Redes neuronales con sensibilidad acotada capturan leptones en tiempo real
Contexto
El trabajo se sitúa en la periferia: los trabajos más cercanos en el archivo se dedican o bien a espectroscopía y búsqueda de desintegraciones raras, o bien al aprendizaje automático para análisis fuera de línea, pero nadie había implementado redes neuronales en el punto más caliente: el disparador de flujo en GPU. Ya existen redes neuronales para desintegraciones del bosón de Higgs y para diagnóstico láser, pero funcionan fuera de línea o en CPU, donde no hay un presupuesto estricto de tiempo y memoria. Este artículo llena el vacío entre la precisión del aprendizaje automático y los exigentes requisitos del tiempo real, donde cada byte adicional por traza y cada fracción de porcentaje de carga de GPU son críticos.
Métodos
Se han desarrollado dos redes neuronales totalmente conectadas con restricción de Lipschitz: una para muones (5 capas de ancho 10) y otra para electrones (4 capas de ancho 12). La restricción se impone mediante la normalización de los pesos: en la primera capa, cada peso se limita individualmente; en las siguientes, se limita la suma de los valores absolutos de los pesos que entran en una neurona. Las activaciones GroupSort no aumentan la constante de Lipschitz, por lo que la sensibilidad de la salida a cambios en la entrada está estrictamente acotada. Las redes se entrenaron con eventos simulados de Pythia con desintegraciones de J/ψ y Υ(1S) en pares de leptones; el fondo para muones son protones, y para electrones, piones y kaones. Las características de entrada se escalaron al rango [0,1]. Para muones se usan cinco variables: el chi-cuadrado del ajuste de la traza con los hits de las estaciones de muones, la suma de los cuadrados de los residuos y tres diferencias de pendiente de la traza entre subdetectores. Para electrones, seis variables: dos estimaciones de la relación energía-impulso, el cuadrado de la distancia entre la traza extrapolada y el centro del cúmulo, y tres momentos de forma de la cascada en el calorímetro.
Resultados
En comparación con los algoritmos de umbral anteriores, las redes neuronales proporcionan una mejor supresión de fondo para la misma eficiencia de señal en todas las regiones cinemáticas estudiadas. Para muones, la ganancia es máxima a impulsos moderados y altos, donde pasa la mayoría de las trazas después de la selección cinemática; a impulsos bajos, la diferencia es pequeña. Para electrones, la mejora es más notable a impulsos bajos, donde la resolución energética del calorímetro es peor y la característica individual E/p es débil. La red es casi independiente de la pseudorrapidez y del impulso transverso. Ambas redes contienen alrededor de 500 parámetros (aproximadamente 2 kilobytes en precisión simple) y añaden 24–28 bytes de datos por traza. La creación de perfiles de una secuencia HLT1 típica muestra que los núcleos de identificación de muones y electrones consumen cada uno el 0,5–0,9% del tiempo total de GPU, menos que los operadores de umbral que reemplazan. Los algoritmos se han desplegado en el disparador en funcionamiento y operan de manera estable con los datos.
Implicaciones
A diferencia de los trabajos vecinos, donde las redes neuronales se aplican fuera de línea o en CPU, aquí se demuestra por primera vez que las redes con restricción de Lipschitz pueden vivir dentro de un disparador de flujo en GPU con un presupuesto de fracciones de porcentaje de tiempo y kilobytes de memoria. Esto no es solo una mejora en precisión, sino una prueba de la idoneidad de los modelos controlados para los pipelines más calientes de la física de altas energías. El trabajo establece una plantilla: cómo encajar la discriminación aprendida en los estrictos límites del tiempo real sin perder fiabilidad.
Desarrollo futuro
El método podría extenderse a otras tareas del disparador: identificación de hadrones, fotones, reconstrucción de trazas o selección de eventos completos. Las arquitecturas con restricción de Lipschitz permiten garantizar de antemano la robustez, lo cual es valioso cuando las condiciones del detector cambian con el tiempo. Podrían aparecer variantes más profundas o convolucionales si se logra mantener una huella pequeña. También es interesante trasladar el enfoque a otros experimentos con tiempo real estricto, por ejemplo, telescopios de neutrinos o colisionadores futuros.
Impacto
Afectará a todo el programa de LHCb para el estudio de desintegraciones raras con leptones en el estado final, aumentando la precisión estadística sin incrementar el flujo de datos. La técnica es aplicable a cualquier sistema de tiempo real en física de partículas y más allá, donde se necesite una clasificación rápida y fiable.
Próximos pasos
Realizar una comparación detallada de la eficiencia con los datos reales del Run 3, incluida la evaluación de las incertidumbres sistemáticas. Investigar la transferencia del aprendizaje a otros tipos de partículas y la adaptación a las condiciones cambiantes del detector.
Problemas abiertos clave
En física de altas energías sigue sin resolverse el problema del uso óptimo del ancho de banda limitado del disparador: cómo conservar el máximo de señales raras con un límite estricto en la frecuencia de salida. Este trabajo aborda directamente esta cuestión, proponiendo una forma de mejorar la supresión de fondo sin perder eficiencia ni aumentar el coste computacional. Otra cuestión abierta es la robustez de los algoritmos de aprendizaje automático frente a la discrepancia entre simulación y datos reales; la restricción de Lipschitz actúa aquí como regularizador, mitigando este problema.
La red para identificar muones ocupa en memoria menos que una imagen en color de 32×32 píxeles en formato PNG, pero procesa miles de trazas por segundo en la GPU.
Cifras clave
- frecuencia de eventos de entrada: 30 MHz
- tiempo de GPU para ambas redes: 0,5–0,9% del total
- parámetros en la red: ~500 (alrededor de 2 kB)
- datos adicionales por traza: 24–28 bytes
- capas en la red de muones: 5 (ancho 10)