🔬 physics

APEIRON: composing smart TDAQ systems for high energy physics experiments

L'article présente APEIRON, un cadre de traitement hétérogène distribué intégrant le matériel et le logiciel pour permettre des systèmes de déclenchement intelligent et d'acquisition de données pour les expériences de physique des hautes énergies, démontré à travers une application d'identification de particules pour l'expérience NA62.

Auteurs originaux : Roberto Ammendola, Andrea Biagioni, Carlotta Chiarini, Andrea Ciardiello, Paolo Cretaro, Ottorino Frezza, Francesca Lo Cicero, Alessandro Lonardo, Michele Martinelli, Pier Stanislao Paolucci, Pierpaol

Publié 2026-07-03

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Roberto Ammendola, Andrea Biagioni, Carlotta Chiarini, Andrea Ciardiello, Paolo Cretaro, Ottorino Frezza, Francesca Lo Cicero, Alessandro Lonardo, Michele Martinelli, Pier Stanislao Paolucci, Pierpaolo Perticaroli, Cristian Rossi, Francesco Simula, Matteo Turisini, Piero Vicini

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous dirigez une gare de trains massive et à grande vitesse où des milliers de trains (des paquets de données) arrivent chaque seconde. Votre travail consiste à trier ces trains, à vérifier leur cargaison et à décider lesquels peuvent continuer leur route et lesquels doivent être arrêtés ou redirigés. Dans le monde de la physique des hautes énergies, cette « gare » est une expérience comme NA62 au CERN, et les « trains » sont des particules qui s'entrechoquent.

Le document présente APEIRON, un nouveau « système d'exploitation intelligent » conçu pour construire les cerveaux de ces gares. Voici comment il fonctionne, décomposé en concepts simples :

1. Le Problème : Trop grand pour un seul cerveau

Traditionnellement, les scientifiques utilisaient une seule puce informatique ultra-intelligente (un FPGA) pour effectuer le tri. Mais les expériences modernes produisent tellement de données qu'une seule puce revient à essayer de gérer un aéroport mondial avec un seul contrôleur aérien. Elle finit par être submergée.

Auparavant, si les scientifiques avaient besoin de plus de puissance, ils devaient connecter manuellement plusieurs puces entre elles, en écrivant un code complexe et personnalisé pour chaque connexion. C'était comme construire un pont entre des îles à la main, brique par brique, à chaque fois que l'on avait besoin d'une nouvelle île.

2. La Solution : APEIRON (Le traducteur universel)

APEIRON est un cadre de travail qui agit comme un traducteur universel et une équipe de construction automatique. Il permet aux scientifiques de connecter de nombreuses puces de manière transparente sans se soucier du câblage complexe.

L'approche de « l'esprit de ruche » : Au lieu d'un seul gros cerveau, APEIRON crée un réseau de cerveaux plus petits (des puces) qui communiquent instantanément entre eux.
Le système de « la poste » : Il utilise un système de routage intelligent (comme une poste hautement efficace) qui décide automatiquement vers quelle puce envoyer quel paquet de données. Vous n'avez pas besoin de connaître l'adresse de chaque maison ; vous déposez simplement la lettre dans la boîte aux lettres, et le système s'occupe du reste.
Simplicité pour les scientifiques : Les scientifiques peuvent écrire leurs règles de tri en utilisant un code informatique standard (C++), et APEIRON construit automatiquement les connexions matérielles complexes en arrière-plan. C'est comme donner une recette à un chef et avoir un robot qui assemble automatiquement la cuisine, le four et les camions de livraison.

3. Comment il déplace les données (Les tuyaux)

Le système déplace les données de deux manières :

À l'intérieur de la puce : Les données circulent entre différentes parties d'une même puce via un commutateur local (comme un couloir à l'intérieur d'une maison).
Entre les puces : Les données voyagent entre différentes puces via des « autoroutes » à grande vitesse (transceivers série).
La magie : Le système utilise des « canaux virtuels » pour éviter les embouteillages (blocages ou deadlocks), garantissant que même si des milliers de paquets de données arrivent en même temps, ils ne restent jamais bloqués dans un engorgement.

4. Le test en conditions réelles : L'expérience NA62

Pour prouver son efficacité, l'équipe a testé APEIRON sur l'expérience NA62 au CERN.

