Speaker
玉涛 张
Description
Jet tagging是粒子物理实验中的一项关键分类任务。近年来，深度学习方法的引入使得Jet tagging分类任务的准确率大幅提高，其中以ParticleNet为代表的图神经网络在该任务中表现出色。若将该模型部署在大型对撞机上，需要设计低功耗、低延迟的实时处理系统，使用传统硬件难以满足应用需求。目前FPGA由于其低功耗、低延迟、硬件可编程等特性成为AI部署加速的前沿研究热点，相对于CPU，FPGA可以实现更好的并行操作，相对于GPU平台，使用FPGA可以提高计算效率并降低功耗。因此，将ParticleNet在FPGA上实现和加速，可以实现快速、低功耗的执行粒子物理学中的分类任务，从而减少经济成本并加快粒子物理中数据处理进程。本设计将基于HLS实现可重构架构，并将计算密集型任务卸载到FPGA上运算，以减少ParticleNet的算法延迟。
