Ultrafast Jet-Klassifizierung am HL-LHC

Zusammenfassung Drei Machine-Learning-Modelle werden zur Durchführung der Jet-Ursprungs-Klassifizierung verwendet. Diese Modelle sind für den Einsatz auf einem FPGA-Gerät (Field Programmable Gate Array) optimiert. In diesem Zusammenhang zeigen wir, wie die Latenz und der Ressourcenverbrauch mit der Eingabemenge und der Wahl des Algorithmus skalieren. Außerdem sind die hier vorgeschlagenen Modelle so konzipiert, dass sie mit der Art von Daten und unter den vorhergesehenen Bedingungen am CERN großen Hadronen-Speicher während seiner Hochluminositätsphase arbeiten können. Durch quantisierungsbewusste Schulung und effiziente Synthese für ein bestimmtes FPGA zeigen wir, dass eine O(100) ns Inferenz komplexer Architekturen wie Deep Sets und Interaction Networks zu relativ geringen Rechenressourcenkosten machbar ist.