中文

Belle II已部署图神经网络触发器的RTL故障注入研究

高能物理 - 实验 2026-07-03 v1 硬件体系结构
作者: Georgios Sotiropoulos , Marc Neu , Tanja Harbaum , Torben Ferber , Jürgen Becker
在 arXiv 上查看 ↗ PDF ↗

摘要

随着粒子物理探测器规模的扩大,高能物理实验必须处理日益增长的数据量。在现场可编程门阵列上实现并越来越多地使用神经网络算法的1级触发系统实时过滤这些数据。然而,它们靠近相互作用点使其暴露于辐射,这可能会破坏输出、使处理流水线停滞或损坏硬件,造成重大的财务和科学后果。在这项工作中,我们首次对已部署的1级硬件神经网络触发器——Belle II触发系统中的GNN-ETM进行了寄存器传输级故障注入研究。我们针对实时触发流水线最关键的三种故障模式:死锁、超时和数据包完整性违规。通过两个互补的活动,我们在211 245个信号中注入了1 442 840个单事件翻转。我们发现了现有验证基础设施中的监控不对称性,并提出级间活性监控作为仅输出观察的更准确替代方案,表明两种方法估计的平均故障时间差异高达78.7%。由此产生的逐级数据确定了最高优先级的加固目标。

关键词

故障注入 寄存器传输级 图神经网络触发器 Belle II 单事件翻转 FPGA

引用

@article{arxiv.2607.03153,
  title  = {RTL Fault Injection of a Deployed Graph Neural Network Trigger for Belle II},
  author = {Georgios Sotiropoulos and Marc Neu and Tanja Harbaum and Torben Ferber and Jürgen Becker},
  journal= {arXiv preprint arXiv:2607.03153},
  year   = {2026}
}

备注

6 pages, 2 figures