Graph-Neural-Network-Inferenz auf Punktwolken im Mikrosekundenbereich auf der HAICON 2026

Marc Neu aus dem ITIV-Doktorandenteam nahm an der Helmholtz AI Conference HAICON 2026 in München teil, die vom 8. bis 11. Juni 2026 stattfand. Dort hatte er die Gelegenheit, einen Überblick über seine Arbeit zur Echtzeit-Inferenz von Graph Neural Networks vor der breiteren Helmholtz-AI-Gemeinschaft zu präsentieren. Sein Vortrag mit dem Titel „Microsecond Latency Graph Neural Network Inference on Point Clouds", gehalten am 11. Juni, geht aus einer gemeinsamen Arbeit des Instituts für Technik der Informationsverarbeitung (ITIV) und des Instituts für Experimentelle Teilchenphysik (ETP) am KIT hervor, betreut von Prof. Dr.-Ing. Jürgen Becker (ITIV) und Prof. Dr. Torben Ferber (ETP). Mit mehr als 600 Teilnehmenden aus 21 Ländern bot die Konferenz eine willkommene Gelegenheit zum Austausch mit Forschenden aus der gesamten Helmholtz-Gemeinschaft und darüber hinaus.

Graph Neural Networks eignen sich gut für die sparsen, unregelmäßig strukturierten Daten, die von Teilchendetektoren erzeugt werden. Ihr Einsatz in Hardware-Triggern ist jedoch aufgrund strenger Anforderungen an Latenz und Durchsatz herausfordernd. Hochmoderne Trigger an Experimenten der Teilchenphysik geben harte Latenzvorgaben in der Größenordnung von 1 bis 10 Mikrosekunden vor, was den Einsatz maßgeschneiderter Hardwarebeschleuniger auf Basis von Field Programmable Gate Arrays erforderlich macht. In seinem Vortrag gab Marc einen Überblick über eine Deploymentmethodik zur Abbildung von Graph Neural Networks auf solchen Plattformen, demonstriert anhand eines Clustering Algorithmus für das elektromagnetische Kalorimeter des Belle II Experiments.

Weitere Informationen zur HAICON 2026 finden Sie auf der Website von Helmholtz AI.