A comprehensive real-time analysis model at the LHCb experiment
R. Aaij, S. Benson, M. De Cian, A. Dziurda, C. Fitzpatrick, E. Govorkova, O. Lupton, R. Matev, S. Neubert, A. Pearce, H. Schreiner, S. Stahl, M. Vesterinen
An evolved real-time data processing strategy is proposed for high-energy physics experiments, and its implementation at the LHCb experiment is presented. The reduced event model allows not only the signal candidate firing the trigger to be persisted, as previously available, but also an arbitrary set of other reconstructed or raw objects from the event. This allows for higher trigger rates for a given output data bandwidth, when compared to the traditional model of saving the full raw detector data for each trigger, whilst accommodating inclusive triggers and preserving data mining capabilities. The gains in physics reach and savings in computing resources already made possible by the model are discussed, along with the prospects of employing it more widely for Run 3 of the Large Hadron Collider.
The LHCb Stripping Project: Sustainable Legacy Data Processing for High-Energy Physics
University of Cincinnati（辛辛那提大学）；Oliver Lodge Laboratory, University of Liverpool（利物浦大学奥利弗·洛奇实验室）；University of Birmingham（伯明翰大学）；Institute of High Energy Physics, Chinese Academy of Sciences（中国科学院高能物理研究所）；Department of Physics, University of Warwick（华威大学物理系）；Imperial College（帝国学院）
Real-time lepton identification at LHCb in Run 3 using Lipschitz neural networks
Massachusetts Institute of Technology（麻省理工学院）；Universiteit Maastricht（马斯特里赫特大学）；Nikhef National Institute for Subatomic Physics（荷兰国家亚原子物理研究所）；INFN Laboratori Nazionali di Frascati（意大利国家核物理学院弗拉斯卡蒂国家实验室）；INFN Sezione di Bologna（意大利国家核物理学院博洛尼部分院）
针对LHCb Run 3 GPU触发器的实时需求，提出基于Lipschitz约束神经网络的缪子和电子鉴别算法，在广泛运动学区域内提升鉴别性能并满足实时执行约束。
Operation and performance of the Probe for Luminosity Measurement at LHCb
European Organization for Nuclear Research (CERN)（欧洲核子研究组织（CERN））；Laboratoire de Physique des 2 Infinis Irène Joliot-Curie, IJCLab（伊雷娜·约里奥-居里2无限物理实验室，IJCLab）；Sezione INFN di Bologna（博洛尼亚INFN分部）；Università di Bologna（博洛尼亚大学）；Institute for Scintillation Materials of the NAS of Ukraine（乌克兰国家科学院闪烁材料研究所）；Département de Physique Nucléaire et Corpusculaire, Université de Genève（日内瓦大学核与粒子物理系）；Sezione INFN di Ferrara（费拉拉INFN分部）；Institute of Physics, École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院（EPFL）物理研究所）；Kharkiv Institute of Physics and Technology（哈尔科夫物理与技术研究所）；Fakultät Physik, Technische Universität Dortmund（多特蒙德工业大学物理学院）；Univ. Savoie Mont Blanc, CNRS, IN2P3-LAPP（萨瓦-蒙布朗大学，法国国家科学研究中心，IN2P3-LAPP）；Department of Physics, University of Warwick（华威大学物理系）
Minimising Event Size, Maximising Physics: Inclusive Particle Isolation for LHCb's Run 3
University of Milan-Bicocca（米兰比可卡大学）；Aix Marseille Univ, CNRS/IN2P3, CPPM（艾克斯-马赛大学，法国国家科学研究中心/法国国家粒子物理研究所，普罗旺斯粒子物理中心）；Department of Physics, University of Warwick（华威大学物理系）；European Organization for Nuclear Research (CERN)（欧洲核子研究组织（日内瓦））；Ecole Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）；Syracuse University（雪城大学）；Cavendish Laboratory, University of Cambridge（剑桥大学卡文迪许实验室）；School of Physics and Astronomy, Monash University（蒙纳士大学物理与天文学院）
LHCb Run 3面临高亮度和数据量挑战，需减少事件规模而不影响重味物理研究。本文提出包容多变量隔离算法IMI，有效处理多样衰变拓扑，实现45%的数据压缩和99%的信号效率。
HybridMC: a fast detailed simulation framework for optical calorimeter technologies at the LHCb ECAL Upgrade II
Università degli Studi di Milano-Bicocca（米兰比可卡大学）；CERN（欧洲核子研究中心）；Peking University（北京大学）；INFN Sezione di Bologna（意大利国家核物理研究所博洛尼部分所）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
A FPGA-based architecture for real-time cluster finding in the LHCb silicon pixel detector
INFN Sezione di Pisa（意大利国家核物理研究所比萨分部）；Scuola Normale Superiore（比萨高等师范学校）；Università di Pisa（比萨大学）；Università degli Studi di Padova（帕多瓦大学）；Liverpool University（利物浦大学）；University of Oxford（牛津大学）；Instituto Galego de Física de Altas Enerxías (IGFAE)（加利西亚高能物理研究所（IGFAE））；Universidade de Santiago de Compostela（圣地亚哥德孔波斯特拉大学）
The LHCb ultra-fast simulation option, Lamarr: design and validation
Istituto Nazionale di Fisica Nucleare (INFN)（意大利国家核物理研究所）；University of Firenze（佛罗伦萨大学）；University of Milano-Bicocca（米兰比可卡大学）；European Organization for Nuclear Research (CERN)（欧洲核子研究组织）；University of Manchester（曼彻斯特大学）；University of Ferrara（费拉拉大学）
Fast Data-Driven Simulation of Cherenkov Detectors Using Generative Adversarial Networks
National Research University Higher School of Economics（国立研究型大学高等经济学院）；The Yandex School of Data Analysis（Yandex数据分析学院）；Sapienza University of Rome（罗马大学）；Istituto Nazionale di Fisica Nucleare（意大利国家核物理研究所）
Laboratoire de Physique Nucléaire et de Hautes Energies (LPNHE), Sorbonne Université, CNRS/IN2P3（核物理与高能物理实验室（LPNHE），索邦大学，CNRS/IN2P3）；Department of Physics, Indiana University（印第安纳大学物理系）；Department of Physics & Astronomy, University of Manchester（曼彻斯特大学物理与天文学系）；Physikalisches Institut, Ruprecht-Karls-Universität Heidelberg（海德堡大学鲁普雷希特-卡尔物理研究所）
Quantum-inspired Machine Learning on high-energy physics data
Tensor Solutions（张量解决方案公司）；Institute for Complex Quantum Systems, University of Ulm（乌尔姆大学复杂量子系统研究所）；Università di Padova（帕多瓦大学）；INFN（意大利国家核物理研究所）；Universität des Saarlandes（萨尔大学）；Padua Quantum Technologies Research Center, Università degli Studi di Padova（帕多瓦大学帕多瓦量子技术研究中心）