La tâche : Ils devaient identifier des particules spécifiques (des kaons) en observant la lumière qu'elles laissent derrière elles dans un détecteur spécial (le détecteur RICH). C'est comme essayer d'identifier un type d'oiseau spécifique juste en regardant le motif de ses plumes, et vous devez le faire en une fraction de seconde.
L'ancienne méthode : Ils utilisaient auparavant un mélange de GPU (une carte graphique) et de FPGA, ce qui était complexe et nécessitait un matériel personnalisé.
La méthode APEIRON : Ils ont construit un système « FPGA-RICH » entièrement au sein du cadre APEIRON. Ils ont utilisé un « réseau de neurones » (un type d'IA qui apprend à reconnaître des formes) pour effectuer l'identification.

5. Les résultats : Rapide et efficace

Les résultats ont été impressionnants :

Vitesse : Le système a traité des données à un taux de 18,75 millions d'événements par seconde, dépassant largement la vitesse requise de 10 millions.
Efficacité : Il a utilisé très peu de ressources de la puce (seulement 14 % des « blocs logiques » et 2 % des « processeurs mathématiques »), laissant beaucoup de place pour d'autres tâches.
Précision : L'IA a identifié les particules chargées avec une grande précision, bien qu'elle ait noté que l'identification spécifique des électrons était encore un peu délicate (comme distinguer deux oiseaux très similaires).

Résumé

En bref, APEIRON est un outil qui permet aux physiciens de construire des réseaux de traitement de données massifs et ultra-rapides en se contentant d'écrire du code, sans avoir besoin d'être des ingénieurs en matériel. Il transforme un projet de construction complexe et manuel en un système automatisé et prêt à l'emploi, leur permettant de gérer les énormes flux de données des expériences modernes de physique des particules avec aisance.

Résumé technique d'APEIRON : Composer des systèmes TDAQ intelligents pour les expériences de physique des hautes énergies

Énoncé du problème
Le traitement du flux de données en temps réel dans les expériences de physique des particules exige une capacité de calcul élevée, une latence déterministe et une bande passante d'E/S substantielle. Bien que les circuits logiques programmables (FPGA) soient parfaitement adaptés à ces exigences grâce à leur logique reconfigurable et leurs émetteurs-récepteurs à haute vitesse, une limitation significative subsiste dans les environnements de synthèse de haut niveau (HLS) actuels : ils sont généralement confinés à un seul dispositif FPGA. Lorsque les problèmes de déclenchement ou d'acquisition de données (TDAQ) dépassent la capacité d'une seule puce — un scénario courant dans les expériences modernes avec un grand nombre de canaux — les développeurs sont contraints de recourir à des couches de communication inter-FPGA ad hoc et conçues manuellement. Ce fossé entre les capacités HLS pour un dispositif unique et les besoins des systèmes temps réel multi-dispositifs a motivé le développement d'APEIRON.

Méthodologie et architecture
APEIRON est un cadre de traitement hétérogène distribué conçu pour étendre l'écosystème Xilinx Vitis HLS afin de fonctionner de manière transparente à travers un réseau de FPGA interconnectés. Le cadre s'étend sur toute la hiérarchie logicielle, des pilotes de périphériques de bas niveau à un modèle de programmation de flux de données de haut niveau.

Topologie du système : Le système modélise les chemins de données comme $m$ sources de données indépendantes alimentant une cascade de $n$ étages de traitement de flux. Ces étages peuvent résider sur un ou plusieurs nœuds FPGA, avec une matrice de réseau recombinant les flux de données si nécessaire. Le réseau sous-jacent est une matrice (mesh) à commutation par paquets et routage par ordre de dimension, permettant à la topologie physique d'être adaptée via la configuration plutôt que par une refonte.
Infrastructure de communication : Dérivé des conceptions de réseaux APEnet et EXANEST (Network-on-Chip), le sous-système de communication prend en charge à la fois les transferts intra-nœuds (entre les noyaux sur un même FPGA) et les transferts inter-nœuds (via des émetteurs-récepteurs série à haute vitesse). Le routage utilise un commutateur crossbar avec un routage par ordre de dimension et une commutation de type Virtual Cut-Through pour garantir une faible latence. Pour éviter la situation de blocage (deadlock) sous le routage par ordre de dimension, deux canaux virtuels sont fournis par liaison physique.
Modèle de programmation : APEIRON emploie une abstraction de flux de données basée sur les réseaux de processus de Kahn. Les développeurs écrivent des noyaux C/C++ algorithmiques qui exposent des ports AXI4-Stream. La communication est gérée via une API C++ légère comprenant des primitives non bloquantes send() et bloquantes receive(). Cette API abstrait le protocole de paquet, permettant aux noyaux de communiquer indépendamment de leur placement physique.
Flux de construction (Build Flow) : La mise en correspondance du graphe de flux de données computationnel avec le réseau FPGA physique est définie dans un fichier de configuration YAML. La chaîne d'outils APEIRON génère automatiquement toute la logique auxiliaire (routage, distribution et agrégation) et produit le bitstream complet du design, déchargeant les concepteurs des tâches d'intégration manuelles.

