Nov, 2023

在托卡马克上部署的机器学习光学追踪技术的低延迟实现

PDF
TL;DR本研究利用光学高速相机和基于 FPGA 硬件进行数据处理，实时跟踪磁流体力学模式演化并生成控制信号，通过卷积神经网络模型预测和其他测试方法相比，更准确地预测摄像机图像中的 MHD 模式的振幅和相位，实现了在高速相机诊断中的总触发到输出延迟为 17.6 微秒和最高 120kfps 的吞吐量。该研究在高贝塔托卡马克 - 扩展脉冲（HBT-EP）实验中展示了基于 FPGA 的高速相机数据采集和处理系统，为实时机器学习应用于托卡马克诊断和控制以及其他科学领域提供了潜在应用。
active feedback controlmagnetic confinement fusion devicesoptical high-speed camerasmagnetohydrodynamic mode evolutionconvolutional neural network
发现论文，激发创造
  • 基于 FPGA 的深度神经网络在粒子物理中的快速推断

    介绍了基于 FPGA 进行神经网络推理的案例研究，其使用高级综合技术（HLS）构建机器学习模型，旨在为粒子物理学的高速实时事件处理提供支持，适用于很多场合，如寻找新的暗扇区粒子和测量希格斯玻色子等。

    Apr, 2018

  • 用于高能对撞机长寿命粒子触发的 FPGA 快速神经网络推理

    本研究对于 FPGA 卡驱动的机器学习算法的使用进行探讨，并证明在高亮度程序触发策略和事件选择中，这种算法具有较高的准确性和较低的推理时间。

    Jul, 2023

  • 研究面向 eFPGA 的资源高效中子 /γ 射线分类机器学习模型

    实施机器学习模型于硬件上已取得了相当大的兴趣和进展，而该研究探索了电子可变程序逻辑阵列（eFPGA）在完全连接神经网络（fcNN）和增强决策树（BDT）模型实现方面的参数空间以及资源效率的权衡，以帮助制定一个作为测试芯片的一部分的 eFPGA 结构的规范。

    Apr, 2024

  • 在粒子探测器读出中，130 纳米和 28 纳米 CMOS 嵌入式 FPGA 的机器学习发展

    使用嵌入式可编程门阵列（eFPGA）技术在应用特定集成电路（ASIC）的设计中实现可重构逻辑，将 ASIC 的低功耗和高效性与 FPGA 的易配置性相结合，尤其适用于下一代对撞机实验数据流中的机器学习用例。通过开源框架 “FABulous”，设计了使用 130 纳米和 28 纳米 CMOS 技术节点的 eFPGA，并经过测试进行了验证。通过模拟高能粒子经过硅像素传感器和基于机器学习的分类器的测试，验证了 eFPGA 作为前端读出芯片的能力。通过在 eFPGA 上成功合成和配置传感器数据的降维算法，以完美准确度复现了预期算法结果。讨论了对 eFPGA 技术的进一步发展以及其在对撞机探测器读出中的应用。

    Apr, 2024

  • 利用 FPGA 技术增强生物医学计算

    本研究详细探讨了使用卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）和深度置信网络（DBN）通过可编程门阵列（FPGA）改进对心电图（ECG）信号的分析的复杂神经网络框架，使用 MIT-BIH 心律失常数据库作为模型训练和评估的基础，并加入高斯噪声来提高算法的鲁棒性。研究中我们采用多层结构进行特定处理和分类功能的设计，使用了 EarlyStopping 回调和 Dropout 层等策略来防止过拟合现象。此外，还详细介绍了为 PYNQ Z1 平台创建定制化的张量计算单元（TCU）加速器的过程。该研究提供了一个系统的方法论，涵盖了在 Docker 中配置 Tensil 工具链、选择架构、PS-PL 配置以及模型的编译和部署。通过评估延迟和吞吐量等性能指标，展示了 FPGA 在先进的生物医学计算中的效果。最终，本研究成果在各个领域优化 FPGA 上的神经网络操作提供了全面的指南。

    Nov, 2023

  • 在 FPGAs 中部署 AI 推理引擎的框架实现

    本文介绍了用于解决 SLAC 数据实验的高速探测器的存储问题的解决方案 —— 用机器学习技术在边缘计算设备上实现实时数据处理的 SLAC 神经网络库框架，该框架采用基于 FPGA 的加速器来实现 ML 解决方案，并且支持所有权重的 RTL 重训练和恢复。

    May, 2023

  • 利用 FPGA 技术加速的物体运动检测的计算模型

    通过基于生物启发的神经网络设计和优化的硬件实现，本研究在物体运动检测领域取得了重要进展，超过了现有方法在准确性和处理速度方面的表现。

    Aug, 2023

  • 时间复用神经全息：一种具有快速、大量量化空间光调制器的柔性全息近眼显示解决方案

    本研究提出一种基于计算机生成全息术的框架来优化高速空间光调制器（SLMs）的量化相位模式，实现对各种类型内容的支持，包括 2D 和 2.5D 的 RGBD 图像、3D 焦点堆栈以及 4D 光场。实验结果表明，在模拟和实验中，本研究所提出的框架在所有这些场景下都实现了最先进的效果。

    May, 2022

  • 神经形态光流与事件相机实时实现

    研究提出了一种结合时间透镜的新型神经网络架构，利用事件视觉和脉冲神经网络技术，以及基于活动和延迟分析的模型简化方法，提高了光流预测的速度并减少了复杂度，同时保持了高精度特性，为实时部署提供了可能性。

    Apr, 2023

  • 基于 FPGA 的粒子物理实验的超快速变压器

    本文介绍了在可编程门阵列 (FPGA) 上使用 hls4ml 工具实现变压器架构的高效实现。通过使用变压器模型在解决各种问题方面的有效性的证明，其在粒子物理实验触发器中的应用成为了一个引人关注的课题。在这项工作中，我们实现了变压器模型的关键组成部分，如多头注意力和 softmax 层。为了评估我们的实现的有效性，我们专注于一个粒子物理学喷注风味标记问题，并使用了一个公共数据集。我们在 Xilinx UltraScale+ FPGA 上记录了低于 2 微秒的延迟，该延迟符合 CERN 大型强子对撞机实验的硬件触发器要求。

    Feb, 2024