FPGA 上用于对撞机长寿命粒子触发的高速神经网络推理
高能物理 - 实验
2023-12-20 v2 机器学习
仪器与探测器
摘要
实验粒子物理需要一套复杂的触发与获取系统，能够高效地保留感兴趣的碰撞以供进一步研究。采用 FPGA 卡的异构计算可能成为 CERN 大型强子对撞机即将到来的高亮度计划之触发策略的一项趋势性技术。在此背景下，我们提出两种机器学习算法，用于筛选中性长寿命粒子在探测器体积内衰变的事件，并研究其在商用 Xilinx FPGA 加速卡上加速时的精度与推理时间。推理时间还与基于 CPU 和 GPU 的硬件设置进行了对比。所提出的新算法在考虑的基准物理场景中证明是高效的，且其精度在 FPGA 卡上加速时未见退化。结果表明，所有测试的架构均满足二级触发农场的延迟要求，且利用加速技术对粒子物理碰撞进行实时处理是一个值得进一步研究的有前景的领域，尤其是针对具有大量可训练参数的机器学习模型。
引用
@article{arxiv.2307.05152,
title = {Fast Neural Network Inference on FPGAs for Triggering on Long-Lived Particles at Colliders},
author = {Andrea Coccaro and Francesco Armando Di Bello and Stefano Giagu and Lucrezia Rambelli and Nicola Stocchetti},
journal= {arXiv preprint arXiv:2307.05152},
year = {2023}
}
备注
12 pages, 10 figures, 2 tables