Ecole Doctorale

Physique et Sciences de la Matière

Spécialité

PHYSIQUE & SCIENCES DE LA MATIERE - Spécialité : INSTRUMENTATION

Etablissement

Aix-Marseille Université

Mots Clés

ATLAS,Calorimètre,Intelligence Artificielle,LHC,Trigger,FPGA

Keywords

ATLAS,Calorimeter,Artificial Intelligence,LHC,Trigger,FPGA

Titre de thèse

Mise en œuvre et performance du système de lecture et de déclenchement du calorimètre à argon liquide de l'expérience ATLAS.
Commissioning and performance of the trigger and readout system of the liquid argon calorimeter of the ATLAS experiment .

Date

Mercredi 29 Juin 2022 à 14:00

Adresse

CPPM, 163, avenue de Luminy - Case 902 13288 Marseille cedex 09 Amphitheatre

Jury

Directeur de these M. Emmanuel MONNIER CPPM
Rapporteur M. Michel LEFEBVRE Université de Victoria, Canada
Rapporteur Mme Caroline COLLARD IPHC Strasbourg
CoDirecteur de these M. Georges AAD CPPM
Examinateur M. Philippe SCHWEMLING Université Paris-Diderot et CE-Saclay
Examinateur M. Luis HERVAS CERN et Universite Autonome de Madrid
Examinateur M. Cristinel DIACONU CPPM

Résumé de la thèse

Les recherches en physique des hautes énergies cherchent à identifier les constituants fondamentaux de la matière et à découvrir les lois qui régissent leurs interactions.Pour mener des expériences à haute énergie, on utilise des accélérateurs de particules et des collisionneurs. Le collisionneur de particules le plus puissant est le grand collisionneur de hadrons (LHC) installé au CERN (Organisation Européenne pour la Recherche Nucléaire). Quatre expériences sont hébergées aux quatre points de collision de ce collisionneur. L’une de ces expériences est ATLAS, qui consiste en un détecteur de particules à usage général. Pour détecter les phénomènes à faible probabilité dans les données de collisions, une grande quantité de collisions est nécessaires. Le LHC va connaître deux phases de mise à niveau afin d’augmenter sa luminosité et donc le nombre de collisions. La première phase de mise à niveau est en cours de finalisation à l’heure actuelle, avant le début d’une nouvelle campagne de prise de données appelée « Run 3 ». La deuxième phase débutera en 2026 et aboutira au LHC à haute luminosité (HL-LHC). Une mise à niveau du détecteur ATLAS est nécessaire à chacune des phases de mise à niveau du LHC. Cela permet de s’assurer que l’acquisition de données et les performances en physique ne sont pas dégradées par les conditions plus strictes induites par la luminosité plus élevée du LHC. Au cours de la première phase de mise à niveau, un nouveau chemin de données a été ajouté au système de déclenchement du calorimètre à argon liquide. L’électronique de ce nouveau chemin numérise les signaux provenant du détecteur grâce à des cartes électroniques, situées sur le détecteur, avant de les envoyer aux systèmes de traitement d’ATLAS. Cela permet d’augmenter d’un facteur dix la granularité de lecture. Ce système numérique, décrit dans cette thèse, remplace l’ancien système électronique basé sur une transmission analogique des signaux du détecteur. Les nouvelles cartes de ce système sont configurées et contrôlées par un nouveau système basé sur des serveurs OPC-UA. L’installation et la mise en service de ce système ont été achevés avec succès en mars 2022. La description du système complet, sa mise en œuvre et ses performances sont présentés et discutés. La deuxième phase de mise à niveau du calorimètre à argon liquide aura lieu lors du prochain arrêt prolongé du LHC, à partir de 2026. Au cours de cette deuxième phase, la chaîne électronique complète de ce calorimètre sera remplacée, en particulier ses cartes de traitement des signaux électroniques, apportant ainsi de nouvelles capacités de calcul et de traitements des signaux. Ce nouveau système de lecture est présenté puis l'utilisation de réseaux de neurones artificiels pour reconstruire en énergie les signaux du détecteur est décrite et étudiée. Embarqué sur ces cartes électroniques, la mise en œuvre de ces réseaux et les performances obtenues sont ensuite présentées et discutées.

Thesis resume

Research in High Energy Physics seek to identify the fundamental constituents of matter and uncover the laws that govern their interactions. To conduct experiments at high energy particle accelerators and colliders are being used. The actual most powerful particle collider is the Large Hadron Collider (LHC) installed at CERN. Four experiments are hosted on the four collision points of this collider. One of these experiments is ATLAS which consists of a general purpose particle detector. To detect phenomena with low probability in the collision data, large amount of collisions are needed. The LHC will undergo two upgrade phases to increase its luminosity and therefore the number of collisions. The first upgrade phase is being finalized at the moment before the start of the run 3. The second phase will start in 2026 and will lead to the High Luminosity LHC (HL-LHC). An upgrade of the ATLAS detector is needed at each of the LHC upgrade phases. This insures that the data acquisition and the physics performance are not degraded with the more stringent conditions induced by the higher LHC luminosity. During the first upgrade phase a new trigger data path is added for the liquid argon calorimeter. The on-detector electronic boards of this new path digitize the electronic signals from the detector before sending them to the ATLAS processing systems. It allows to increase the readout granularity by a factor of ten. This digital system, described in this thesis, will replace the old electronic system which is based on analog transmission of the detector signals. The new on-detector boards of this system are configured and monitored using a new system based on OPC-UA servers. The installation and commissioning of this system was successfully completed in March 2022. The description of the complete system, its implementation and performances are presented and discussed. The second upgrade phase of the liquid argon calorimeter will take place in the next long shutdown of the LHC starting in 2026. During this second phase, the complete electronic chain of this calorimeter will be replaced, in particular its electronic signal processing boards, thus bringing new computing and signal processing capabilities. This new readout system is presented then the use of artificial neural networks to reconstruct into energies the detector signals is described and studied. Embedded on these electronic boards, the implementation of these neural networks and the performances obtained are presented and discussed.