Специалисты CERN представили нейросетевые архитектуры, интегрированные непосредственно в аппаратное обеспечение для фильтрации данных Большого адронного коллайдера (БАК). Эти системы функционируют в режиме реального времени, отсеивая значимые научные события с задержкой, измеряемой наносекундами, что позволяет радикально снизить массив входящей информации ещё в момент регистрации сигналов.
Масштабы данных в CERN
Ежегодно БАК генерирует около 40 000 эксабайт данных — это примерно 25% всего мирового интернет-трафика. В периоды максимальной активности поток информации достигает сотен терабайт в секунду, что физически невозможно сохранить или обработать целиком на текущем уровне развития вычислительной техники. В результате система CERN вынуждена отсеивать 99,98% событий, сохраняя для последующего анализа только 0,02% данных, представляющих реальный научный интерес.
Двухуровневая архитектура фильтрации
Для управления этим колоссальным потоком данных инженеры внедрили двухуровневую систему:
- Level-1 Trigger (Первый уровень): состоит из 1000 программируемых логических интегральных схем (FPGA). Анализ поступающих сигналов происходит всего за 50 наносекунд. На этом этапе задействован алгоритм AXOL1TL, реализованный с помощью инструментария HLS4ML, который конвертирует нейросетевые модели в код C++ для аппаратной интеграции в FPGA или специализированные чипы ASIC.
Для достижения экстремальной скорости и энергоэффективности специалисты CERN используют предвычисленные таблицы поиска. Они позволяют системе мгновенно распознавать типичные паттерны сигналов детекторов, избегая избыточных вычислений.
- High-Level Trigger (Второй уровень): опирается на вычислительный кластер из 25 600 процессоров и 400 графических ускорителей. Даже после первичной фильтрации объем обрабатываемых данных исчисляется терабайтами в секунду, из которых система отбирает около одного петабайта для окончательной записи.
Перспективы и масштабирование
К 2031 году CERN планирует ввод в эксплуатацию модернизированного комплекса High-Luminosity LHC, производительность которого по генерации данных вырастет в 10 раз. Сейчас ведется активная разработка еще более компактных и быстрых моделей нейросетей, способных работать в условиях таких нагрузок.
Технология «tiny AI» — внедрение компактных нейросетей непосредственно в железо — имеет огромный потенциал далеко за рамками физики элементарных частиц. Подобные решения крайне востребованы в аэрокосмической отрасли, автономных системах управления, медицинской диагностике и других сферах, где требуется мгновенная обработка данных при жестких ограничениях по энергопотреблению.
