\item \textcolor{hclue_green}{Analyzer (opzionale)}: scrive i dati di ogni punto in ciascun cluster in un file unico file csv
\item \textcolor{hclue_red}{Producer}: in sviluppo un modulo per il clustering tridimensionale
\end{itemize}
\end{columns}
\end{frame}
\begin{frame}{I risultati di heterogeneous CLUE su un intero layer}
\begin{figure}
\centering
\begin{subfigure}[t]{0.49\linewidth}
\includegraphics[width=\linewidth]{media/presentazione/whole_detector.png}
\caption{Dati in input per il layer 5 del detector.}
\end{subfigure}
\hfill
\begin{subfigure}[t]{0.49\linewidth}
\includegraphics[width=\linewidth]{media/presentazione/clusters_whole_detector.png}
\caption{Clusters prodotti da CLUE nel layer 5.}
\end{subfigure}
\end{figure}
\end{frame}
\begin{frame}{Dettaglio su clusters prodotti in una finestra del detector}
\begin{figure}
\centering
\begin{subfigure}[c]{0.49\linewidth}
\includegraphics[width=\linewidth]{media/presentazione/detector_window.png}
\caption{Dati in input per una piccola finestra del layer 5.}
\end{subfigure}
\hfill
\begin{subfigure}[c]{0.49\linewidth}
\includegraphics[width=\linewidth]{media/presentazione/clusters_detector_window.png}
\caption{Clusters prodotti da CLUE in una piccola finestra del layer 5.}
\end{subfigure}
\end{figure}
\end{frame}
\begin{frame}{Le performance computazionali pongono SYCL come soluzione promettente per il futuro}
\begin{figure}
\centering
\begin{subfigure}[t]{0.49\textwidth}
\includegraphics[width=\textwidth]{media/presentazione/hCLUE_cpu_performance.png}
\caption{L'implementazione su CPU è più efficiente di Alpaka e del codice seriale nativo.}
\end{subfigure}
\begin{subfigure}[t]{0.49\textwidth}
\includegraphics[width=\textwidth]{media/presentazione/hCLUE_cuda_performance.png}
\caption{Su GPU, SYCL è molto vicino alle performance del codice nativo e di Alpaka.}
\end{subfigure}
\end{figure}
\end{frame}
\begin{frame}{Conclusioni}
\begin{itemize}
\item I futuri aggiornamenti di LHC comporteranno \textbf{sfide computazionali senza precedenti} per la ricostruzione online e offline
\item Soluzione: \textbf{calcolo eterogeneo}. Richiede di produrre e mantenere \textbf{codice diverso per ogni dispositivo}
\item SYCL consente di scrivere un \textbf{unico codice eseguibile da sistemi eterogenei}
\item Le \textbf{performance} mostrate da CLUE sono \textbf{incoraggianti}
\item Lo standard è in \textbf{continuo aggiornamento}
\item \textbf{Progetti più estesi} sono \textbf{in sviluppo} per valutare le potenzialità di SYCL
\end{itemize}
\end{frame}
\end{document}