利用FPGA上的AI实现HL-LHC的CMS重叠μ子径迹寻找器
高能物理 - 实验
2025-09-30 v1
摘要
在高亮度大型强子对撞机（HL-LHC）的苛刻条件下运行CMS一级触发器——输入约63 Tb/s，固定12.5 μs延迟——构成了极具挑战的实时重建任务。CMSμ子系统分为三个区域：桶部、端盖以及中间桶部-端盖"重叠"区域。在这一重叠过渡区，重叠μ子径迹寻找器对位移μ子和长寿命粒子信号可能不够理想。我们提出了一种针对这些约束量身定制的图神经网络方法，使用GraphSAGE层和一个紧凑的多层感知器来回归μ子的逆横向动量。PyTorch到C++及高层次综合流程展示了可行性，初始结果与模拟吻合良好。虽然完全并行实现将超出可用FPGA资源，但量化、剪枝和乘法器复用为实际的Phase-2部署指明了方向。
引用
@article{arxiv.2509.23347,
title = {Using AI on FPGAs for the CMS Overlap Muon Track Finder for the HL-LHC},
author = {Pelayo Leguina and Santiago Folgueras and Andrea Cardini and Elena Aller},
journal= {arXiv preprint arXiv:2509.23347},
year = {2025}
}
备注
The 2nd European AI for Fundamental Physics Conference (EuCAIFCon2025)