Publicação
Acceleration of the ATLAS-CERN calorimeter data preparation with GPUs
| Resumo: | The High-Luminosity Large Hadron Collider (HL-LHC) will deliver substantially higher numbers of simultaneous proton-proton collisions (events), increasing the volume and frequency of detector readouts and placing growing demands on the ATLAS calorimeter (sub-detectors that measure energy deposits from particle showers) data-preparation pipeline. Bytestream decoding is the first step of this pipeline, responsible for transforming the raw output of the Liquid Argon (LAr) and Tile (TileCal) calorimeters into physics-ready cells. Due to its sequential nature, it may become a significant bottleneck. At the same time, Graphics Processing Units (GPUs) have become increasingly relevant in high-throughput scientific computing, offering massive parallelism and high-memory bandwidth. This dissertation investigates the feasibility of offloading the calorimeter bytestream decoding to GPUs and evaluates the performance of a prototype implementation integrated within the AthenaMT framework. A complete GPU-based pipeline was developed, including bytestream staging, device transfers, parallel fragment parsing and decoding for both LAr and TileCal. The implementation follows a modular CUDA C++ design tailored for parallel scalability. Validation against the CPU reference showed bit-identical agreement across all tested events. Performance measurements using Run-3 data demonstrated an order-of-magnitude improvement: while CPU decoding of a full calorimeter event takes on average 21.1 ms, the GPU prototype achieves 1.30 ms in synchronous and 1.08 ms in asynchronous mode on a constrained A100 MIG slice. These results confirm that massively parallel architectures can effectively accelerate calorimeter data preparation and motivate future accelerator-aware redesigns of the bytestream format for the HL-LHC. |
|---|---|
| Autores principais: | Sereniski, Gabriela Paola |
| Assunto: | High-luminosity large hadron collider (HL-LHC) ATLAS calorimeter |
| Ano: | 2026 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade Politécnica de Bragança |
| Idioma: | inglês |
| Origem: | Biblioteca Digital da UPB |
| _version_ | 1877782473745629184 |
|---|---|
| author | Sereniski, Gabriela Paola |
| author_facet | Sereniski, Gabriela Paola |
| author_role | author |
| contributor_name_str_mv | Muiño, Patricia Conde Rufino, José Gonçalves, Rogério Aparecido Biblioteca Digital da UPB |
| country_str | PT |
| creators_json_txt | [{\"Person.name\":\"Sereniski, Gabriela Paola\"}] |
| datacite.contributors.contributor.contributorName.fl_str_mv | Muiño, Patricia Conde Rufino, José Gonçalves, Rogério Aparecido Biblioteca Digital da UPB |
| datacite.creators.creator.creatorName.fl_str_mv | Sereniski, Gabriela Paola |
| datacite.date.Accepted.fl_str_mv | 2026-01-01T00:00:00Z |
| datacite.date.available.fl_str_mv | 2026-07-22T07:54:59Z |
| datacite.date.embargoed.fl_str_mv | 2026-07-22T07:54:59Z |
| datacite.rights.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| datacite.subjects.subject.fl_str_mv | High-luminosity large hadron collider (HL-LHC) ATLAS calorimeter |
| datacite.titles.title.fl_str_mv | Acceleration of the ATLAS-CERN calorimeter data preparation with GPUs |
| dc.contributor.none.fl_str_mv | Muiño, Patricia Conde Rufino, José Gonçalves, Rogério Aparecido Biblioteca Digital da UPB |
| dc.creator.none.fl_str_mv | Sereniski, Gabriela Paola |
| dc.date.Accepted.fl_str_mv | 2026-01-01T00:00:00Z |
| dc.date.available.fl_str_mv | 2026-07-22T07:54:59Z |
| dc.date.embargoed.fl_str_mv | 2026-07-22T07:54:59Z |
| dc.description.none.fl_str_mv | O High-Luminosity Large Hadron Collider (HL-LHC) suportará números substancialmente maiores de colisões protão-protão (eventos) simultâneas, o que aumentará o volume e a frequência das leituras do detetor e imporá maiores exigências à cadeia de preparação de dados dos calorímetros do ATLAS, os subdetetores que medem depósitos de energia provenientes de chuvas de partículas. A descodificação do bytestream, responsável por transformar os dados brutos dos calorímetros de Árgon Líquido (LAr) e Tile (TileCal) em células prontas para análise física, é o primeiro passo desta cadeia. Devido ao seu carácter sequencial, este passo poderá tornar-se um gargalo significativo. Em paralelo, as unidades de processamento gráfico (GPUs) têm ganho relevância na computação científica de alto desempenho, por oferecer paralelismo massivo e grande largura de banda de memória. Esta dissertação investiga a viabilidade de descarregar para GPUs a descodificação do bytestream e avalia o desempenho de um protótipo integrado no framework AthenaMT. Foi desenvolvido um pipeline totalmente baseado em GPU, com a preparação do dos dados, transferência para a GPU, parsing de fragmentos e descodificação paralela para ambos os calorímetros do ATLAS. A implementação segue um modelo modular em CUDA C++ orientado para a escalabilidade paralela. A validação contra a referência em CPU mostrou concordância bit-a-bit em todos os eventos testados. As medições de desempenho com dados do Run-3 demonstraram uma melhoria de uma ordem de grandeza: enquanto a descodificação em CPU de um evento completo do calorímetro demora, em média, 21.1ms, o protótipo em GPU atinge 1.30 ms em modo síncrono e 1.08 ms em modo assíncrono numa partição A100 MIG. Estes resultados confirmam que arquiteturas paralelas podem acelerar de forma eficaz a preparação de dados dos calorímetros e motivam futuras reformulações do formato de bytestream para o HL-LHC orientadas a aceleradores. |
