Accelerare Machina Learning for Particula Physics

Renovatio: December 9, 2023

Apparatus discendi ubique est. Exempli gratia, suus quam Spotify suggestiones dat tibi quid proximo audias vel quomodo Siri interrogationibus tuis respondeat. Et in physica etiam particula ponitur, a calculis theoricis usque ad analysim. Nunc manipulus comprehendens inquisitores e CERN et Google cum nova methodo ascendit ad retia neural alta accelerandum - forma machinae discendi algorithms - ad collisiones proton-proton eligendas apud Large Hadron Collider (LHC) ad ulteriorem analysin.

Particula detectoria circa LHC anulum utatur in ferramentis electronicis "trigger" systematis ut eligatur potentia interesting collisiones particulae ulterioris analysis. Cum rate currenti collisiones proton-proton in LHC, usque ad 1 miliarda collisiones per alterum, programmata nunc in usu in systematibus felis detectorum eligat utrum collisionem in tempore debito eligere vel non, quod est mera microseconda. . Sed cum concursu certae ad augendum per factorem quinque ad septem cum LHC futura upgraded, HL-LHC, investigatores explorant optionem programmatum, inclusa machina discendi algorithmorum, qui hanc electionem citius facere potuerunt.

Intrant novum studium a CERN investigatoribus et cooperatoribus, quae in opere praecedenti aedificat qui instrumentum programmatum induxit ad retia neural alta in genus ferramentorum explicandum, quod portae programmales appellatae vestiuntur (FPGAs), quae programmari possunt ad varias operas faciendas. munia, additis particulis offensionibus deligendis usurae. CERN Investigatores et collegae artem elaboraverunt quae magnitudinem retis neuralis profundae per factorem 50 minuit et efficiens processui retis tempus decem nanoseconds — infra tempus praesto est eligere utrum collisionem servare vel abiicias.

"Ars ulcera ad retis neuralis profunditatem comprimendo reducendo numerorum praecisionem parametrorum qui illud describunt", cooperator studii dicit et Vladimirus Loncar CERN indagator. “Hoc fit in disciplina, vel doctrina retis, permittens reticulum mutationi accommodare. Hoc modo, magnitudinem retis et processus temporis minuere potes, sine detrimento in retis effectus.

Praeterea ars invenire potest, quae praecisio numeralis aptissima est utendi certis angustiis ferramentis datis, ut copia instrumentorum instrumentorum ferramentorum.

Si id parum est, ars commodum habet quod facile est uti pro non peritis, et adhiberi potest in FPGAs in particula detectoribus et in aliis machinis quae retiacula exigunt cum velocitate temporum et magnitudinum parvarum.

Exspecto, investigatores arte sua uti volunt ad excogitandum novum genus felis systematis pro spotting collisiones quae solent abiiciendae a felis conventionali. ratio sed quod nova phaenomena celare possent. « Finis ultimus est collisiones capere posse qui novas physicas physicas ultra exemplar physicae particularis monstrare potuit », alius auctor studii et CERN indagator Thea Aarrestad dicit.