Com base em indicadores bibliométricos de produção, colaboração e impacto, este trabalho investiga os artigos científicos brasileiros da Física de Altas Energias (FAE) indexados pelo Science Citation Index (SCI) da Web of Science (WoS) no período de 1983-2013. Fizeram parte do estudo todas as publicações em periódicos abrangidos na categoria de assunto Physics, Particles & Fields. Os dados foram organizados e analisados com auxílio dos softwares Bibexcel, UCINET, Gephi, Philcarto, SPSS, R e Excel 2007. Os 6.350 artigos sugerem que o crescimento anual da produção pode ter sido consequência da ampliação dos Programas de Pós-Graduação (PPGs) com linhas de pesquisa FAE e grupos do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), da participação do Brasil nas colaborações internacionais e da instituição da Rede Nacional de Física de Altas Energias (RENAFAE). A distribuição das artigos por Web of Science Category (WC) demonstrou que a área centraliza a publicação em um número reduzido de periódicos estrangeiros de língua inglesa, com destaque para Physical Review D (PRD). A Astronomia & Astrofísica com 45,63% e a Física Nuclear com 18,66% de participação foram as categorias predominantes. Os cientistas nacionais mais produtivos são da subárea experimental e filiados a instituições públicas do eixo Rio de Janeiro-São Paulo. As universidades foram responsáveis por 80,92% da produção. A coautoria entre indivíduos cresceu ao longo do período, registrando média de 155,89 autores por artigo. O estudo por amostragem provou que a parcela de publicações de autoria única (11,39%) está vinculada à Física Teórica. Tanto o crescimento do número de artigos quanto o de colaborações se ajustam ao modelo de regressão linear. O decréscimo da média de instituições por artigo quando consideradas somente as nacionais, denota a preferência pela colaboração internacional em razão do custo e complexidade das investigações. As análises de MDS e clusters confirmam a existência de grupos regionais. A média de países por artigo é de 4,87. A proporção de coautorias internacionais da FAE (49,07%) é superior aos índices verificados na produção científica brasileira em anos recentes. O predomínio de pesquisadores estrangeiros na rede de colaboração confirma a internacionalização da atividade e a presença do Brasil nos experimentos multinacionais. Os indicadores absolutos expressam que EUA, Rússia e França são os principais parceiros. Os indicadores relativos expõem um processo de desconcentração e diversificação das colaborações nacionais, com presença relevante da Colômbia e países do leste europeu. O impacto da pesquisa em FAE aponta que os artigos brasileiros receberam 78.812 citações provenientes de 41.152 documentos. Os dados mostram que 87,65% das publicações foram citadas uma ou mais vezes no período. As características gerais dos citantes revelam a prevalência do artigo publicado em periódico estrangeiro na língua inglesa. A Física de Partículas e Campos com 36,24% e a Astronomia & Astrofísica com 21,17% de participação foram as categorias citantes salientes. Os documentos internacionais representam 88,15% das citações, com distinção para as publicações dos EUA, Alemanha e Itália. O Istituto Nazionale di Fisica Nucleare (INFN) se destaca entre as instituições de filiação dos autores citantes. Conclui que a FAE detém reconhecimento internacional, entretanto, o incremento da participação nas colaborações multinacionais e a intensificação da atividade científica na subárea experimental pode conceder ao Brasil o status dos países desenvolvidos. / Based on bibliometric indicators of production, collaboration and impact, this study investigates the Brazilian scientific papers on High Energy Physics (HEP) indexed by the Science Citation Index (SCI) in the Web of Science (WoS) from 1983 to 2013. All publications in journals embraced by the subject category Physics, Particles & Fields were part of this research. Data were organized and analyzed using the software Bibexcel, UCINET, Gephi, Philcarto, SPSS, R and Excel 2007. The 6.350 papers recovered suggest that the annual growth in production may have been caused by the expansion of Graduate Programs on lines of research related to HEP and by the expansion of groups of the same line in the National Council for Scientific and Technological Development (CNPq), as well as by Brazil’s participation in international collaborations and by the institution of the National Network of High Energy Physics (RENAFAE). The distribution of papers by Web of Science Category (WC) showed that the area