Classificação de jatos ultrarrápidos no HL-LHC

Resumo Três modelos de aprendizado de máquina são utilizados para realizar a classificação de origem de jatos. Esses modelos são otimizados para implantação em um dispositivo de matriz de portas programáveis em campo. Nesse contexto, demonstramos como a latência e o consumo de recursos escalam com o tamanho da entrada e a escolha do algoritmo. Além disso, os modelos propostos aqui são projetados para funcionar no tipo de dado e nas condições previstas no colisor de hádrons do CERN durante sua fase de alta luminosidade. Através do treinamento com consciência de quantização e sintetização eficiente para uma matriz de portas programáveis em campo específica, mostramos que a inferência de O (100) ns de arquiteturas complexas como Deep Sets e Interaction Networks é viável a um custo relativamente baixo de recursos computacionais.