Commissioning and Low Latency Operation of the Graph Neural Network Electromagnetic Calorimeter Trigger at the Belle II Experiment

Belle II प्रयोग की कल्पना एक हाई-स्पीड पार्टिकल रेसट्रैक के रूप में करें जहाँ नन्हे, अदृश्य धावक (कण) प्रकाश की गति के करीब घूम रहे हैं, और एक सेकंड में अरबों बार एक-दूसरे से टकरा रहे हैं। हर बार जब वे टकराते हैं, तो वे ऊर्जा का एक अराजक छिड़काव छोड़ जाते हैं, जैसे किसी अंधेरे कमरे में ग्लिटर (चमकीले कण) का विस्फोट हुआ हो। वैज्ञानिकों को सबसे दिलचस्प विस्फोटों को पकड़ने की आवश्यकता है, लेकिन एक समस्या है: इतने अधिक टकराव होते हैं कि उन सभी को रिकॉर्ड करना संभव नहीं है। डेटा स्टोरेज "सुपरकंप्यूटर" कहने से पहले ही भर जाएगा।

इस समस्या को हल करने के लिए, प्रयोग एक बहुत ही तेज़ सुरक्षा गार्ड सिस्टम का उपयोग करता है जिसे "ट्रिगर" कहा जाता है। इस गार्ड को हर एक टकराव को देखना होता है, एक सेकंड के सूक्ष्म अंश में यह तय करना होता है कि क्या उसे सहेजना सार्थक है, और अगले टकराव से पहले "हाँ!" या "नहीं!" चिल्लाना होता है। यदि गार्ड बहुत धीमा है, तो पूरा रेसट्रैक रुकना पड़ेगा।

लंबे समय तक, "इलेक्ट्रोमैग्नेटिक कैलोरीमीटर" (डिटेक्टर का वह हिस्सा जो ऊर्जा के विस्फोटों को पकड़ता है) के लिए गार्ड एक बहुत ही पारंपरिक, नियम-आधारित विधि का उपयोग करता था जिसे ICN-ETM कहा जाता था। यह विश्वसनीय था, लेकिन यह एक साधारण चेकलिस्ट का उपयोग करने वाले गार्ड जैसा था। हाल ही में, वैज्ञानिकों ने एक नए, स्मार्ट गार्ड का परीक्षण किया जो ग्राफ न्यूरल नेटवर्क (GNNs) का उपयोग करता है—जो एक प्रकार की आर्टिफिशियल इंटेलिजेंस (AI) है और अव्यवस्थित डेटा में पैटर्न पहचानने में बहुत कुशल है। उन्होंने एक प्रोटोटाइप बनाया जिसे GNN-ETM कहा गया।

बड़ी समस्या:
मूल AI गार्ड बहुत धीमा था। उसे निर्णय लेने में 3.168 माइक्रोसेकंड (यानी 3,168 नैनोसेकंड) लगे। रेसट्रैक के नियमों के अनुसार, गार्ड को 1.067 माइक्रोसेकंड या उससे कम समय में निर्णय लेना ही चाहिए। यदि AI को अधिक समय लगता, तो वह वास्तव में डेटा प्रवाह को रोकने के लिए उपयोग नहीं किया जा सकता था; वह केवल देख सकता था और नोट्स ले सकता था। यह एक जीनियस जासूस की तरह था जो अपराधों को पूरी तरह से सुलझाता है लेकिन रिपोर्ट लिखने में एक सप्ताह लगा देता है—अपराधी को पकड़ने के लिए बहुत देर हो चुकी होती है।

समाधान: AI को तेज़ बनाना
टीम ने केवल एक तेज़ कंप्यूटर नहीं बनाया; उन्होंने AI के मस्तिष्क और उस घर को भी पूरी तरह से फिर से डिज़ाइन किया जिसमें वह रहता है ताकि इसे बिजली की तरह तेज़ बनाया जा सके। उन्होंने मुख्य तीन काम किए:

1. मस्तिष्क को छोटा करना (मॉडल कंप्रेशन): उन्होंने जटिलता की एक परत को हटाकर और AI को छोटे, सरल नंबरों का उपयोग करना सिखाकर (जैसे हाई-डेफिनिशन फोटो से त्वरित स्केच में बदलना) AI के "मस्तिष्क" को सरल बनाया, बिना इसकी महत्वपूर्ण टकरावों को पहचानने की क्षमता खोए।
2. फर्नीचर को पुनर्व्यवस्थित करना (फ्लोरप्लानिंग): उपयोग किया गया कंप्यूटर चिप (FPGA) एक विशाल शहर की तरह है जो तीन जिलों में विभाजित है। मूल डिज़ाइन में AI के विचार इन जिलों के बीच आगे-पीछे यात्रा करते थे, जिससे ट्रैफिक जाम हो जाता था। टीम ने AI के घटकों को मैन्युअल रूप से पुनर्व्यवस्थित किया ताकि सब कुछ एक ही जिले में रहे, जिससे यात्रा का समय कम हो गया।
3. टूल्स को बदलना (DSP मैपिंग): उन्होंने चिप के भारी-भरक "हार्ड" गणितीय टूल्स का उपयोग करना बंद कर दिया क्योंकि वे इस विशिष्ट सेटअप में देरी का कारण बन रहे थे। इसके बजाय, उन्होंने चिप के मानक लॉजिक का उपयोग किया, जो इस विशिष्ट कार्य के लिए तेज़ साबित हुआ।