Contributions clés
L'article présente les contributions fondamentales suivantes :

Un interconnexion modulaire : Une interconnexion directe entre les nœuds FPGA, configurable en termes de topologie et à faible latence.
Une abstraction unifiée : Un modèle de programmation de flux de données où les tâches communiquent via des primitives d'envoi/réception légères, découplant la communication logique du placement physique.
Automatisation : Une chaîne d'outils qui génère automatiquement la logique de routage, de distribution et d'agrégation à partir d'une description d'application compacte, permettant aux utilisateurs de se concentrer uniquement sur les noyaux algorithmiques.
Polyvalence de la cible : Un système capable de répondre à la fois aux systèmes de déclenchement traditionnels de bas niveau et aux étapes de réduction de données dans les configurations de lecture sans déclenchement (trigger-less) ou en mode streaming.

Validation et résultats
Le cadre a été validé à l'aide d'une application d'identification de particules (PID) pour l'expérience NA62 au CERN.

Contexte : Le détecteur RICH (Ring Imaging Cherenkov) de NA62 nécessite une identification PID en ligne pour informer les décisions de déclenchement de bas niveau. Les auteurs ont remplacé un précédent pipeline hétérogène GPU+FPGA (GPURICH) par une solution mono-FPGA (FPGA-RICH) entièrement construite avec APEIRON.
Implémentation : La tâche PID a été formulée comme un problème d'inférence de réseau neuronal utilisant une approche sans graine (seedless), reposant uniquement sur les données de coups (hits) du RICH. L'architecture est un réseau entièrement connecté (64-16-4 neurones). Le modèle a été quantifié à l'aide de QKeras et converti en firmware synthétisable via HLS4ML, en utilisant des représentations en virgule fixe.
Performance : La synthèse sur une carte Xilinx VCU118 à 150 MHz a donné lieu à une implémentation compacte utilisant 14 % des LUT disponibles et 2 % des tranches DSP. La latence d'inférence mesurée était de 146,66 ns, atteignant un débit soutenu de 18,75 MHz, ce qui dépasse largement l'exigence de 10 MHz de l'expérience.
Précision : Les courbes ROC (Receiver Operating Characteristic) ont démontré un pouvoir de discrimination satisfaisant pour la multiplicité des particules chargées ( $N_r$ ). Les résultats pour l'identification des électrons/positrons ( $e^\pm$ ) étaient moins satisfaisants, une limitation attribuée à l'incapacité du détecteur RICH à discriminer les types de particules en dehors de la plage d'énergie 15–35 GeV/c.

Signification et travaux futurs
L'article affirme qu'APEIRON répond à un besoin récurrent dans la conception de TDAQ en physique des particules en combinant un réseau FPGA configurable à faible latence avec des outils de construction automatisés et un modèle de programmation de flux de données. Le déploiement réussi de FPGA-RICH démontre la capacité du cadre à fournir des solutions à haut débit et faible latence pour des algorithmes de physique complexes.

Les travaux futurs se concentrent sur l'amélioration des performances et de l'utilisabilité du cadre. Plus précisément, les auteurs visent à améliorer les résultats d'identification des $e^\pm$ en intégrant des primitives en ligne provenant du calorimètre LKr, qui fournit des informations sur l'énergie des événements, compensant ainsi les limitations du seul détecteur RICH.