相关实验视频
Updated: Jun 27, 2025
10:36
Rare Event Detection Using Error-corrected DNA and RNA Sequencing
Published on: August 3, 2018
12.1K
纳秒异常检测与决策树和实时应用到异国情调的希格斯衰变
S T Roche1,2, Q Bayer2, B T Carlson2,3
1School of Medicine, Saint Louis University, Saint Louis, MO, USA.
Nature communications
|April 25, 2024
概括
我们开发了一个可解释的自动编码器,使用现场可编程门阵列 (FPGA) 上的深度决策树进行实时异常检测. 这个系统有效地识别出未知的物理过程,比如罕见的希格斯玻色子衰变,在大强子对撞机.
科学领域:
- 高能物理 高能物理
- 人工智能的人工智能
- 硬件加速器 硬件加速器
背景情况:
- 异常检测对于发现像大型强子对撞机 (LHC) 这样的粒子对撞机的新物理学至关重要.
- 传统方法面临着巨大的数据速率和实时分析的需求带来的挑战.
- 边缘人工智能和硬件加速为低延迟,资源有限的环境提供了潜在的解决方案.
研究的目的:
- 在FPGA上使用深度决策树实现可解释的自动编码器用于异常检测.
- 在LHC实时触发系统中展示系统的能力.
- 检测未知的物理过程,包括希格斯玻色子罕见的异国情调衰变.
主要方法:
- 开发了一个基于深层决策树的森林的自动编码算法.
- 使用现场可编程门阵列 (FPGA) 进行硬件加速.
- 在CERN对已知的标准模型物理过程进行了自动编码器的训练.
主要成果:
- 实现了实时异常检测,延迟时间为30纳秒.
- 该实现仅在Xilinx Virtex UltraScale+ VU9P FPGA上使用百分比级资源利用率.
- 成功证明了希格斯玻色子作为异常的罕见外来衰变的检测.
结论:
- 基于FPGA的深度决策树自编码器为异常检测提供了低延迟,可解释的解决方案.
- 这种方法适用于资源有限的边缘人工智能应用,例如高能物理中的实时触发系统.
- 提供了一种用于在大量数据流中发现未知的物理现象的新方法.
