Новые методы и модели для систем обработки данных


На базе искусственных нейронных сетей, клеточных автоматов, методов деформированных шаблонов были разработаны новые математические методы и алгоритмы для быстрой и надежной обработки экспериментальных данных [25]. Разработанные программы позволили решить следующие задачи: идентификация событий, распознавание треков, отсева фоновой информации. Созданные программы были включены в программное обеспечение обработки экспериментальных данных таких экспериментов, как DISTO, FOBOS [26], SINDRUM [27], EXCHARM [28], STAR, CERES/NA-45, ATLAS. Например, робастный алгоритм для быстрой аппроксимации трека окружностью, после интенсивного тестирования на реальных данных эксперимента CERES, был включен в базовое программное обеспечение этого эксперимента [29]. Модель триггера второго уровня, примененная для задачи распознавания треков, поиска вторичных вершин и идентификации вторичных треков, реализована на базе RISK-процессоров, которые используются в спектрометре DISTO для сбора и on-line анализа данных [30]. Были разработаны новые программы для задачи распознавания треков. Созданное программное обеспечение было успешно применено в экспериментах U-70 (Protvino, Russia) ОИЯИ и LHC (Geneva, Switzerland) в режиме реального времени, обработки экспериментальных данных и моделирования детекторов.