centers its publication in a small number of journals in English, especially the Physical Review D (PRD). The predominant categories were Astronomy & Astrophysics, with 45,63% of the publications, and Nuclear Physics, with 18,66%. The most productive Brazilian scientists are from the experimental subarea and affiliated to public institutions in Rio de Janeiro and São Paulo. Universities were responsible for 80,92% of the output. The numbers related to coauthorship grew in the researched period, registering an average of 155,89 authors per article. The study sample proved that the share of single authorship publications (11,39%) is tied to Theoretical Physics. The growth in both the number of articles and the number of collaborations is coherent with the linear regression model. The decrease in the average of institutions per article when considering only the Brazilian institutions indicates the preference for international collaborations due to the cost and complexity of the researches. MDS and clusters analyzes confirm the existence of regional groups. The average of countries per article is of 4,87. HEP’s proportion of international coauthorship (49,07%) is higher than the rates found in the Brazilian scientific output in recent years. The predominance of foreign researchers in the collaboration network confirms the internationalization of the activity and the presence of Brazil in multinational experiments. Absolute indicators show that the U.S.A., Russia and France are Brazil’s main partners in coauthored publications. Relative indicators display a process of decentralization and diversification of Brazilian collaborations, with a significant presence of Colombia and Eastern Europe in the coauthorships. Impact indicators show that Brazilian papers received 78.812 citations to 41.152 documents. The data show that 87,65% of the publications were mentioned one or more times during the period. The general characteristics of the articles that cited Brazilian works revealed a predominance of publications in foreign journals and in English. Field and Particle Physics, with 36,24%, and Astronomy & Astrophysics, with 21,17%, were the two categories that most cited Brazilian works in the area. International documents represent 88,15% of the citations, especially the publications by the U.S.A., Germany and Italy. The Istituto Nazionale di Fisica Nucleare (INFN) stands out among the institutions which the citing authors are affiliated to. The study concludes that HEP has international recognition; however, the increase in Brazil’s participation in multinational collaborations and the intensification of scientific activity in the experimental subarea can give Brazil the same status granted to developed countries. / Con base en indicadores bibliométricos de producción, colaboración e impacto, este trabajo investiga los artículos científicos brasileños de Física de Altas Energías (FAE) indexados por el Science Citation Index (SCI) de la Web of Science (WoS) en el período de 1983-2013. Hicieron parte del estudio todas las publicaciones en revistas incluidas en la categoría de materias Physics, Particles & Fields. Los datos fueron organizados y analizados con ayuda de los softwares Bibexcel, UCINET, Gephi, Philcarto, SPSS, R y Excel 2007. Los 6.350 artículos sugieren que el crecimiento de la producción anual puede haber sido consecuencia de la expansión de los Programas de Postgrado con líneas de investigación FAE y grupos del Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), de la participación de Brasil en las colaboraciones internacionales y de la institución de la Rede Nacional de Física de Altas Energias (RENAFAE). La distribución de los artículos por Web of Science Category (WC) demostró que la área centraliza la publicación en un número reducido de periódicos extranjeros de lengua inglesa, con realce para Physical Review D (PRD). Astronomía & Astrofísica con 45,63% y Física Nuclear con 18,66% de participación fueron las categorías predominantes. Los científicos brasileños más productivos son de la subárea experimental y pertenecen a instituciones públicas del eje Rio de Janeiro-São Paulo. Las universidades fueron responsables por 80,92% de la producción. La co-autoría entre individuos creció durante el período, registrando media de 155,89 autores por artículo. El estudio por muestreo demostró que la fracción de publicaciones de autoria única (11,39%) está vinculada a la Física Teórica. Tanto el crecimiento del número de artículos como el de colaboraciones se ajustan al modelo de regresión lineal. La