General

EXPERTroot это фрэймворк для Монте-Карло симуляций откликов детекторов, реконструкции событий и анализа эксперимента EXPERT. Симуляции необходимы для оптимизации конструкции детекторов, предстказания эффективности и отношения сигнала к фону и разработки и тестирования алгоритмов анализа.

Structure

_images/sructure.png

EXPERTroot разработан на базе фрэймворка FAIRroot. FAIRroot является набором инструментов и подходов для создания и конфигурирования процедур симуляции, реконструкции и анализа. Большинство классов ER являются наследниками классов FAIRroot.

В EXPERTroot классы делятся на следующие группы:

  1. Классы детекторов (наследованы от FairDetector) - в которых заложена логика сохранения информации об ионизации активных объёмов детекторов.

  2. Классы данных (наследованы от TObject, FairMCPoint, FairHit, ...) - определяют как выглядят структуры данных коллекций объектов, которые пишутся в выходные root файлы.

  3. Классы заголовков событий (наследованы от FairHeader и FairMCHeader) - определяет как выглядит структура данных объекта, описывающего событие в целом

  4. Классы задач (наследованы от FairTask) - реализуют логику моделирования отклика детектора (диджитизации), реконструкции события - поиска хитов, треков, вершин распада, анализа.

  5. Классы пассивных модулей (наследованы от FairModule) - загружают геометрию пассивных модулей и хранят необходимую информацию.

  6. Классы генераторов событий (наследованы от FairGenerator) - загружают в стек треков симуляции первичные треки.

  7. Классы обслуживающие логику работы базы данных параметров:

    1. Сеты геометрических параметров GeoPar (наследованы от FairParGenericSet) - реализуют автоматическое чтение и запись информации о геометрии в БД параметров.
    2. Сеты параметров электроники DigiPar (наследованы от FairParGenericSet) - реализуюет чтение и запись параметров электроники в БД параметров.
    3. Фабрики контейнеров параметров (наследованы от FairContFact) - реализуют логику работы с контейнерами параметров. Реализованы как singleton.
    4. Классы установок (setup) - является оболочкой над GeoPar и DigiPar и представляет интерфейс к информации, хранящейся в этих контейнерах. Реализованы как singleton.

  8. Классы распадов (наследованы от ERDecay) - реализуют произвольную логику распада - ручное вмешательство в процесс трекинга и состояния стека треков.

  9. Служебные классы:

    1. ERMCApplication (наследован от FairMCApplication) - перегружен для реализации своей логики распадов.
    2. ERRunSim (наследован от FairRunSim) - перегружен для реализации своей логики распадов.
    3. ERDetector (наследован от FairDetector).
    4. ERStack (наследован от FairGenericStack) - перегружен для возможности отладки. Содержит стек всех треков симуляции.
    5. ERMCTrack (наслдедован от FairMCTrack) - перегружен для возможности отладки.

Event-based workflow

_images/ev_based.png

ER реализует workflow на базе событий. Монте-Карло событие содержит все продукты одного взаимодействия исследуемого иона с мишенью. Событие также может включать все типы фона, как корелирующего, так и не корелирующего с интересующей реакцией.

Моделирование транспорта определяет депозиты энергии в активных объёмах каждого детектора.

Моделирование отклика или диджитизация учитывает гранулярность электроники, неэффективности, шумы, тёмные счёты и продуцирует такую структуру данных сигнала, как если бы он был получен от реального детектора.

Процедуры класстеризации и поиска хитов создают гипотезу о том, где пролетела частица.

Процедура поиска трека определяет какие хиты принадлежат одному треку.

Процедура идентификации частицы восстанавливает характеристики частицы по характеристикам треков и хитов.

Физический анализ служит для тестирования на правдоподобность и получение конечной физической информации.

Отметим, что все шаги после диджитизации являются одинаковыми как для симуляций, так и для реальных данных из эксперимента.

User defined decays

Setup classes