Orateur
Description
La mise en service du Grand Collisionneur de Hadrons de Haute Luminosité (HL-LHC), prévue en 2030, multipliera par 3-4 le nombre de collisions par croisement de faisceaux par rapport au LHC actuel. Cette augmentation drastique du volume de données représente un défi HTC majeur pour les expériences comme ATLAS : les algorithmes de reconstruction des trajectoires de particules chargées devront identifier leurs traces parmi ~500k points tout en respectant des contraintes strictes de temps de calcul, de ressources matérielles et énergétiques, et de qualité physique des résultats.
Depuis sa fondation en 2019, le Laboratoire des 2 Infinis – Toulouse (L2IT) a construit son identité autour de méthodes d'analyse innovantes. Dans ce cadre, et au travers de la collaboration GNN4Itk, nous avons développé une chaîne de reconstruction de traces basée sur les Graph Neural Networks (GNN) : création rapide d'un graphe connectant les hits d'un évènement de collision, scoring des arêtes du graphe par un GNN, puis segmentation des traces par un algorithme dédié implémenté en CUDA. Ces différentes étapes ont été développées dans des codes distincts, conçus pour valider la faisabilité de chaque brique technologique individuellement, mais difficilement intégrables dans une chaîne de traitement complète et déployable en production.
Le projet MMG++ démarré fin 2025 répond à cette limitation : il constitue une réécriture intégrale de la chaîne en C++20 et CUDA, au sein d'une base de code unifiée, moderne et maintenable. L'ensemble de la chaîne — construction de graphe, inférence GNN et segmentation — est intégré de façon cohérente via un algorithme CUDA unifié, avec une API publique C++ et des bindings Python. Sur le plan des performances, la gestion mémoire repose sur des pools préalloués supprimant les allocations dynamiques par événement ; la construction de graphe est réalisée par un unique kernel CUDA, réduisant les transferts CPU/GPU; l'inférence GNN s'appuie sur le runtime ONNX.
Une attention soutenue a été portée à la qualité logicielle. Le dépôt intègre une chaîne d'intégration continue complète (tests CPU et GPU, mesure de couverture de code, analyse statique SonarQube, packaging, ...), des hooks pre-commit couvrant le formatage C++/Cmake/Python, analyse statique et conformité au standard REUSE.
Les performances de la chaîne complète ont été évaluées à l'été 2026 sur des données simulées représentatives du HL-LHC, en couplage avec la chaîne logicielle officielle d'ATLAS (ACTS/Athena). Ces résultats permettent d'évaluer l'efficacité de reconstruction, le coût énergétique de traitement de chaque évènement, et le débit de traitement afin de conclure sur la compatibilité de cette chaîne d'analyse avec les exigences du HL-LHC. Nous étudions en particulier l'intérêt de déployer la chaîne dans un mode client/serveur avec Triton Inference Server, permettant de mutualiser les ressources GPU, de réduire les coûts d'infrastructure, et de faciliter le déploiement de traitement GPU dans l'infrastructure WLCG.
MMG++ est conçu comme un code générique et pérenne : bien que développé initialement pour le détecteur interne d'ATLAS, son architecture modulaire le rend adaptable à d'autres détecteurs de physique des particules et, à terme, à d'autres architectures matérielles au-delà de CUDA.