ניו-טק מגזין | אוגוסט 2019 | מהדורה דיגיטלית

מאפשרת לפיסיקאים לבצע אופטימיזציה של המודל עם מסגרות מקור פתוח בתקן תעשייתי לביג דאטה (נתוני עתק), כגון . התוצאה PyTorch או Keras , TensorFlow hls 4 ml של מסגרות עבודה אלו משמשת את כדי ליצור את קושחת ההאצה ברכיבי . אוטומציה זו יצרה חיסכון גדול FPGA בזמן, כפי שהעיד טראן, "מהנדסי חשמל מהווים משאב יקר מציאות בפיסיקה והם די יקרים. ככל שנוכל להשתמש יותר בפיסיקאים לצורך פיתוח אלגוריתמים ובמהנדסי חשמל לתכנון המערכות, כך מצבנו יהיה טוב יותר. הפיכת אלגוריתמים של למידת מכונה לנגישים יותר לפיסיקאים, עוזרת הרבה מאוד. לכן או Verilog ולא ברמת HLS התחלנו ברמת . כעת, אנו יכולים לעבור על VHDL ברמת פני השרשרת כולה מהכשרה ועד לבדיקה , ביום אחד." FPGA של רכיב איך הפיסיקאים מחפשים חומר אפל בעזרת אלגוריתמים של למידת מכונה כאשר אין הם יודעים איך הוא נראה באמת על מנת לאמן את הרשתות העצביות? האריס עונה, "אנו מעמידים השערה לגבי איך הוא נראה ומפרטים ברשימה את כל החתימות שהיינו מצפים שיהיו לחומר אפל." לפי דברי האריס וטראן, קיימת היסטוריה עשירה של עשייה כזו בפיסיקה של אנרגיות גבוהות. וטראן מוסיף, " אנו מתאמנים על סוג גנרי מאוד של חתימות. למשל, בחומר אפל מעצם טבעו לא תאותר אנרגיה בחיישן מפני שהוא יעבור היישר דרכו. אנחנו יכולים להשתמש בטכניקות של למידת מכונה כדי לשפר באופטימיזציה את הביצועים על מנת להבין את האנרגיה החסרה וגם לשפר את הרגישות שלנו לחומר האפל. תוצאות: ננו שניות 100 קבלת היסק בזמן המתנה של טרה ביית בשנייה 150 בקצבי נתונים של מדהים CMS קצב הנתונים של חיישן והוא שהופך את בעיית הסינון של האות המעורר לאתגר ייחודי כל כך. על מנת להתגבר על אתגרים אלו, זמני היסק עם זמן המתנה קצר באופן קיצוני מופקים על ידי האלגוריתמים של למידת מכונה FPGA של הצוות אשר פועלים על רכיבי . קצבי הנתונים הנכנסים אל Xilinx של נמדדים במאות טרה ביית CMS תוך גלאי מקבלים את נתוני FPGA בשנייה. רכיבי החיישן ומיישרים אותם, מבצעים מעקב וקיבוץ באשכולות, זיהוי עצמים בלמידת

ננו שניות. 25 מהתנגשויות המתרחשות מדי CMS נתונים של אירועי :1 איור «

. תהליך זה צרך זמן לא מבוטל שיכול VHDL היה להימשך כמה חודשי עבודת אדם של מומחים בתחום הפיסיקה וההנדסה. טראן ציין, "דימינו לעצמנו בפירוט רב מאוד, הכנסה של רשתות עצביות אל תוך האות המעורר ברמה אחת. איש לא באמת לקח כאן בחשבון את האפשרות להכניס באופן גנרי רשתות עצביות מכל הסוגים

השונים. כאשר אתה מאפשר את היכולת הזו לקהילה, היא יכולה להימצא בכל מקום. אנו רואים זאת בזיהוי של מיואונים, לפטונים מסוג טאו, פוטונים, אלקטרונים - כל החלקיקים שאנו יכולים לראות - אנו יכולים לשפר את הביצועים בעזרת הטכניקות האלו היותר מתוחכמות." hls 4 ml העלאת הרמה של ההפשטה עם

, התקני ASIC והתקני GPU בהשוואה להתקנים חלופיים כגון מעבדי :2 איור « הם הבחירה היחידה בת קימה עבור עיבוד הגורם המעורר לאירוע מאחר FPGA ) קצר באופן מיוחד. בעוד שיכולת העיבוד latency( שהם מספקים זמן המתנה מושכת להשתמש בהם, טכנולוגיות אלו מתאימות GPU המספרי הנרחבת של יחידות במיוחד למצבים של תפוקה גבוהה ולא לזמן המתנה קצר.

hls4ml זרימת הכלי :3 איור

«

New-Tech Magazine l 46