Estimação de energia no calorímetro hadrônico do ATLAS para o primeiro nível de trigger utilizando redes neurais artificiais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFJF |
Texto Completo: | https://repositorio.ufjf.br/jspui/handle/ufjf/5398 |
Resumo: | Este trabalho tem como objetivo a implementação de um sistema de estimação de energia, adequado às condições de alta luminosidade do maior e mais potente colisionador de partículas já construído, o LHC. Agendadas em seu programa de atualização, estas condições aumentam a probabilidade de colisões próton-próton dentro de seus detectores, como o ATLAS. A resposta do calorímetro hadrônico do detector ATLAS, Tilecal, necessita de um tempo de sete cruzamentos de feixe de partículas para gerar um pulso de amplitude proporcional à energia depositada. Neste sentido, aumentar a probabilidade de ocorrência das colisões também intensifica a presença do empilhamento de sinais. Este efeito faz com que o erro aumente na estimativa da amplitude dos sinais gerados na eletrônica de leitura do Tilecal neste ambiente. A interpretação do calorímetro como um canal de comunicação de característica dispersiva faz-se necessária para a recuperação do impulso de entrada, removendo-se, assim, o efeito de empilhamento e proporcionando uma medida direta da deposição de energia em cada cruzamento de feixe. A utilização de técnicas lineares para este propósito mostraram-se eficientes quando comparadas ao método atualmente implementado no sistema de trigger. No entanto, não-linearidades intrínsecas ao canal não podem ser modeladas por estas técnicas. Assim sendo, neste trabalho é proposto um equalizador de canal não-linear baseado em redes neurais artificiais. Através de treinamentos exaustivos, os principais parâmetros que compõem a arquitetura de uma rede neural feedforward foram determinados com o propósito de aliar alta performance e baixa complexidade da rede. O estimador neural mostrou-se robusto em ambientes com alta ocorrência de empilhamento de sinais, além de atender aos requisitos de implementação em hardware dedicado, no qual foi utilizado uma FPGA. Apesar da implementação de funções de ativação não-lineares em hardware com boa precisão consumir bastante recurso computacional, esta limitação foi contornada com a utilização de uma look-up table altamente compacta. Portanto, a rede neural foi quantizada em ponto fixo, visando reduzir ao máximo o número de elementos lógicos utilizados, sem comprometer sua capacidade ao compará-la com a rede implementada em software. |
id |
UFJF_c47ff8ff0a7ed54d17c89cc7f32e719e |
---|---|
oai_identifier_str |
oai:hermes.cpd.ufjf.br:ufjf/5398 |
network_acronym_str |
UFJF |
network_name_str |
Repositório Institucional da UFJF |
repository_id_str |
|
spelling |
Andrade Filho, Luciano Manhães dehttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4769617P4Cerqueira, Augusto Santiagohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4763697Y0Silva, Leandro Rorigues Mansohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4428427P7Ferreira, Danton Diegohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4777957J8http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4382418P0Faria, Mateus Hufnagel Maranha de2017-08-08T13:06:19Z2017-07-032017-08-08T13:06:19Z2017-03-09https://repositorio.ufjf.br/jspui/handle/ufjf/5398Este trabalho tem como objetivo a implementação de um sistema de estimação de energia, adequado às condições de alta luminosidade do maior e mais potente colisionador de partículas já construído, o LHC. Agendadas em seu programa de atualização, estas condições aumentam a probabilidade de colisões próton-próton dentro de seus detectores, como o ATLAS. A resposta do calorímetro hadrônico do detector ATLAS, Tilecal, necessita de um tempo de sete cruzamentos de feixe de partículas para gerar um pulso de amplitude proporcional à energia depositada. Neste sentido, aumentar a probabilidade de ocorrência das colisões também intensifica a presença do empilhamento de sinais. Este efeito faz com que o erro aumente na estimativa da amplitude dos sinais gerados na eletrônica de leitura do Tilecal neste ambiente. A interpretação do calorímetro como um canal de comunicação de característica dispersiva faz-se necessária para a recuperação do impulso de entrada, removendo-se, assim, o efeito de empilhamento e proporcionando uma medida direta da deposição de energia em cada cruzamento de feixe. A utilização de técnicas lineares para este propósito mostraram-se eficientes quando comparadas ao método atualmente implementado no sistema de trigger. No entanto, não-linearidades intrínsecas ao canal não podem ser modeladas por estas técnicas. Assim sendo, neste trabalho é proposto um equalizador de canal não-linear baseado em redes neurais artificiais. Através de treinamentos exaustivos, os principais parâmetros que compõem a arquitetura de uma rede neural feedforward foram determinados com o propósito de aliar alta performance e baixa complexidade da rede. O estimador neural mostrou-se robusto em ambientes com alta ocorrência de empilhamento de sinais, além de atender aos requisitos de implementação em hardware dedicado, no qual foi utilizado uma FPGA. Apesar da