31629 - LABORATORIO DI ACQUISIZIONE ED ELABORAZIONE DATI

Scheda insegnamento

Anno Accademico 2017/2018

Conoscenze e abilità da conseguire

Al termine del corso, lo studente possiede conoscenze di base sui moderni sistemi di acquisizione dei dati con selezione ('trigger') elettronica e 'software' a più livelli, e conoscenze avanzate nell'ambito delle architetture più moderne dei calcolatori elettronici, del funzionamento di un sistema operativo e del calcolo distribuito in rete, oltre che della loro applicazione in ambito scientifico, in particolare quello della fisica, per l'elaborazione di dati sperimentali e la simulazione con metodi MonteCarlo. In particolare, lo studente è in grado di: - schematizzare il tipo di selezione 'online' da applicare in un sistema di acquisizione dati in relazione al flusso dei dati ed alle finalità della loro elaborazione 'offline'; - impostare e risolvere problemi reali di analisi di dati sperimentali e di simulazione relativi a diversi campi, ottimizzando gli algoritmi per la loro elaborazione al calcolatore; - utilizzare un 'pacchetto' di librerie, a livello scientifico internazionale, per l'analisi e la presentazione (in lingua inglese) dei risultati sotto forma di rapporti corredati da grafici e tabelle.

Programma/Contenuti

Modulo I:

Introduzione alla terminologia e ai concetti di base di uno schema generale di acquisizione dati, da sistemi DAQ commerciali a sistemi di “readout” con Bus VME e con reti TCP/IP ed Ethernet utilizzati in esperimenti su larga scala come quelli di LHC.

Concetti di base di “trigger” per la selezione “online” dei dati. Problematiche legate al tempo morto ed efficienza di trigger. Passaggio ai “trigger” con più livelli, “hardware” e “software” (HLT). Esempi di tipologie di “trigger” utilizzate per la Fisica di LHC.

Modulo II:

Introduzione alla Ricostruzione e all’analisi di Eventi Fisici, Metodi globali e locali di Pattern Recognition - Track Finding e Track Fitting: valutazione dei parametri delle tracce – Kalman Filter. Algoritmi per l’identificazione di Particelle (PID Bayesiana). Generalita’ sui processi di Calibrazione e Allineamento e sulla struttura dell’Analisi Dati con esempi connessi agli esperimenti di LHC. Esempi di applicazione in una serie di esperimenti nel settore della Fisica Nucleare e Subnucleare, fra cui quelli ora attivi a LHC.

Modulo III:

La GRID come infrastruttura per il calcolo distribuito, sua topologia (Tier0/Tier1/Tier2/Tier3) e funzionalità. Modelli di calcolo per esperimenti di Fisica Nucleare e Subnucleare con particolare riferimento agli esperimenti di LHC. Criteri di sicurezza e di autenticazione nell'accesso alle risorse (certificati GRID, gestione “job”, accesso ai dati): lato utente/esperimento e lato Tier. Sistemi di virtualizzazione e Cloud computing. Visita al TIER1 INFN presso il CNAF di Bologna.

Testi/Bibliografia

slides presentate a lezione

Metodi didattici

Lezioni in aula, esercitazioni in aula. Esercitazioni pratiche, a livello individuale, in laboratorio di programmazione con applicazione delle tecniche di calcolo in un linguaggio di alto livello (C++) per l'elaborazione di dati di interesse fisico.

Modalità di verifica dell'apprendimento

L'esame finale consiste in una prova orale sugli argomenti del corso e sulle esercitazioni di laboratorio, volta a verificare l'acquisizione delle conoscenze teoriche e pratiche previste dal corso.

Strumenti a supporto della didattica

Slides che saranno rese disponibili su AMS Campus per successiva consultazione. Laboratorio di programmazione con 10 PC. Appicazioni "software" con librerie grafiche e strumenti per l'analisi dei dati.

Orario di ricevimento

Consulta il sito web di Silvia Arcelli

Consulta il sito web di Eugenio Scapparone

Consulta il sito web di Francesco Noferini