Entwicklung einer Toolchain zur automatisierten Klassifikation von Track-Segmenten für das Belle II Experiment

Entwicklung einer Toolchain zur automatisierten Klassifikation von Track-Segmenten für das Belle II Experiment

Umfeld:

Das ITIV arbeitet als Projektpartner des Belle II Experiments in Tsukuba, Japan an der nächsten Generation der Triggersysteme für Teilchenbeschleuniger.  Im Rahmen eines Detektorupgrade soll die Luminosität des Experiments schrittweise erhöht werden. Dabei erforschen wir, wie das FPGA-basierte Triggersystem besser für die steigende Datenmengen angepasst werden kann.  

Aufgabe:

Mit dem Einzug von Machine Learning Algorithmen in latenzoptimierten Triggersystemen erhöht sich der Anspruch an die Konfigurierbarkeit des Gesamtsystems. Im Rahmen einer Bachelorarbeit soll ein Konzept entworfen werden, wie regelmäßige Firmwareupdates auf Basis einer Datenbank automatisiert erzeugt werden können.

Voraussetzungen:

  • Interesse an Softwareentwicklung, Machine Learning oder Automatisierung  
  • Python, C++ sind von Vorteil