implementação de funções de ativação não-lineares em hardware com boa precisão consumir bastante recurso computacional, esta limitação foi contornada com a utilização de uma look-up table altamente compacta. Portanto, a rede neural foi quantizada em ponto fixo, visando reduzir ao máximo o número de elementos lógicos utilizados, sem comprometer sua capacidade ao compará-la com a rede implementada em software.This work aims to implement an energy estimation system, which is adequate to the high luminosity conditions of the most powerful collider ever built, the LHC. Scheduled in its update program, these conditions increase the probability of proton-to-proton collisions within its detectors, like ATLAS. The response from the hadronic calorimeter of the ATLAS detector, Tilecal, needs time corresponding to seven crossing particle beams to generate pulse amplitude proportional to the deposited energy. In this sense, increasing the likelihood of collision occurrence also intensifies the signal pile-up. This effect increases the amplitude estimation error of the signals, generated in the readout electronics of Tilecal in this environment. The interpretation of the calorimeter as a communication channel of dispersive character is necessary for the recovery of the input impulse, removing, this way, the pile-up effect and providing a direct measure of the energy deposition in each bunch-crossing. The utilization of linear techniques for this purpose have shown to be efficient when compared to the method currently being employed in the trigger system. However, non-linearities intrinsic to the channel cannot be modulated through these techniques. Therefore, it is proposed in this work a non-linear channel equalizer based on artificial neural networks. Through exhaustive training, the main parameters that compose the architecture of a feedforward neural network have been determined with the purpose of allying high performance with low network complexity. The neural estimator has shown to be robust in environments with high amounts of signal pile-up, as well as meeting the requirements for implementation of dedicated hardware, in which an FPGA was used. In spite of the implementation of non-linear activation functions in optimal precision hardware requiring high computational resources, this limitation was circumvented by utilizing a highly compact look-up table. Therefore, the neural network was quantified at a fixed point, aiming to reduce as much as possible the number of logical elements used without compromising its capacity to compare it with the network implemented in software.porUniversidade Federal de Juiz de Fora (UFJF)Programa de Pós-graduação em Engenharia ElétricaUFJFBrasilFaculdade de EngenhariaCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAEstimaçãoCalorimetriaRede neuralProcessamento onlineFPGAEstimação de energia no calorímetro hadrônico do ATLAS para o primeiro nível de trigger utilizando redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFTEXTmateushufnagelmaranhadefaria.pdf.txtmateushufnagelmaranhadefaria.pdf.txtExtracted texttext/plain245228https://repositorio.ufjf.br/jspui/bitstream/ufjf/5398/3/mateushufnagelmaranhadefaria.pdf.txt16cebf1eca9d2f75c53612c11fe5849aMD53THUMBNAILmateushufnagelmaranhadefaria.pdf.jpgmateushufnagelmaranhadefaria.pdf.jpgGenerated Thumbnailimage/jpeg1138https://repositorio.ufjf.br/jspui/bitstream/ufjf/5398/4/mateushufnagelmaranhadefaria.pdf.jpg5fb1c465fcbdee1e7138ed55bfe72a40MD54ORIGINALmateushufnagelmaranhadefaria.pdfmateushufnagelmaranhadefaria.pdfapplication/pdf6274588https://repositorio.ufjf.br/jspui/bitstream/ufjf/5398/1/mateushufnagelmaranhadefaria.pdf833ec4ebff2e364becfe0d733ccfd174MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82197https://repositorio.ufjf.br/jspui/bitstream/ufjf/5398/2/license.txt000e18a5aee6ca21bb5811ddf55fc37bMD52ufjf/53982019-06-16 06:42:32.965oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2019-06-16T09:42:32Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false |
dc.title.pt_BR.fl_str_mv |
Estimação de energia no calorímetro hadrônico do ATLAS para o primeiro nível de trigger utilizando redes neurais artificiais |
title |
Estimação de energia no calorímetro hadrônico do ATLAS para o primeiro nível de trigger utilizando redes neurais artificiais |
spellingShingle |
Estimação de energia no calorímetro hadrônico do ATLAS para o primeiro nível de trigger utilizando redes neurais artificiais Faria, Mateus Hufnagel Maranha de CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Estimação Calorimetria Rede neural Processamento online FPGA |
title_short |
Estimação de energia no calorímetro hadrônico do ATLAS para o primeiro nível de trigger utilizando redes neurais artificiais |
title_full |
Estimação de energia no calorímetro hadrônico do ATLAS para o primeiro nível de trigger utilizando redes neurais artificiais |
title_fullStr |
Estimação de energia no calorímetro hadrônico do ATLAS para o primeiro nível de trigger utilizando redes neurais artificiais |
title_full_unstemmed |
Estimação de energia no calorímetro hadrônico do ATLAS para o primeiro nível de trigger utilizando redes neurais artificiais |
title_sort |
