Wat zijn de oorsprong van het universum? Wat is materie en energie?
In een zoektocht om 's werelds meest uitdagende wetenschappelijke vragen te beantwoorden, heeft een consortium van ongeveer 20,000 wetenschappers CERN, het European Laboratory for Particle Physics, probeert de oorsprong van het heelal te reconstrueren. Maar om dit te kunnen doen, moeten onderzoekers de grenzen van de technologie verleggen. Tijdens een keynote op XDF EuropaDr. Thomas James, senior research fellow bij CERN, legde uit hoe Xilinx FPGA's 100 meter onder de grond een rol spelen bij het vinden van antwoorden.
Gebouwd onder Genève, Zwitserland, de Large Hadron Collider (LHC) is de grootste deeltjesversneller ter wereld. Het is een 27 kilometer lange ring en bestaat uit supergeleidende magneten die deeltjes versnellen tot voorheen ongekende energieniveaus. Elk proton doorkruist de ring 11,000 keer per seconde - bijna de lichtsnelheid. Op vier verschillende punten op de ring - elke 25 nanoseconden - botsen protonen. De omstandigheden van de botsing worden opgevangen door deeltjesdetectoren, een van deze deeltjesdetectoren wordt de CMS-detector genoemd.
De CMS-detector heeft een diameter van 15 meter, is 21 meter lang en weegt meer dan de Eiffeltoren. Het bevat honderden miljoenen individuele sensoren die samen de duizenden deeltjes detecteren die bij elke botsing ontstaan. Omdat de LHC 2.4 miljard botsingen per seconde creëert - ongeveer 500 terabit per seconde aan meetgegevens - is het onmogelijk om zoveel gegevens op te slaan. Daarom heeft het CERN-team een gelaagd "trigger" -systeem ontwikkeld om alleen de meest interessante botsingen voor analyse te selecteren, en de rest wordt weggegooid.
Dit triggersysteem is geïmplementeerd in twee lagen - de trigger van niveau één is de meest veeleisende - en vereist een vaste AI-inferentievermogen met extreem lage latentie van ongeveer 3 microseconden per gebeurtenis, samen met een enorme bandbreedte. CPU's en GPU's kunnen niet aan deze vereisten voldoen. Dus, 100 meter onder de grond maar afgeschermd van het stralingsgebied, is een netwerk van Xilinx FPGA's met algoritmen die zijn ontworpen om onmiddellijk de gegenereerde gegevens te filteren en nieuwe deeltjessubstructuren te identificeren als bewijs van het bestaan van donkere materie en andere fysische verschijnselen. Deze FPGA's draaien zowel klassieke als convolutionele neurale netwerken om sensorgegevens te ontvangen en uit te lijnen, tracking en clustering uit te voeren, machine learning-objectidentificatie uit te voeren en functies te activeren, allemaal voordat de gebeurtenisgegevens worden geformatteerd en afgeleverd. Het resultaat is een inferentie met een extreem lage latentie in de orde van 100 nanoseconden.
CERN heeft zijn hardware-ontwerpen ontwikkeld over meerdere generaties Xilinx-technologie, decennia geleden begonnen met de 180 nanometer Virtex-E-familie via de 16nm Virtex UltraScale + -architectuur. Met behulp van Xilinx-apparaten zijn CERN-wetenschappers in staat om een enorme diepte en breedte aan algoritmen te bereiken, zelfs binnen de strikte latentiebeperkingen, waaronder energieclustering, deeltjestracering en identificatie met behulp van complexe algoritmen zoals Hough-transformaties en Kalman-filters.
Naast de krachtige verwerkingsmogelijkheden van onze FPGA's, profiteert CERN van het toenemende gemak waarmee Xilinx FPGA's kunnen worden geprogrammeerd. James besprak hoe de nieuwste Xilinx-chips en het uniforme softwareplatform van Vitis de kracht van Xilinx toegankelijker maken voor een breder scala aan CERN-wetenschappers, niet alleen voor ingenieurs. James merkte op: “Nu zijn algoritmen waarvan lang werd gedacht dat ze onmogelijk te implementeren waren in FPGA een realiteit. We verwachten dat deze trend zich het komende decennium zal voortzetten, wat zal leiden tot verbazingwekkende nieuwe ontdekkingen in de deeltjesfysica. "
Voor meer informatie over ons werk met CERN en hoe Xilinx FPGA's prestatievoordelen bieden die niet haalbaar zijn door GPU's en CPU's, bekijk de CERN-casestudy hier.
