基于FPGA的ATLAS液氩量能器信号实时处理的机器学习方法
仪器与探测器
2022-04-20 v1 高能物理 - 实验
摘要
CERN的ATLAS实验在大型强子对撞机(LHC)上以40 MHz重复频率测量质子-质子(p-p)碰撞能量。作为二期升级的一部分，液氩(LAr)量能器的读出电子学正为高亮度LHC(HL-LHC)运行做准备，预期最高达200个同时发生的p-p相互作用的堆砌。p-p相互作用数量的增加意味着多达25个连续碰撞的量能器信号重叠，使能量重建更具挑战性。为实现HL-LHC的目标，使用现场可编程门阵列(FPGAs)实时处理以40 MHz采样的数字化脉冲，并正在研究不同机器学习方法来应对信号堆砌。卷积与循环神经网络在将重建能量正确分配给质子束团交叉以及能量分辨率方面均优于当前使用的最优信号滤波器。改进集中于从重叠脉冲获取的能量。由于神经网络在FPGA上实现，必须仔细分析参数数量、资源使用、延迟和工作频率。在FPGA中的神经网络实现与软件之间观察到非常好的一致性。
引用
@article{arxiv.2111.08590,
title = {Machine Learning for Real-Time Processing of ATLAS Liquid Argon Calorimeter Signals with FPGAs},
author = {Nemer Chiedde},
journal= {arXiv preprint arXiv:2111.08590},
year = {2022}
}
备注
TWEPP-2021, http://cds.cern.ch/record/2784637