在 FPGA 上加速图神经网络以用于 HL-LHC 未来缪子触发器中的快速推理
高能物理 - 实验
2025-10-01 v1
摘要
高亮度 LHC（HL-LHC）将达到比前一轮运行高 7 倍的亮度，产生更密集的事件和更高的占用率。下一代触发算法必须在严格的延迟预算内保持可靠的选择能力。本工作探索了用于未来缪子触发器的机器学习方法，以 ATLAS 缪子谱仪作为基准。使用卷积神经网络（CNN）作为参考，同时引入图神经网络（GNN）作为稀疏探测器数据的自然模型。初步的单径迹研究表明，GNN 以紧凑的架构实现了高效率，这对于 FPGA 部署而言是一个令人鼓舞的结果。
引用
@article{arxiv.2509.26419,
title = {Graph Neural Network Acceleration on FPGAs for Fast Inference in Future Muon Triggers at HL-LHC},
author = {Martino Errico and Davide Fiacco and Stefano Giagu and Giuliano Gustavino and Valerio Ippolito and Graziella Russo},
journal= {arXiv preprint arXiv:2509.26419},
year = {2025}
}
备注
5 pages, 2 figures Submission to SciPost for conference proceedings