2019 Fiscal Year Research-status Report
「AIトリガー」による将来の先端加速器実験に向けたトリガー技術の革新
| Project/Area Number |
18K03675
|
|---|
| Research Institution | Nagoya University |
|---|
Principal Investigator |
戸本 誠 名古屋大学, 理学研究科, 准教授 (80432235)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 素粒子実験 / トリガー / 機械学習 |
|---|
| Outline of Annual Research Achievements |
発見感度の高い新物理探索を行うために、高輝度で高エネルギーな加速器を用いた素粒子実験が不可欠となる。こうした実験の成功のために、興味ある物理事象とともに増大する背景事象をより強力に削除する究極的なトリガー技術の開発が急務である。本研究は、FPGAなどを駆使したハードウェアトリガーに、近年急速に発達しているDeep Learning などの機械学習を積極的に取り入れた「AIトリガー」の可能性を高輝度LHC実験のμ粒子トリガーを用いて追求する。本年度は、以下の2つの研究を実施した。
(1) "Track Fit Trigger"によるμ粒子トリガーを高エネルギー実験での利用例の少ないXilinx社のハイエンドFPGA であるVritex UltraScale+ (XCVU9P) に実装することに成功し、現行のLHC実験のμ粒子トリガーよりも性能が高く、高輝度LHC実験の環境下でも十分な性能を発揮することを示した。
(2) "Track Fit Trigger"に変わるConvolutional Neural Network (CNN)を取り入れた"AIトリガー"のアルゴリズムを新しく考案し、将来の先端加速器実験における実用性を追求した。
(1)に関しては、RAMや論理回路などの単純なリソースを用いただけで、これまではソフトウェアプログラムが実現してきた直線フィッティングによる飛跡再構成を実現できることを示した。また(2)によって、Track Fitとは異なる機械学習によるアプローチでμ粒子トリガーのアルゴリズムを実現できることを示した。また、(1)と(2)の両アルゴリズムは、大型のハイエンドFPGAと高速・多入出力光トランシーバとを組み合わせたトリガーモジュールによって実現できることがわかり、高輝度LHC実験のμ粒子トリガー回路のベースラインとしてその開発を開始させた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究の第一段階として定めた"Track Fit Trigger"によるμ粒子トリガーのアルゴリズムをハイエンドFPGAに実装し、その出力結果がシミュレーションによる予想値と同等であることを立証した。シミュレーションの予想だけでなくハードウェア上へのアルゴリズムの実装も完了しており、高輝度LHC実験のベースラインが確定した。以上により第一段階の研究は当初予定通りに完了できたと言える。今後は第二段階の研究に集中できる。
本研究の第二段階として定めたAIトリガーの可能性の追求として、昨年度に開発したHough変換を用いた飛跡再構成手法を発展させたCNNによるトリガーアルゴリズムを考案し、シミュレーションによる性能評価を行った。20 GeV以上の運動量を持つμ粒子による飛跡か否かの学習を行っただけではあるが"Track Fit Trigger"と同等の性能が出そうであることを示し、今後の機械学習のパラメータの最適化を行うことでさらなる性能向上が見込めそうであることがわかった。この最適化を実施するために必要となるGPUを搭載した計算機の設置を終えた。
以上の研究成果を日本物理学会などで報告した。また、指導した学生の修士論文や卒業論文の研究成果ともなっている。
|
| Strategy for Future Research Activity |
"Track Fit Trigger"やCNNによるAIトリガーなどをハードウェアで実現する可能性を追求するために、高輝度LHC実験での利用を目指したハイエンドFPGAと高速・多入力光トランシーバを搭載した将来実験トリガーモジュールの設計を行う。GPU搭載の計算機を用いて、昨年度は簡易的に実施したAIトリガーのパラメータの最適化を行い性能の追求を行う予定である。最終的には、"Track Fit Trigger"と新しく構築したAIトリガーとの性能比較を行い、AIトリガーの将来性を追求する。
|
