Würzburg 2018 – scientific programme

Parts | Days | Selection | Search | Updates | Downloads | Help

T: Fachverband Teilchenphysik

T 87: Datenanalyse

T 87.6: Talk

Thursday, March 22, 2018, 17:45–18:00, Z6 - SR 2.005

Jet-Rekonstruktion mit neuronalen Netzen im ATLAS Level-1 Kalorimeter Trigger — •Bastian Schlag¹, Volker Büscher¹, Christian Schmitt¹, Stefan Kramer² und Andreas Karwath² — ¹Institut für Physik, Johannes Gutenberg Universität Mainz — ²Institut für Informatik, Johannes Gutenberg Universität Mainz

In den kommenden Ausbaustufen des LHCs werden Schwerpunktsenergie und Luminosität weiter steigen. Die Entwicklung neuer Methoden zur Jet-Rekonstruktion in der ersten Stufe des FPGA-basierten ATLAS-Triggersystems ist somit essentiell, um eine effiziente Selektion gewünschter Ereignisse gewährleisten zu können.

Fasst man die Kalorimeter-Informationen als zweidimensionales Bild auf, so sind moderne Verfahren der Bilderkennung wie Convolutional Deep Neural Networks vielversprechende Kandidaten für diese komplexe Aufgabe. Hierbei müssen 40 Millionen Bilder pro Sekunde analysiert werden, wobei pro Bild lediglich eine Zeit von max. 125ns zur Verfügung steht. Die angestrebte Implementierung auf FPGAs beschränkt zudem die Architektur des neuronalen Netzes sowie die verfügbaren Aktivierungsfunktionen.

Ziel ist es, ein neuronales Netz zu entwickeln, welches die konventionellen Methoden der Jet-Rekonstruktion im Level-1 Trigger übertrifft und zugleich eine mögliche Implementierung auf FPGAs gestattet. Im Vortrag wird der aktuelle Stand der Arbeit präsentiert.