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

Belle II 실험을 초고속 입자 경주 트랙이라고 상상해 보세요. 이곳에서는 아주 작고 보이지 않는 경주마들(입자들)이 빛의 속도에 가깝게 질주하며, 초당 수십억 번 서로 충돌합니다. 충돌할 때마다 이들은 마치 어두운 방 안에서 터지는 반짝이처럼, 에너지의 혼란스러운 분사(spray)를 남깁니다. 과학자들은 가장 흥cia로운 폭발을 포착해야 하지만, 문제는 모든 충동을 기록하기에는 너무 많은 충돌이 발생한다는 점입니다. 데이터 저장 공간은 여러분이 "슈퍼컴퓨터"라고 말하기도 전에 순식간에 가득 차버릴 것입니다.

이를 해결하기 위해, 실험은 "트리거(trigger)"라고 불리는 초고속 보안 요원 시스템을 사용합니다. 이 요원은 모든 충돌을 지켜보며, 단 몇 분의 일 초 만에 이것을 저장할 가치가 있는지 판단하여 "YES!" 또는 "NO!"라고 외쳐야 합니다. 만약 요원이 너무 느리다면, 경주 트랙 전체를 멈춰 세워야 할 수도 있습니다.

오랫동안, 전자기 칼로리미터(에너지 폭발을 포착하는 검출기 부분)를 위한 보안 요원은 ICN-ETM이라 불리는 전통적인 규칙 기반 방식을 사용해 왔습니다. 이는 신뢰할 수 있었지만, 단순한 체크리스트를 사용하는 경비원과 같았습니다. 최근 과학자들은 그래프 신경망(GNN)이라는, 복잡한 데이터 속에서 패턴을 찾아내는 데 매우 뛰어난 인공지능 유형을 사용하는 더 똑똑한 보안 요원을 시도했습니다. 그들은 GNN-ETM이라는 프로토타입을 구축했습니다.

거대한 문제:
원래의 AI 보안 요원은 너무 느렸습니다. 결정을 내리는 데 3.168 마이크로초(3,168 나노초)가 걸렸습니다. 경주 트랙의 규칙에 따르면 보안 요원은 반드시 1.067 마이크로초 이내에 결정해야 했습니다. 만약 AI가 더 오래 걸린다면, 그것은 데이터 흐름을 실제로 차단하는 데 사용될 수 없으며, 그저 관찰하고 기록만 할 수 있을 뿐이었습니다. 이는 마치 범죄를 완벽하게 해결하지만 보고서를 쓰는 데 일주일이 걸리는 천재 형사가 있는 것과 같습니다—범인을 잡기에는 너무 늦은 것이죠.

해결책: AI의 속도 높이기
이 논문의 팀은 단순히 더 빠른 컴퓨터를 만든 것이 아니라, AI의 '두뇌'와 그 두뇌가 거주하는 '집'을 완전히 재설계하여 번개처럼 빠르게 만들었습니다. 그들은 크게 세 가지를 수행했습니다:

1. 두뇌 축소 (모델 압축 - Model Compression): 그들은 복잡성을 한 층 제거하고, 중요한 충돌을 포착하는 능력을 잃지 않으면서도 더 작고 단순한 숫자를 사용하도록(고화질 사진에서 빠른 스케치로 전환하는 것처럼) AI의 "두뇌"를 단순화했습니다.
2. 가구 재배치 (플로어플래닝 - Floorplanning): 그들이 사용한 컴퓨터 칩(FPGA)은 세 개의 구역으로 나뉜 거대한 도시와 같습니다. 기존 설계에서는 AI의 생각이 이 구역들과 저 구역들을 오가며 교통 체증을 유발했습니다. 팀은 AI의 구성 요소들을 수동으로 재배치하여 모든 것이 한 구역 안에 머물게 함으로써 이동 시간을 단축했습니다.
3. 도구 변경 (DSP 매핑 - DSP Mapping): 그들은 이 특정 설정에서 오히려 지연을 일으켰던 칩의 고성능 "하드" 수학 도구들을 사용하지 않기로 했습니다. 대신 칩의 표준 로직을 사용했는데, 이것이 이 특정 작업에 더 빠르다는 것이 밝혀졌습니다.