| dc.format.none.fl_str_mv | application/pdf |
| dc.identifier.none.fl_str_mv | http://hdl.handle.net/10198/37024 |
| dc.language.none.fl_str_mv | eng |
| dc.rights.cclincense.fl_str_mv | http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.none.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| dc.subject.none.fl_str_mv | High-luminosity large hadron collider (HL-LHC) ATLAS calorimeter |
| dc.title.fl_str_mv | Acceleration of the ATLAS-CERN calorimeter data preparation with GPUs |
| dc.type.none.fl_str_mv | http://purl.org/coar/resource_type/c_bdcc |
| description | The High-Luminosity Large Hadron Collider (HL-LHC) will deliver substantially higher numbers of simultaneous proton-proton collisions (events), increasing the volume and frequency of detector readouts and placing growing demands on the ATLAS calorimeter (sub-detectors that measure energy deposits from particle showers) data-preparation pipeline. Bytestream decoding is the first step of this pipeline, responsible for transforming the raw output of the Liquid Argon (LAr) and Tile (TileCal) calorimeters into physics-ready cells. Due to its sequential nature, it may become a significant bottleneck. At the same time, Graphics Processing Units (GPUs) have become increasingly relevant in high-throughput scientific computing, offering massive parallelism and high-memory bandwidth. This dissertation investigates the feasibility of offloading the calorimeter bytestream decoding to GPUs and evaluates the performance of a prototype implementation integrated within the AthenaMT framework. A complete GPU-based pipeline was developed, including bytestream staging, device transfers, parallel fragment parsing and decoding for both LAr and TileCal. The implementation follows a modular CUDA C++ design tailored for parallel scalability. Validation against the CPU reference showed bit-identical agreement across all tested events. Performance measurements using Run-3 data demonstrated an order-of-magnitude improvement: while CPU decoding of a full calorimeter event takes on average 21.1 ms, the GPU prototype achieves 1.30 ms in synchronous and 1.08 ms in asynchronous mode on a constrained A100 MIG slice. These results confirm that massively parallel architectures can effectively accelerate calorimeter data preparation and motivate future accelerator-aware redesigns of the bytestream format for the HL-LHC. |
| dirty | 0 |
| eu_rights_str_mv | openAccess |
| format | masterThesis |
| fulltext.url.fl_str_mv | https://bibliotecadigital.unipb.pt/bitstreams/e696fe49-e3d3-44be-aee4-d40cfb67b04a/download |
| id | ipb_5f0d94f733c270c10e0599dfd24b303b |
| identifier.url.fl_str_mv | http://hdl.handle.net/10198/37024 |
| inst_facet_str | urn:organizationAcronym:unipb{{{_:::_}}}Universidade Politécnica de Bragança |
| instacron_str | unipb |
| institution | Universidade Politécnica de Bragança |
| instname_str | Universidade Politécnica de Bragança |
| language | eng |
| network_acronym_str | ipb |
| network_name_str | Biblioteca Digital da UPB |
| oai_identifier_str | oai:bibliotecadigital.unipb.pt:10198/37024 |
| organization_str_mv | urn:organizationAcronym:unipb |
| person_str_mv | Sereniski, Gabriela Paola |
| publishDate | 2026 |
| repo_facet_str | urn:repositoryAcronym:ipb{{{_:::_}}}Biblioteca Digital da UPB |
| reponame_str | Biblioteca Digital da UPB |
| repository_id_str | urn:repositoryAcronym:ipb |
| service_str_mv | urn:repositoryAcronym:ipb |
| spelling | engengThe High-Luminosity Large Hadron Collider (HL-LHC) will deliver substantially higher numbers of simultaneous proton-proton collisions (events), increasing the volume and frequency of detector readouts and placing growing demands on the ATLAS calorimeter (sub-detectors that measure energy deposits from particle showers) data-preparation pipeline. Bytestream decoding is the first step of this pipeline, responsible for transforming the raw output of the Liquid Argon (LAr) and Tile (TileCal) calorimeters into physics-ready cells. Due to its sequential nature, it may become a significant bottleneck. At the same time, Graphics Processing Units (GPUs) have become increasingly relevant in high-throughput scientific computing, offering