Estimação de energia no calorímetro hadrônico do ATLAS para o primeiro nível de trigger utilizando redes neurais artificiais |
author |
Faria, Mateus Hufnagel Maranha de |
author_facet |
Faria, Mateus Hufnagel Maranha de |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Andrade Filho, Luciano Manhães de |
dc.contributor.advisor1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4769617P4 |
dc.contributor.referee1.fl_str_mv |
Cerqueira, Augusto Santiago |
dc.contributor.referee1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4763697Y0 |
dc.contributor.referee2.fl_str_mv |
Silva, Leandro Rorigues Manso |
dc.contributor.referee2Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4428427P7 |
dc.contributor.referee3.fl_str_mv |
Ferreira, Danton Diego |
dc.contributor.referee3Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4777957J8 |
dc.contributor.authorLattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4382418P0 |
dc.contributor.author.fl_str_mv |
Faria, Mateus Hufnagel Maranha de |
contributor_str_mv |
Andrade Filho, Luciano Manhães de Cerqueira, Augusto Santiago Silva, Leandro Rorigues Manso Ferreira, Danton Diego |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Estimação Calorimetria Rede neural Processamento online FPGA |
dc.subject.por.fl_str_mv |
Estimação Calorimetria Rede neural Processamento online FPGA |
description |
Este trabalho tem como objetivo a implementação de um sistema de estimação de energia, adequado às condições de alta luminosidade do maior e mais potente colisionador de partículas já construído, o LHC. Agendadas em seu programa de atualização, estas condições aumentam a probabilidade de colisões próton-próton dentro de seus detectores, como o ATLAS. A resposta do calorímetro hadrônico do detector ATLAS, Tilecal, necessita de um tempo de sete cruzamentos de feixe de partículas para gerar um pulso de amplitude proporcional à energia depositada. Neste sentido, aumentar a probabilidade de ocorrência das colisões também intensifica a presença do empilhamento de sinais. Este efeito faz com que o erro aumente na estimativa da amplitude dos sinais gerados na eletrônica de leitura do Tilecal neste ambiente. A interpretação do calorímetro como um canal de comunicação de característica dispersiva faz-se necessária para a recuperação do impulso de entrada, removendo-se, assim, o efeito de empilhamento e proporcionando uma medida direta da deposição de energia em cada cruzamento de feixe. A utilização de técnicas lineares para este propósito mostraram-se eficientes quando comparadas ao método atualmente implementado no sistema de trigger. No entanto, não-linearidades intrínsecas ao canal não podem ser modeladas por estas técnicas. Assim sendo, neste trabalho é proposto um equalizador de canal não-linear baseado em redes neurais artificiais. Através de treinamentos exaustivos, os principais parâmetros que compõem a arquitetura de uma rede neural feedforward foram determinados com o propósito de aliar alta performance e baixa complexidade da rede. O estimador neural mostrou-se robusto em ambientes com alta ocorrência de empilhamento de sinais, além de atender aos requisitos de implementação em hardware dedicado, no qual foi utilizado uma FPGA. Apesar da implementação de funções de ativação não-lineares em hardware com boa precisão consumir bastante recurso computacional, esta limitação foi contornada com a utilização de uma look-up table altamente compacta. Portanto, a rede neural foi quantizada em ponto fixo, visando reduzir ao máximo o número de elementos lógicos utilizados, sem comprometer sua capacidade ao compará-la com a rede implementada em software. |
publishDate |
2017 |
dc.date.accessioned.fl_str_mv |
2017-08-08T13:06:19Z |
dc.date.available.fl_str_mv |
2017-07-03 2017-08-08T13:06:19Z |
dc.date.issued.fl_str_mv |
2017-03-09 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufjf.br/jspui/handle/ufjf/5398 |
url |
https://repositorio.ufjf.br/jspui/handle/ufjf/5398 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Juiz de Fora (UFJF) |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFJF |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Faculdade de Engenharia |
publisher.none.fl_str_mv |
Universidade Federal de Juiz de Fora (UFJF) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFJF instname:Universidade Federal de Juiz de Fora (UFJF) instacron:UFJF |
instname_str |
Universidade Federal de Juiz de Fora (UFJF) |
instacron_str |
UFJF |
institution |
UFJF |
reponame_str |
Repositório Institucional da UFJF |
collection |
Repositório Institucional da UFJF |
bitstream.url.fl_str_mv |
https://repositorio.ufjf.br/jspui/bitstream/ufjf/5398/3/mateushufnagelmaranhadefaria.pdf.txt https://repositorio.ufjf.br/jspui/bitstream/ufjf/5398/4/mateushufnagelmaranhadefaria.pdf.jpg https://repositorio.ufjf.br/jspui/bitstream/ufjf/5398/1/mateushufnagelmaranhadefaria.pdf https://repositorio.ufjf.br/jspui/bitstream/ufjf/5398/2/license.txt |
bitstream.checksum.fl_str_mv |
16cebf1eca9d2f75c53612c11fe5849a 5fb1c465fcbdee1e7138ed55bfe72a40 833ec4ebff2e364becfe0d733ccfd174 000e18a5aee6ca21bb5811ddf55fc37b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF) |
repository.mail.fl_str_mv |
|
_version_ |
1801661342201937920 |