Relatore
Descrizione
Le tecniche di Intelligenza Artificiale ricoprono un ruolo sempre più rilevante nell'identificazione e ricostruzione in tempo reale degli eventi di interesse negli esperimenti ai collisori di particelle. Questo contributo presenta la strategia e i risultati preliminari ottenuti nel progetto in corso per lo sviluppo di nuovi algoritmi di ricostruzione di muoni basati su reti neurali, adatti all'implementazione sulle FPGA del futuro trigger muonico di livello zero dell’esperimento ATLAS per la fase ad alta luminosità di LHC (HL-LHC). L'uso di reti neurali profonde su FPGA presenta sfide significative in termini di progettazione dei modelli, di utilizzo delle risorse disponibili, e di velocità di inferenza. L’approccio presentato integra architetture neurali avanzate con innovative tecniche di compressione delle reti neurali, mostrandone il potenziale nel migliorare la capacità degli esperimenti di selezionare con velocità ed efficienza i processi fisici più interessanti.
