Entwurf und Evaluation eines auf maschinellen lernen basierenden Track Segment Finder

Entwurf und Evaluation eines auf maschinellen lernen basierenden Track Segment Finder

Das Belle II Experiment in Tsukuba (Japan) ist eines der modernsten Teilchenbeschleuniger-Experimente der Welt. Dabei wird durch Partikel Kollisionen einen Weltrekord Luminosität erreicht. Die dadurch resultierende Datenmenge ist zu groß um alle Daten für spätere Analysen zu speichern.  Am ITIV erforschen, implementieren und integrieren wir Trigger-Systeme auf der Basis von FPGAs. Diese Systeme entscheiden über die Speicherung der Daten.


Das Ziel dieser Masterarbeit ist Entwicklung und Evaluation eines Konzeptes für einen auf maschinellen lernen basieren-den Track Segment Finder. Dazu soll ein Konzept entwickelt werden das Neuronal Netze in die bestehende Trigger Archi-tektur einfügt. Das Konzept soll anschließend auf einem im Experiment verwendeten FPGA implementiert und getestet werde. Abschließend soll die Implementierung evaluiert werden. Hier ist vor allem die Latenz wichtig.
Kenntnisse von Hardware Beschreibungssprachen von Vorteil (VHDL/Verilog).  

 

  • Einarbeiten in das Thema Belle II, Trigger und Track Segment Finder
  • Entwicklung eines Konzepts für den Track Segment Finder
  • Umsetzen des Konzepts im FPGA
  • Test und Evaluation der Implementierung