disminución de la media de las instituciones por artículo cuando consideradas solamente las nacionales, denota a preferencia por la colaboración internacional debido a los costos y complejidad de las investigaciones. Los análisis de MDS y clusters confirman la existencia de grupos regionales. La media de países por artículo es de 4,87. La proporción de co-autorías internacionales de la FAE (49,07%) es superior a las tasas verificadas en la producción científica brasileña en los últimos años. El predominio de investigadores extranjeros en la red de colaboración confirma la internacionalización de la actividad y la presencia de Brasil en los experimentos multinacionales. Los indicadores absolutos muestran que los EE.UU., Rusia y Francia son los principales socios. Los indicadores relativos exponen un proceso de descentralización y diversificación de las colaboraciones nacionales, con presencia relevante de Colombia y países del este europeo. El impacto de la investigación en FAE señala que los artículos brasileños recibieron 78.812 citas provenientes de 41,152 documentos. Los datos muestran que 87,65% de las publicaciones fueron citadas una o más veces en el período. Las características generales de los citandos revelan el predominio del artículo publicado en revista extranjera en lengua inglesa. La Física de Partículas y Campos con 36,24% y la Astronomía & Astrofísica con 21,17% de participación fueron las categorías citandas salientes. Los documentos internacionales representan 88,15% de las citas, con distinción para las publicaciones de Estados Unidos, Alemania e Italia. El Istituto Nazionale di Fisica Nucleare (INFN) se destaca entre las instituciones de los autores citandos. Concluye que la FAE tiene reconocimiento internacional, sin embargo, el aumento de la participación en las colaboraciones multinacionales y la intensificación de la actividad científica en la subárea experimental pueden darle al Brasil el status de los países desarrollados.

[ES] La investigación científica en Física de Altas Energías (HEP) se caracteriza por desafíos computacionales complejos, que durante décadas tuvieron que ser abordados mediante la investigación de técnicas informáticas en paralelo a los avances en la comprensión de la física. Uno de los principales actores en el campo, el CERN, alberga tanto el Gran Colisionador de Hadrones (LHC) como miles de investigadores cada año que se dedican a recopilar y procesar las enormes cantidades de datos generados por el acelerador de partículas. Históricamente, esto ha proporcionado un terreno fértil para las técnicas de computación distribuida, conduciendo a la creación de Worldwide LHC Computing Grid (WLCG), una red global de gran potencia informática para todos los experimentos LHC y del campo HEP. Los datos generados por el LHC hasta ahora ya han planteado desafíos para la informática y el almacenamiento. Esto solo aumentará con futuras actualizaciones de hardware del acelerador, un escenario que requerirá grandes cantidades de recursos coordinados para ejecutar los análisis HEP. La estrategia principal para cálculos tan complejos es, hasta el día de hoy, enviar solicitudes a sistemas de colas por lotes conectados a la red. Esto tiene dos grandes desventajas para el usuario: falta de interactividad y tiempos de espera desconocidos. En años más recientes, otros campos de la investigación y la industria han desarrollado nuevas técnicas para abordar la tarea de analizar las cantidades cada vez mayores de datos generados por humanos (una tendencia comúnmente mencionada como "Big Data"). Por lo tanto, han surgido nuevas interfaces y modelos de programación que muestran la interactividad como una característica clave y permiten el uso de grandes recursos informáticos. A la luz del escenario descrito anteriormente, esta tesis tiene como objetivo aprovechar las herramientas y arquitecturas de la industria de vanguardia para acelerar los flujos de trabajo de análisis en HEP, y proporcionar una interfaz de programación que permite la paralelización automática, tanto en una sola máquina como en un conjunto de recursos distribuidos. Se centra en los modelos de programación modernos y en cómo hacer el mejor uso de los recursos de hardware disponibles al tiempo que proporciona una experiencia de usuario perfecta. La tesis también propone una solución informática distribuida moderna para el análisis de datos HEP, haciendo uso del software llamado ROOT y, en particular, de su capa de análisis de datos llamada RDataFrame. Se exploran algunas áreas clave de investigación en torno a