| 研究課題/領域番号 |
18K03675
|
|---|
| 研究機関 | 大学共同利用機関法人高エネルギー加速器研究機構 |
|---|
研究代表者 |
戸本 誠 大学共同利用機関法人高エネルギー加速器研究機構, 素粒子原子核研究所, 教授 (80432235)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| キーワード | エネルギーフロンティア実験 / トリガー / 機械学習 |
|---|
| 研究実績の概要 |
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機械学習を積極的に取り入れた「AIトリガー」の可能性の可能性を追求する。具体的な研究材料として、高輝度LHC実験における7層のTGC検出器のヒットを用いたμ粒子トリガーの開発を行う。本年度は、以下の3つの研究を実施した。
(1) 高輝度LHC実験において最初に導入予定の"Track Fit Trigger"によるμ粒子トリガーをXilinx社のハイエンドFPGA であるVritex UltraScale+ FPGAに実装し、ハードウェア上の性能評価を行った。
(2) "Track Fit Trigger"に変わるConvolutional Neural Network (CNN)を取り入れた「AIトリガー」のアルゴリズムを考案し、高輝度LHC実験のTGCで導入した場合の性能評価を行った。
(3) "Track Fit Trigger"によるμ粒子トリガーとNeural Network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の回路図設計を完了させた。
(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"Track Fit Trigger"アルゴリズムの性能評価をテストベクターを用いてハードウェア上で実現し、検出器の読み出しチャンネル幅で制限される分解能（μ粒子飛跡の角度分解能で数ミリラジアン）まで性能が出ることを示した。(2)に関しては、"Track Fit Trigger"とは異なるCNNを用いた「AIトリガー」のアルゴリズムを考案し、"Track Fit Trigger"と同等以上の性能を出せる機械学習パラメータの導出に成功した。（3）では、高輝度LHCで用いるトリガーボードの回路図設計まで進めることができた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
高輝度LHC実験の本番で導入する"Track Fit Trigger"によるμ粒子トリガーのアルゴリズムの最初のファームウェアを作成し、一部の検出器領域ではあるがそのファームウェアをハイエンドFPGA搭載のテストボードでテストし、その結果が検出器のチャンネル幅で制限されるものと同等であることを立証した。本研究の第一段階は完了した。
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、一昨年度に開発したHough変換を用いた飛跡再構成手法とは異なる、TGC検出器のレイヤー（ビームパイプ方向位置）とチャンネル位置（ビームパイプ垂直位置）の2次元位置情報をCNNのインプットに利用した「AIトリガー」の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。機械学習パラメータの最適化を前年度までに本研究で設置したGPUを用いて行い、飛跡の角度分解能として"Track Fit Trigger"と同等以上の性能が出せることを示した。これにより本研究の第二段皆として定めた研究に関しても目処をつけることができた。
また、"Track Fit Trigger"と「AIトリガー」アルゴリズムの両方を実現する大規模FPGA搭載のトリガープロセッサボードの回路図設計を終えた。
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。
|
| 今後の研究の推進方策 |
当初予定していた研究課題を進めることはできた。今後は、CERNで一緒に共同研究を進めるイタリアなどのグループと議論して、高輝度LHCや将来加速器実験での実現可能性の議論を進めて本研究を完了させたい。その際、トリガーアルゴリズムを実現する高輝度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製作を行う。また、"AI Trigger"のFPGAへの導入を目指し、計算量を削減しながらもトリガーの性能を劣化させない機械学習パラメータの最適値を割り出す研究を進める。
|
| 次年度使用額が生じた理由 |
本研究技術に関する成果と将来展望をCERNの共同研究者と議論するための旅費を計上していたが、Covid-19の影響により出張を延期した。Covid-19の状況が良くなれば、本研究成果を国外の共同研究者と議論するための海外旅費として利用する予定である。Covid-19の状況が好転しなければ、国外の研究者とは、これまでも実施してきたTV会議による議論のみにとどめ、国内の研究者との研究打ち合わせのための旅費として使用しつつ、GPU搭載計算機の周辺機器の消耗品として使用する予定である。
|
