PulseAugur
中
实时 09:45:04

New hls4ml backend enables ML on radiation-hard FPGAs for physics experiments

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员为hls4ml工具开发了一个新的后端，使得在抗辐射FPGA上使用机器学习模型成为可能。这一进展通过一个为LHCb Upgrade II实验中的PicoCal量热计设计的轻量级自编码器得到证明。该系统实现了25纳秒的延迟，并仅使用了最少的FPGA资源，为高辐射环境中的ML应用铺平了道路。 AI

影响 在极端环境下实现低延迟ML推理，可能加速高能物理领域的科学发现。

排序理由 该集群描述了一篇研究论文，详细介绍了对现有工具（hls4ml）在特定应用领域（高能物理的抗辐射FPGA上的ML）的一项新的技术贡献。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

New hls4ml backend enables ML on radiation-hard FPGAs for physics experiments

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Katya Govorkova, Julian Garcia Pardinas, Vladimir Loncar, Victoria Nguyen, Sebastian Schmitt, Marco Pizzichemi, Loris Martinazzoli, Eluned Anne Smith ·

    使用 hls4ml 在抗辐射 FPGA 上实现低延迟机器学习

    arXiv:2602.15751v2 Announce Type: replace-cross Abstract: This paper presents an end-to-end demonstration of a viable, ultra-fast, radiation-hard machine learning (ML) application on FPGAs, which could be used in future high-energy physics experiments. We present a three-fold con…

相关实体

相关话题