परिणाम:
इन परिवर्तनों के बाद, नया AI गार्ड, जिसे अब सनसेट कैलोक्लस्टरनेट (Sunset CaloClusterNet) कहा जाता है, ने केवल 1.053 माइक्रोसेकंड में निर्णय लिया। यह एक विशाल सुधार है, जिसने समय को 3.01 के कारक से कम कर दिया है।

क्या यह काम कर गया?
टीम ने केवल अनुमान नहीं लगाया; उन्होंने इसका कड़ाई से परीक्षण किया।

• सिमुलेशन: उन्होंने सटीक, साइकिल-दर-साइकिल कंप्यूटर सिमुलेशन चलाए जिनसे पता चला कि नया डिज़ाइन पुराने, भरोसेमंद ऑफलाइन मॉडल्स से बिल्कुल मेल खाता है (बिट-दर-बिट सटीकता के साथ)।
• वास्तविक दुनिया का परीक्षण: उन्होंने दिसंबर 2025 में वास्तविक Belle II प्रयोग में इस सिस्टम को स्थापित किया। उन्होंने "बीम रन" (जब कण टकरा रहे होते हैं) और "कॉस्मिक रन" (जब मशीन बंद होती है, लेकिन प्राकृतिक अंतरिक्ष कण डिटेक्टर से टकराते हैं) के दौरान वास्तविक समय में इसकी गति को मापा।

मापों ने पुष्टि की कि सिस्टम 1.067 माइक्रोसेकंड की समय सीमा को पूरा करने के लिए पर्याप्त तेज़ है। वास्तव में, एक विशिष्ट सेटअप के साथ, उनके पास 160 नैनोसेकंड का सुरक्षा मार्जिन था। उस विशिष्ट सेटअप के बिना, मार्जिन केवल 14 नैनोसेकंड था, लेकिन फिर भी इसने सफलता प्राप्त की।

यह अब क्या करता है?
नया AI गार्ड अब पूरी तरह से चालू है और इसके हार्डवेयर कनेक्शन मुख्य नियंत्रण कक्ष (ग्लोबल डिसीजन लॉजिक) के साथ स्थापित हैं, जहाँ से यह निगरानी के लिए अपने "ट्रिगर बिट्स" (हाँ/नहीं के झंडे) भेजता है। हालाँकि, इस विशिष्ट कमीशनिंग चरण में, सिस्टम का उपयोग डेटा प्रवाह को रोकने वाले अंतिम सक्रिय ट्रिगर निर्णयों के लिए नहीं किया जा रहा है। इसके बजाय, यह मौजूदा गार्ड के समानांतर चलता है, जिससे वैज्ञानिक वास्तविक दुनिया की स्थितियों में इसके प्रदर्शन की तुलना कर सकते हैं और इसकी विश्वसनीयता को सत्यापित कर सकते हैं। टीम ने एक डैशबोर्ड भी बनाया है जो उन्हें वास्तविक समय में AI के प्रदर्शन को देखने, यह गिनने की अनुमति देता है कि यह हर सेकंड कितने "हाँ" निर्णय लेता है।

जब उन्होंने नए AI गार्ड की तुलना पुराने नियम-आधारित गार्ड से की:

• शांत समय (कॉस्मिक रन) में, उन्होंने लगभग समान संख्या में दिलचस्प घटनाएं पाईं।
• व्यस्त समय (बीम रन) में, AI गार्ड कभी-कभी अधिक क्लस्टर पाता है क्योंकि यह अव्यवस्थित ऊर्जा विस्फोटों को अलग करने में बेहतर है, लेकिन जब उन्होंने एक विशेष "सिग्नल क्लासिफायर" (बैकग्राउंड शोर को अनदेखा करने वाला फ़िल्टर) जोड़ा, तो AI गार्ड वास्तव में पुराने गार्ड की तुलना में अधिक चयनात्मक हो गया, जिससे शांत रन में "हाँ" निर्णनों की संख्या लगभग 100 Hz कम हो गई और व्यस्त रन में काफी कम हो गई।

मुख्य निष्कर्ष:
यह पेपर सिद्ध करता है कि एक ग्राफ न्यूरल नेटवर्क को एक सुपर-फास्ट, रियल-टाइम ट्रिगर सिस्टम में समाहित किया जा सकता है। उन्होंने एक धीमे, ऑफलाइन-शैली के AI को एक लाइव, लो-लेटेंसी गार्ड में बदल दिया जो सख्त 1.067 माइक्रोसेकंड की समय सीमा में फिट बैठता है। सिस्टम अब चल रहा है, अपने प्रदर्शन की निगरानी कर रहा है, और भविष्य के अध्ययन के लिए कौन से पार्टिकल टकराव बचाने लायक हैं, यह तय करने में मदद करने के लिए तैयार है, जो अंततः एक सक्रिय ट्रिगर निर्णय लेने में इसकी भूमिका का मार्ग प्रशस्त करता है।