esta propuesta. Desde el punto de vista del usuario, esto se detalla en forma de una nueva interfaz que puede ejecutarse en una computadora portátil o en miles de nodos informáticos, sin cambios en la aplicación del usuario. Este desarrollo abre la puerta a la explotación de recursos distribuidos a través de motores de ejecución estándar de la industria que pueden escalar a múltiples nodos en clústeres HPC o HTC, o incluso en ofertas serverless de nubes comerciales. Dado que el análisis de datos en este campo a menudo está limitado por E/S, se necesita comprender cuáles son los posibles mecanismos de almacenamiento en caché. En este sentido, se investigó un sistema de almacenamiento novedoso basado en la tecnología de almacenamiento de objetos como objetivo para el caché. En conclusión, el futuro del análisis de datos en HEP presenta desafíos desde varias perspectivas, desde la explotación de recursos informáticos y de almacenamiento distribuidos hasta el diseño de interfaces de usuario ergonómicas. Los marcos de software deben apuntar a la eficiencia y la facilidad de uso, desvinculando la definición de los cálculos físicos de los detalles de implementación de su ejecución. Esta tesis se enmarca en el esfuerzo colectivo de la comunidad HEP hacia estos objetivos, definiendo problemas y posibles soluciones que pueden ser adoptadas por futuros investigadores. / [CA] La investigació científica a Física d'Altes Energies (HEP) es caracteritza per desafiaments computacionals complexos, que durant dècades van haver de ser abordats mitjançant la investigació de tècniques informàtiques en paral·lel als avenços en la comprensió de la física. Un dels principals actors al camp, el CERN, acull tant el Gran Col·lisionador d'Hadrons (LHC) com milers d'investigadors cada any que es dediquen a recopilar i processar les enormes quantitats de dades generades per l'accelerador de partícules. Històricament, això ha proporcionat un terreny fèrtil per a les tècniques de computació distribuïda, conduint a la creació del Worldwide LHC Computing Grid (WLCG), una xarxa global de gran potència informàtica per a tots els experiments LHC i del camp HEP. Les dades generades per l'LHC fins ara ja han plantejat desafiaments per a la informàtica i l'emmagatzematge. Això només augmentarà amb futures actualitzacions de maquinari de l'accelerador, un escenari que requerirà grans quantitats de recursos coordinats per executar les anàlisis HEP. L'estratègia principal per a càlculs tan complexos és, fins avui, enviar sol·licituds a sistemes de cues per lots connectats a la xarxa. Això té dos grans desavantatges per a l'usuari: manca d'interactivitat i temps de espera desconeguts. En anys més recents, altres camps de la recerca i la indústria han desenvolupat noves tècniques per abordar la tasca d'analitzar les quantitats cada vegada més grans de dades generades per humans (una tendència comunament esmentada com a "Big Data"). Per tant, han sorgit noves interfícies i models de programació que mostren la interactivitat com a característica clau i permeten l'ús de grans recursos informàtics. A la llum de l'escenari descrit anteriorment, aquesta tesi té com a objectiu aprofitar les eines i les arquitectures de la indústria d'avantguarda per accelerar els fluxos de treball d'anàlisi a HEP, i proporcionar una interfície de programació que permet la paral·lelització automàtica, tant en una sola màquina com en un conjunt de recursos distribuïts. Se centra en els models de programació moderns i com fer el millor ús dels recursos de maquinari disponibles alhora que proporciona una experiència d'usuari perfecta. La tesi també proposa una solució informàtica distribuïda moderna per a l'anàlisi de dades HEP, fent ús del programari anomenat ROOT i, en particular, de la seva capa d'anàlisi de dades anomenada RDataFrame. S'exploren algunes àrees clau de recerca sobre aquesta proposta. Des del punt de vista de l'usuari, això es detalla en forma duna nova interfície que es pot executar en un ordinador portàtil o en milers de nodes informàtics, sense canvis en l'aplicació de l'usuari. Aquest desenvolupament obre la porta a l'explotació de recursos distribuïts a través de motors d'execució estàndard de la indústria que poden escalar a múltiples nodes en clústers HPC o HTC, o fins i tot en ofertes serverless de núvols comercials. Atès que sovint l'anàlisi de dades en aquest camp està limitada per E/S, cal comprendre quins són els possibles mecanismes d'emmagatzematge en memòria cau. En aquest sentit, es va investigar un nou sistema d'emmagatzematge basat en la