massive parallelism and high-memory bandwidth. This dissertation investigates the feasibility of offloading the calorimeter bytestream decoding to GPUs and evaluates the performance of a prototype implementation integrated within the AthenaMT framework. A complete GPU-based pipeline was developed, including bytestream staging, device transfers, parallel fragment parsing and decoding for both LAr and TileCal. The implementation follows a modular CUDA C++ design tailored for parallel scalability. Validation against the CPU reference showed bit-identical agreement across all tested events. Performance measurements using Run-3 data demonstrated an order-of-magnitude improvement: while CPU decoding of a full calorimeter event takes on average 21.1 ms, the GPU prototype achieves 1.30 ms in synchronous and 1.08 ms in asynchronous mode on a constrained A100 MIG slice. These results confirm that massively parallel architectures can effectively accelerate calorimeter data preparation and motivate future accelerator-aware redesigns of the bytestream format for the HL-LHC.porO High-Luminosity Large Hadron Collider (HL-LHC) suportará números substancialmente maiores de colisões protão-protão (eventos) simultâneas, o que aumentará o volume e a frequência das leituras do detetor e imporá maiores exigências à cadeia de preparação de dados dos calorímetros do ATLAS, os subdetetores que medem depósitos de energia provenientes de chuvas de partículas. A descodificação do bytestream, responsável por transformar os dados brutos dos calorímetros de Árgon Líquido (LAr) e Tile (TileCal) em células prontas para análise física, é o primeiro passo desta cadeia. Devido ao seu carácter sequencial, este passo poderá tornar-se um gargalo significativo. Em paralelo, as unidades de processamento gráfico (GPUs) têm ganho relevância na computação científica de alto desempenho, por oferecer paralelismo massivo e grande largura de banda de memória. Esta dissertação investiga a viabilidade de descarregar para GPUs a descodificação do bytestream e avalia o desempenho de um protótipo integrado no framework AthenaMT. Foi desenvolvido um pipeline totalmente baseado em GPU, com a preparação do dos dados, transferência para a GPU, parsing de fragmentos e descodificação paralela para ambos os calorímetros do ATLAS. A implementação segue um modelo modular em CUDA C++ orientado para a escalabilidade paralela. A validação contra a referência em CPU mostrou concordância bit-a-bit em todos os eventos testados. As medições de desempenho com dados do Run-3 demonstraram uma melhoria de uma ordem de grandeza: enquanto a descodificação em CPU de um evento completo do calorímetro demora, em média, 21.1ms, o protótipo em GPU atinge 1.30 ms em modo síncrono e 1.08 ms em modo assíncrono numa partição A100 MIG. Estes resultados confirmam que arquiteturas paralelas podem acelerar de forma eficaz a preparação de dados dos calorímetros e motivam futuras reformulações do formato de bytestream para o HL-LHC orientadas a aceleradores.application/pdfAcceleration of the ATLAS-CERN calorimeter data preparation with GPUsSereniski, Gabriela PaolaMuiño, Patricia CondeRufino, JoséGonçalves, Rogério AparecidoHostingInstitutionOrganizationalBiblioteca Digital da UPBe-mailmailto:dspace@unipb.ptdspace@unipb.ptURNurn:tid:2043290782026-07-22T07:54:59Z20262026-01-01T00:00:00ZHandlehttp://hdl.handle.net/10198/37024http://purl.org/coar/access_right/c_abf2open accessHigh-luminosity large hadron collider (HL-LHC)ATLAS calorimeter4181709 bytesliteraturehttp://purl.org/coar/resource_type/c_bdccmaster thesis2026http://creativecommons.org/licenses/by/4.0/http://purl.org/coar/access_right/c_abf2application/pdffulltexthttps://bibliotecadigital.unipb.pt/bitstreams/e696fe49-e3d3-44be-aee4-d40cfb67b04a/download |
| spellingShingle | Acceleration of the ATLAS-CERN calorimeter data preparation with GPUs Sereniski, Gabriela Paola High-luminosity large hadron collider (HL-LHC) ATLAS calorimeter |
| status | SINGLETON |
| subject.fl_str_mv | High-luminosity large hadron collider (HL-LHC) ATLAS calorimeter |
| title | Acceleration of the ATLAS-CERN calorimeter data preparation with GPUs |
| title_full | Acceleration of the ATLAS-CERN calorimeter data preparation with GPUs |
| title_fullStr | Acceleration of the ATLAS-CERN calorimeter data preparation with GPUs |
| title_full_unstemmed | Acceleration of the ATLAS-CERN calorimeter data preparation with GPUs |
| title_short | Acceleration of the ATLAS-CERN calorimeter data preparation with GPUs |
| title_sort | Acceleration of the ATLAS-CERN calorimeter data preparation with GPUs |
| topic | High-luminosity large hadron collider (HL-LHC) ATLAS calorimeter |
| topic_facet | High-luminosity large hadron collider (HL-LHC) ATLAS calorimeter |
| url | http://hdl.handle.net/10198/37024 |
| visible | 1 |
Atividades financiadas
Não foram encontrados projetos financiados.