In Run 3 of the LHC the LHCb experiment faces very high data rates containing beauty and charm hadron decays. Thus the task of the trigger is not to select any beauty and charm events, but to select those containing decays interesting for the LHCb physics programme. LHCb has therefore implemented a real-time data processing strategy to trigger directly on reconstructed events. The first stage of the purely software-based trigger is implemented on GPUs performing a partial event reconstruction. In the second stage of the software trigger, the full, offline-quality event reconstruction is performed on CPUs, with a crucial part being track reconstruction, balancing track finding efficiency, fake track rate and event throughput. LHCb's CPU-based track reconstruction sequence for Run 3 is presented, highlighting the "Forward Tracking", which is the algorithm that reconstructs trajectories of charged particles traversing all of LHCb's tracking detectors. To meet event throughput requirements, the "Forward Tracking" uses SIMD instructions in several core parts of the algorithm, such as the Hough transform and the cluster search. These changes led to an improvement of the algorithm's event throughput by 60%.
Seeding and Matching algorithms for the first GPU-based High Level Trigger of the LHCb experiment
Sorbonne Université（索邦大学）；Universitat de Barcelona（巴塞罗那大学）；University of Valencia-CSIC（瓦伦西亚大学-西班牙国家研究委员会）；CERN, European Organization for Nuclear Research（欧洲核子研究中心）；École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）；Rutherford Appleton Laboratory (RAL)（卢瑟福阿普尔顿实验室）；Tsinghua University（清华大学）
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）
Segment Linking: A Highly Parallelizable Track Reconstruction Algorithm for HL-LHC
大型强子对撞机（HL-LHC）的高亮度升级将产生多达200个同时发生的质子-质子相互作用的粒子碰撞。这些前所未有的条件将为带电粒子径迹重建创造一个组合复杂性，需要的计算成本预计将超过使用传统CPU的预计计算预算。受此启发，并考虑到异构计算在尖端的高性能计算中心的流行，我们提出了一种高效，快速和高度并行化的自下而上的方法来跟踪重建的HL-LHC，以及相关的GPU上的实现，在第2阶段CMS外部跟踪器的上下文中。我们的算法，称为段链接（或线段跟踪），利用本地化的轨道存根创建，结合个别存根，逐步形成更高层次的对象，受运动学和几何要求与真正的物理轨道兼容。该算法的本地特性使其非常适合单指令多数据模式下的并行化，因为可以同时构建数百个对象。该算法的计算和物理性能已经在NVIDIA Tesla V100 GPU上进行了测试，其效率和时间测量结果与现有CMS跟踪算法的最新多CPU版本相当。
Fast 4$π$ track reconstruction in nuclear emulsion detectors based on GPU technology
快速4 $π$立体角粒子径迹识别一直是粒子物理领域的一个挑战，特别是在核乳胶探测器上。计算技术的最新进展为实现这一目标开辟了道路。介绍了一种基于GPU技术结合多线程编程的快速4 $π$立体角粒子轨迹重建方法，并对GPU编程和CPU编程进行了详细比较。通过具有优异跟踪性能的GPU，3D乳胶检测器数据的处理速度提高了60倍，相当于每小时扫描15 cm $^2$乳胶表面。
计算中心，包括那些用于处理高能物理数据和模拟的计算中心，越来越多地通过x86 CPU以外的硬件架构提供其计算资源的重要部分，GPU是一种常见的替代方案。GPU可以以良好的价格点为可以适当并行化的任务提供出色的计算性能。带电粒子（径迹）重建是HEP数据重建的计算上昂贵的组件，并且因此需要以有效的方式使用可用资源。本文提出了一种基于卡尔曼滤波器的航迹拟合算法，该算法采用CUDA实现，并在GPU上运行。这利用了一个通用跟踪软件（A Common Tracking Software）工具包;一个用于轨道重建的开源和独立于实验的工具包。的实施细节和并行化的方法进行了描述，随着这样的实施的具体挑战。详细的性能基准测试结果进行了讨论，这表明令人鼓舞的性能增益超过了基于CPU的实施代表性的配置。最后，这些研究的挑战和未来的发展方向的角度进行了概述。其中包括可以研究的更复杂和更现实的情况，以及可能为更大的灵活性和改进的性能开辟可能性的软件框架和标准的预期发展。
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）
GPU-accelerated track reconstruction in the ALICE High Level Trigger
大型重离子实验（英语：Large Heavy Ion Experiment）是欧洲核子研究中心大型强子对撞机（LHC）的四大实验之一。高级触发器（HLT）是一个在线计算场，可实时重建ALICE探测器测量的事件。计算最密集的部分是粒子轨迹的重建，称为跟踪，用于跟踪的最重要的检测器是时间投影室（TPC）。HLT使用基于元胞自动机原理和卡尔曼滤波器的GPU加速算法进行TPC跟踪。自2012年以来，GPU跟踪一直在LHC运行1和2中以24/7运行。为了更好地利用GPU的潜力，并加速整体HLT重建，我们计划在GPU上引入更多的重建步骤（例如，跟踪其他检测器）。到目前为止，CPU上运行的几个任务可以从与跟踪的合作中受益，由于PCI Express传输的延迟，目前这几乎不可行。将更多的步骤转移到GPU上，并在GPU上立即处理它们，将减少PCI Express传输并释放CPU资源。最重要的是，现代GPU和GPU编程API提供了TPC跟踪尚未利用的新功能。我们介绍了我们在GPU重建方面的新进展，重点关注LHC运行3期间ALICE在线离线计算升级的GPU在线重建，并考虑到运行2中当前的HLT如何从这些改进中获益。
