LHC용 CERN 칩 내 AI: 테라바이트 필터링

# CERN 칩 내 AI 모델: LHC 페타바이트 데이터 실시간 필터링

CERN 엔지니어들은 대형 강입자 충돌기(LHC)로부터의 데이터 스트림을 처리하기 위해 맞춤형 AI 모델을 ASIC, FPGA, SoC에 직접 통합하고 있습니다. 들어오는 속도는 초당 수백 테라바이트에 달하며, 원시 데이터의 연간 양은 40,000 엑사바이트에 이릅니다. 2단계 AI 트리거 시스템은 마이크로초 단위로 사건의 99.98%를 걸러내고, 관련 있는 입자 충돌만 보존합니다.

27km 링에서 양성자는 빛의 속도에 가까운 속도로 가속됩니다. 빔 뭉치들은 매 25 나노초마다 충돌하여 초당 10억 개의 사건을 생성합니다. 검출기는 충돌당 메가바이트 단위의 데이터를 캡처합니다—필터링 없이는 저장이 불가능합니다.

1단계: FPGA 상의 Level One Trigger

데이터는 ASIC 칩을 사용해 검출기에서 4μs 동안 버퍼링됩니다. Level One Trigger(수천 개 FPGA 클러스터)는 광학 링크를 통해 초당 10 테라바이트 속도로 스트림을 분석합니다.

AXOL1TL AI 기반 알고리즘은 50 나노초 만에 결정을 내립니다. 사건의 0.02%(초당 110,000개)를 보존하고 나머지는 버립니다.

• 주요 L1T 매개변수:

- 입력 스트림: 초당 10 테라바이트

- 분석 시간: 50 나노초

- 보존된 사건: 초당 110,000개

- 선택 비율: 0.02%

FPGA에 AI를 통합할 수 있게 해주는 것은 HLS4ML 컴파일러로, 모델을 하드웨어 가속을 위한 최적화된 C++ 코드로 변환합니다.

2단계: CPU와 GPU를 활용한 High Level Trigger

선별된 사건들은 High Level Trigger(HLT)로 전달됩니다. 25,600개의 CPU 코어와 400개의 GPU로 구성된 이 시스템은 입자 궤적을 재구성합니다.

출력은 초당 1,000개 사건, 하루 약 1 페타바이트 데이터입니다. 이 데이터는 42개국 170개 센터로 분산됩니다.

• HLT 규모:

- CPU 코어: 25,600개

- GPU: 400개 가속기

- 출력: 초당 1,000개 사건

- 일일 양: 1 PB

표준 AI 프레임워크는 지연 시간과 양 요구사항을 충족할 수 없어, CERN은 맞춤형 스택을 구축 중입니다: 모델 압축, 병렬화, 칩별 최적화.

하드웨어에 AI 통합

HLS4ML이 핵심 배포 도구입니다. TensorFlow/Keras 모델에서 Verilog/VHDL 또는 C++를 생성하여 지연 시간을 최소화합니다.

과정:

• 데이터 부분 집합으로 모델 훈련.
• 크기 축소를 위한 양자화와 가지치기.
• FPGA/ASIC용 RTL 코드 컴파일.
• 실시간 스트림 테스트.

이 접근법은 소프트웨어 오버헤드 없이 예측 가능한 성능을 제공합니다.

고광도 LHC 업그레이드

2026년에 LHC는 업그레이드를 위해 가동을 중단합니다. 고광도 LHC(HL-LHC)는 2031년까지 충돌률을 10배 증가시킬 것입니다.

트리거 시스템 진화:

• L1T를 초당 12.5 테라바이트로 업그레이드.
• 복잡한 패턴을 위한 새로운 AI 모델.
• HLT를 엑사바이트 수준으로 확장.

이로 인해 히그스 보손 붕괴나 암흑물질 신호 같은 희귀 사건 탐지가 가능해집니다.

주요 요약

• CERN은 칩 내 AI를 사용해 연간 40 EB LHC 원시 데이터를 필터링하며, 사건의 0.0002%만 보존합니다.
• FPGA 상의 Level One Trigger와 AXOL1TL이 50 나노초 만에 초당 10 테라바이트를 분석합니다.
• HLS4ML이 ASIC/FPGA용 C++로 모델을 컴파일하여 마이크로초 지연을 실현합니다.
• 2031년 HL-LHC는 트리거 성능을 10배 요구합니다.
• 이 접근법은 고처리량 시스템의 엣지 컴퓨팅에 적용 가능합니다.

— Editorial Team