결과:
이러한 변화를 거친 후, 이제 Sunset CaloClusterNet이라 불리는 새로운 AI 보안 요원은 단 1.053 마이크로초 만에 결정을 내릴 수 있게 되었습니다. 이는 이전보다 3.01배나 시간을 단축한 엄청난 개선입니다.

성공했나요?
팀은 단순히 추측한 것이 아니라 엄격하게 테스트했습니다.

• 시뮬레이션: 그들은 완벽한 사이클 단위의 컴퓨터 시뮬레이션을 실행하여, 새로운 설계가 기존의 신뢰할 수 있는 오프라인 모델과 정확히 일치함(비트 단위의 정확도)을 보여주었습니다.
• 실제 환경 테스트: 그들은 2025년 12월에 실제 Belle II 실험 장치에 이 시스템을 설치했습니다. 그들은 "빔 런(beam runs, 입자들이 충돌하는 시기)"과 "코스믹 런(cosmic runs, 기계는 꺼져 있지만 자연적인 우주 입자가 검출기에 부딪히는 시기)" 동안 실시간으로 속도를 측정했습니다.

측정 결과, 이 시스템은 1.067 마이크로초라는 마감 시간을 충족할 만큼 충분히 빠르다는 것이 확인되었습니다. 실제로 특정 설정을 사용했을 때, 160 나노초의 안전 여유를 확보했습니다. 해당 설정을 사용하지 않았을 때는 여유가 겨우 14 나노초였지만, 여전히 통과했습니다.

이제 무엇을 하나요?
새로운 AI 보안 요원은 이제 메인 제어실(Global Decision Logic)과의 하드웨어 연결이 확립되어 완전히 작동 중이며, 모니터링을 위해 "트리거 비트(trigger bits, yes/no 플래그)"를 보냅니다. 하지만 이 특정 시운전 단계에서, 이 시스템은 데이터 흐름을 차단하는 최종 능동 트리거 결정을 내리는 데 아직 사용되지 않습니다. 대신, 기존 보안 요원과 병렬로 실행되어 과학자들이 실제 환경에서의 성능을 비교하고 신뢰성을 검증할 수 있도록 합니다. 팀은 또한 AI의 성능을 실시간으로 관찰하며 초당 얼마나 많은 "yes" 결정을 내리는지 셀 수 있는 대시보드를 구축했습니다.

새로운 AI 보안 요를 기존의 규칙 기반 보안 요와 비교했을 때:

• 조용한 시간(코스믹 런)에는 거의 동일한 수의 흥미로운 이벤트들을 찾아냈습니다.
• 바쁜 시간(빔 런)에는, AI 보안 요원이 복잡한 에너지 분사를 더 잘 분리해내기 때문에 때때로 더 많은 클러스터를 찾아냈습니다. 하지만 특수한 "신호 분류기(signal classifier, 배경 소음을 무시하는 필터)"를 추가했을 때, AI 보안 요는 기존 보안 요보다 더 선택적이 되어 조용한 런에서는 약 100 Hz, 바쁜 런에서는 훨씬 더 많은 "yes" 결정을 줄였습니다.

핵심 요약:
이 논문은 그래프 신경망이 초고속 실시간 트리거 시스템 안에 어떻게 압축되어 들어갈 수 있는지를 증명합니다. 그들은 오프라인 스타일의 느린 AI를 엄격한 1.067 마이크로초 마감 시간 내에 작동하는 라이브 저지연(low-latency) 수호자로 탈바 바꿈시켰습니다. 이 시스템은 현재 실행 중이며, 자신의 성능을 모니터링하고 있으며, 향로 연구를 위해 어떤 입자 충돌을 저장할지 결정하는 데 도움을 줄 준비를 마쳤습니다. 이는 향에 능동적인 역할을 맡기 위한 길을 열어줍니다.