Четверг, 16 марта 2023 15:00 ЛИТ, Ком. 310 E.И. АлександровСервис выбора событий (Event Picking) Аннотация: Основным вариантом использования ATLAS EventIndex является сбор событий, то есть поиск одного или нескольких событий среди многих миллиардов событий, сгенерированных экспериментом ATLAS, хранящихся в нескольких миллионах файлов, и их извлечение. Одним из последних дополнений к инфраструктуре проекта EventIndex является разработка новой службы выбора событий для автоматизации процесса выбора событий в случаях, когда количество запрашиваемых данных велико. Одним из примеров массового отбора событий был анализ «γγ→WW» в 2019 году. Этот анализ потребовал извлечения 50 000 событий в формате RAW из 18 миллиардов событий во втором прогоне (около 10 миллионов файлов). Все шаги по поиску событий в EventIndex, отправке заданий сбора событий PanDA, их мониторингу и повторным попыткам их выполнения по истечении времени ожидания (из-за длительных задержек при подготовке ленты) выполнялись вручную. Основная цель службы выбора событий — выполнять все эти действия автоматически. Пользователю нужно будет только предоставить этой службе всю необходимую информацию для поиска запрошенных событий, такую как файл, содержащий номера Run и событий, формат запрошенных данных, имя проекта, поток триггера в случае запроса сырых данных и версию запрошенных событий, если запрашивают данные в формате, отличном от сырых. Т.Ж. Бежанян Разработка алгоритмов и веб-сервисов для автоматизации анализа данных поведенческих тестов Аннотация: В докладе представлен статус работ, проводимых в рамках совместного проекта ЛИТ и ЛРБ ОИЯИ, направленного на разработку модуля веб-сервиса для задач радиационной биологии, позволяющего автоматизировать анализ поведенческих тестов, проводимых на мелких лабораторных животных. Разрабатываемый модуль предназначен для классификации траекторий движений лабораторных животных, известным как стратегии поиска, на установке «Водный лабиринт Морриса», используемой для оценки пространственной памяти у экспериментальных животных в ходе поведенческого тестирования. Для применения нейросетевого подхода к задаче классификации необходимо подготовить аннотированный набор данных, включающий в себя разметку поля установки и построение траекторий. Для этих целей разработаны алгоритмы анализа видео данных на базе методов компьютерного зрения. Для удобства и верификации правильности получаемых траекторий разработан веб-сервис, позволяющий загружать, анализировать полученные траектории, формировать размеченный набор данных. Разработка проводится на базе экосистемы ML/DL/HPC Гетерогенной вычислительной платформы HybriLIT.
