Intelligent experiments through real-time ai: Fast data processing and autonomous detector control for sphenix and future eic detectors

Motivation

• Known: sPHENIX 실험의 DAQ 대역폭(300 Gb/s) 제한으로 인해 TPC에서 생성된 데이터의 약 90%가 폐기되며, 카로리미터의 15 kHz 최대 트리거율이 물리 신호 수집을 제약함.
• Gap: 저운동량 무거운 쿼크(특히 뷰티) 사건을 실시간으로 식별하여 폐기되는 데이터에서 복구할 수 있는 온라인 필터링 기술 부재.
• Why: 뷰티 쿼크는 RHIC 에너지에서 약 0.05% 생성확률을 가지므로, 기존 트리거로는 충분한 통계를 확보할 수 없어 새로운 접근이 필수적.
• Approach: 실리콘 트래킹 검출기(MVTX, INTT)에서 그래프 신경망 기반 실시간 트랙 재구성 및 변위된 꼭지점 검출을 통해 10 μs 이내의 트리거 신호 생성.

Achievement

1. 무거운 맛(Flavor) 식별 성능:
   • D⁰ 메손: 90.22% 정확도 (뷰티 이벤트 대비 2.3배 효율 향상, 현 sPHENIX 표준 대비 23x 정화도 증대)
   • 뷰티 붕괴: 97.38% 정확도 달성
2. FPGA 구현 성과:
   • GarNet 기반 히트 모델: 9.2 μs 시작-종료 지연(180 MHz, FlowGNN), hls4ml 구현 시 505 ns 달성
   • Edge 후보 분류(BGN-ST): 8.82 μs 지연(285 MHz)으로 150 μs에서 개선
3. 모델 선택 검증: 트랙 기반 모델(BGN-ST)이 히트 기반 모델 대비 5.22% 정확도 우위 입증

How

데이터 처리 파이프라인:

1. 히트 디코딩 및 클러스터링: 종래 FPGA 로직으로 검출기 신호 전처리
2. 트랙 구성:
   • 엣지 후보 생성: 기하학적 제약 적용으로 엣지 50% 감소(정확도 손실 0.4%)
   • 그래프 합성곱 신경망(GCN) 이용 참 엣지 분류
   • 구성된 엣지 연결로 트랙 형성
3. 횡운동량 예측: 최소제곱법으로 트랙 곡률 추정(정확도 15% 향상)
4. 트리거 검출: 이분 그래프 네트워크-집합 변환기(BGN-ST) 활용
   • 37개 특징(클러스터 5개, 엣지 사이 거리/각도, 트랙 반경 등)
   • 국소 트랙 상호작용, 트랙-전역 상호작용, 전역-트랙 상호작용 모델링

FPGA 코드 생성:

• 수동 C++ 재작성 + FlowGNN (VHDL 생성)
• hls4ml 자동 변환 (PyTorch Geometric 지원 예정 2025)
• FELIX-712 보드(Xilinx Kintex UltraScale) 선택

Originality

• 주의 메커니즘 기반 트리거: 집합 변환기를 활용한 토폴로지 기반 무거운 쿼크 신호 선택이 기존 통계적 방법 대비 혁신적
• 실시간 FPGA 구현: 고에너지물리 실험에 나노초 수준 지연의 GNN 배포는 선도적 기술
• 데이터 증강을 통한 견고성: 검출기 정렬 변동에 대한 히트 섭동(perturbation) 기반 강화
• 다중 아키텍처 비교: GCN, GarNet, PN+SAGPool, BGN-ST 등 다양한 그래프 신경망 체계적 평가

Limitation & Further Study

• 제한:
  • PyTorch Geometric이 hls4ml에 미지원(2025년 공식 지원 예정)으로 BGN-ST 완전 구현 지연
  • 시뮬레이션 데이터만으로 학습(실제 검출기 잡음 수준 10⁻⁹ 대비 10⁻⁷ 외삽 테스트만 수행)
  • EIC 적용은 추후 개발 단계
• 후속 연구:
  • 전체 시스템 테스트: 연말 예정, 2025년 개선된 hls4ml 활용 BGN-ST 통합
  • EIC용 심층 불탄성 산란(DIS) 전자 태거 설계
  • FPGA 자원 활용 최적화 연구

Evaluation

총평: 본 연구는 고에너지 핵물리 실험의 데이터 병목을 해결하기 위해 최신 그래프 신경망과 FPGA 기술을 창의적으로 결합하였으며, 특히 실시간 나노초 지연 구현은 차세대 고에너지물리 실험의 새로운 패러다임을 제시하는 가치 있는 연구이다. 다만 실제 검출기 환경 검증 및 EIC 프로토타입 구현이 진행 중이므로, 최종 결론을 위해서는 2025년 전체 시스템 성능 테스트 결과를 기대해야 한다.