tecnologia d'emmagatzematge d'objectes com a objectiu per a la memòria cau. En conclusió, el futur de l'anàlisi de dades a HEP presenta reptes des de diverses perspectives, des de l'explotació de recursos informàtics i d'emmagatzematge distribuïts fins al disseny d'interfícies d'usuari ergonòmiques. Els marcs de programari han d'apuntar a l'eficiència i la facilitat d'ús, desvinculant la definició dels càlculs físics dels detalls d'implementació de la seva execució. Aquesta tesi s'emmarca en l'esforç col·lectiu de la comunitat HEP cap a aquests objectius, definint problemes i possibles solucions que poden ser adoptades per futurs investigadors. / [EN] The scientific research in High Energy Physics (HEP) is characterised by complex computational challenges, which over the decades had to be addressed by researching computing techniques in parallel to the advances in understanding physics. One of the main actors in the field, CERN, hosts both the Large Hadron Collider (LHC) and thousands of researchers yearly who are devoted to collecting and processing the huge amounts of data generated by the particle accelerator. This has historically provided a fertile ground for distributed computing techniques, which led to the creation of the Worldwide LHC Computing Grid (WLCG), a global network providing large computing power for all the experiments revolving around the LHC and the HEP field. Data generated by the LHC so far has already posed challenges for computing and storage. This is only going to increase with future hardware updates of the accelerator, which will bring a scenario that will require large amounts of coordinated resources to run the workflows of HEP analyses. The main strategy for such complex computations is, still to this day, submitting applications to batch queueing systems connected to the grid and wait for the final result to arrive. This has two great disadvantages from the user's perspective: no interactivity and unknown waiting times. In more recent years, other fields of research and industry have developed new techniques to address the task of analysing the ever increasing large amounts of human-generated data (a trend commonly mentioned as "Big Data"). Thus, new programming interfaces and models have arised that most often showcase interactivity as one key feature while also allowing the usage of large computational resources. In light of the scenario described above, this thesis aims at leveraging cutting-edge industry tools and architectures to speed up analysis workflows in High Energy Physics, while providing a programming interface that enables automatic parallelisation, both on a single machine and on a set of distributed resources. It focuses on modern programming models and on how to make best use of the available hardware resources while providing a seamless user experience. The thesis also proposes a modern distributed computing solution to the HEP data analysis, making use of the established software framework called ROOT and in particular of its data analysis layer implemented with the RDataFrame class. A few key research areas that revolved around this proposal are explored. From the user's point of view, this is detailed in the form of a new interface to data analysis that is able to run on a laptop or on thousands of computing nodes, with no change in the user application. This development opens the door to exploiting distributed resources via industry standard execution engines that can scale to multiple nodes on HPC or HTC clusters, or even on serverless offerings of commercial clouds. Since data analysis in this field is often I/O bound, a good comprehension of what are the possible caching mechanisms is needed. In this regard, a novel storage system based on object store technology was researched as a target for caching. In conclusion, the future of data analysis in High Energy Physics presents challenges from various perspectives, from the exploitation of distributed computing and storage resources to the design of ergonomic user interfaces. Software frameworks should aim at efficiency and ease of use, decoupling as much as possible the definition of the physics computations from the implementation details of their execution. This thesis is framed in the collective effort of the HEP community towards these goals, defining problems and possible solutions that can be adopted by future researchers. / Padulano, VE. (2023). Distributed Computing Solutions for High Energy Physics Interactive Data Analysis [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/193104