来源：期刊VIP网 时间：
作者：周子煊;郝艺迪;封常青;方竹君;刘树彬;
单位：中国科学技术大学近代物理系;核探测与核电子学国家重点实验室,中国科学技术大学;
摘要：以人工神经网络为代表的机器学习算法目前已得到日益广泛的应用。当前主流的现场可编程逻辑门阵列(FPGA)芯片拥有丰富的逻辑资源与高速数据接口,并内置大量硬件乘法器等计算单元。相比基于CPU、GPU软件部署的复杂算法模型,利用FPGA可实现中小规模神经网络的硬件化部署,且具有低功耗、低延迟和高吞吐率等优势。近年来出现的高层次综合(High-Level Synthesis,HLS)技术,能够将采用高级编程语言编写的软件程序编译为数字逻辑电路描述,为神经网络算法的FPGA加速提供了便捷的手段。本文介绍了利用一款HLS工具——hls4ml实现神经网络算法编译综合、模型优化及FPGA部署的流程。同时围绕超级陶粲装置(STCF)触发系统关键技术预研中的主漂移室(MDC)三维径迹z向顶点重建需求,介绍了基于hls4ml的神经网络算法设计优化及FPGA加速的具体步骤。测试结果表明,该方法能够有效提升触发系统的实时处理能力,在保证算法精度的同时,显著降低了资源利用率,使神经网络的轻量化硬件部署成为现实。本文的研究为机器学习算法在大型粒子物理实验触发系统中的FPGA加速提供了参考范例。
关键词：HLS;;FPGA加速;;hls4ml;;STCF触发系统
基金资助：国家自然科学基金资助（项目编号：12341503）
