🔬 physics

APEIRON: composing smart TDAQ systems for high energy physics experiments

O artigo apresenta o APEIRON, um framework de processamento heterogêneo distribuído que integra hardware e software para possibilitar sistemas de gatilho inteligente e aquisição de dados para experimentos de física de altas energias, demonstrado através de uma aplicação de identificação de partículas para o experimento NA62.

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

Publicado 2026-07-03

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: 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

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está administrando uma estação de trem massiva e de alta velocidade, onde milhares de trens (pacotes de dados) chegam a cada segundo. Seu trabalho é classificar esses trens, verificar sua carga e decidir quais podem continuar seguindo viagem e quais precisam ser parados ou redirecionados. No mundo da física de altas energias, esta "estação de trem" é um experimento como o NA62, no CERN, e os "trens" são partículas colidindo.

O artigo apresenta o APEIRON, um novo "sistema operacional inteligente" projetado para construir os cérebros dessas estações de trem. Veja como ele funciona, dividido em conceitos simples:

1. O Problema: Grande demais para um único cérebro

Tradicionalmente, os cientistas usavam um único chip de computador superinteligente (um FPGA) para fazer a classificação. Mas os experimentos modernos produzem tantos dados que um único chip é como tentar gerenciar um aeroporto global com um único controlador de tráfego. Ele fica sobrecarregado.

Anteriormente, se os cientistas precisassem de mais potência, tinham que conectar manualmente vários chips, escrevendo códigos complexos e personalizados para cada uma dessas conexões. Era como construir uma ponte entre ilhas à mão, um tijolo por vez, toda vez que você precisasse de uma nova ilha.

2. A Solução: APEIRON (O Tradutor Universal)

O APEIRON é uma estrutura que atua como um tradutor universal e uma equipe de construção automática. Ele permite que os cientistas conectem muitos chips de forma contínua, sem se preocupar com a fiação complexa.

A Abordagem da "Mente de Colmeia": Em vez de um grande cérebro, o APEIRON cria uma rede de cérebros menores (chips) que conversam entre si instantaneamente.
O Sistema de "Correios": Ele utiliza um sistema de roteamento inteligente (como um correio altamente eficiente) que decide automaticamente para qual chip cada pacote de dados deve ir. Você não precisa saber o endereço de cada casa; basta depositar a carta na caixa de correio, e o sistema cuida do resto.
Simplicidade para os Cientistas: Os cientistas podem escrever suas regras de classificação em código de computador padrão (C++) e o APEIRON constrói automaticamente as conexões complexas de hardware nos bastidores. É como dar uma receita a um chef e ter um robô que monta automaticamente a cozinha, o fogão e os caminhões de entrega.

3. Como ele move os dados (Os Canos)

O sistema move dados de duas maneiras:

Dentro do Chip: Os dados se movem entre diferentes partes do mesmo chip através de um switch local (como um corredor dentro de uma casa).
Entre Chips: Os dados viajam entre diferentes chips através de "super-rodovias" de alta velocidade (transceivers seriais).
A Magia: O sistema utiliza "canais virtuais" para evitar congestionamentos (deadlocks), garantindo que, mesmo que milhares de pacotes de dados cheguem ao mesmo tempo, eles nunca fiquem presos em um engarrafamento.

4. O Teste no Mundo Real: O Experimento NA62

Para provar que funciona, a equipe testou o APEIRON no experimento NA62 no CERN.

A Tarefa: Eles precisavam identificar partículas específicas (kaons) observando a luz que elas deixam para trás em um detector especial (o detector RICH). Isso é como tentar identificar um tipo específico de pássaro apenas pelo padrão de suas penas, e você precisa fazer isso em uma fração de segundo.
O Jeito Antigo: Eles utilizavam anteriormente uma mistura de uma GPU (uma placa de vídeo) e um FPGA, o que era complicado e exigia hardware personalizado.
O Jeito APEIRON: Eles construíram um sistema "FPGA-RICH" inteiramente dentro da estrutura do APEIRON. Eles usaram uma "rede neural" (um tipo de IA que aprende a reconhecer padrões) para realizar a identificação.

5. Os Resultados: Rápido e Eficiente

Os resultados foram impressionantes:

Velocidade: O sistema processou dados a uma taxa de 18,75 milhões de eventos por segundo, superando facilmente a velocidade exigida de 10 milhões.
Eficiência: Utilizou muito pouco dos recursos do chip (apenas 14% dos "blocos lógicos" e 2% dos "processadores matemáticos"), deixando bastante espaço para outras tarefas.
Precisão: A IA identificou partículas carregadas com alta precisão, embora tenha observado que identificar elétrons especificamente ainda era um pouco difícil (como distinguir entre dois pássaros muito parecidos).

Resumo

Em suma, o APEIRON é um conjunto de ferramentas que permite aos físicos construir redes massivas e supervelozes de processamento de dados simplesmente escrevendo código, sem a necessidade de serem engenheiros de hardware. Ele transforma um projeto de construção complexo e manual em um sistema automatizado e "plug-and-play", permitendo que lidem com os enormes fluxos de dados dos experimentos modernos de física de partículas com facilidade.

Resumo Técnico do APEIRON: Compondo Sistemas TDAQ Inteligentes para Experimentos de Física de Altas Energias

Definição do Problema
O processamento de fluxo de dados em tempo real em física de partículas experimental exige alto rendimento computacional, latência determinística e largura de banda de E/S substancial. Embora os FPGAs (Field-Programmable Gate Arrays) sejam bem adequados a esses requisitos devido à sua lógica reconfigurável e transceivers de alta velocidade, existe uma limitação significativa nos ambientes atuais de Síntese de Alto Nível (HLS): eles são tipicamente confinados a um único dispositivo FPGA. Quando os problemas de gatilho ou aquisição de dados (TDAQ) excedem a capacidade de um único chip — um cenário comum em experimentos modernos com alta contagem de canais — os desenvolvedores são forçados a depender de camadas de comunicação inter-FPGA feitas de forma ad-hoc e manual. Esta lacuna entre as capacidades de HLS de dispositivo único e as necessidades de sistemas de tempo real multi-dispositivo motivou o desenvolvimento do APEIRON.

Metodologia e Arquitetura
O APEIRON é um framework de processamento heterogêneo distribuído projetado para estender o ecossistema Xilinx Vitis HLS para operar transparentemente através de uma rede de FPGAs interconectados. O framework abrange toda a hierarquia de software, desde drivers de dispositivo de baixo nível até um modelo de programação de fluxo de dados de alto nível.

Topologia do Sistema: O sistema modela caminhos de dados como $m$ fontes de dados independentes alimentando uma cascata de $n$ estágios de processamento de fluxo. Estes estágios podem residir em um ou mais nós FPGA, com uma rede de fabricação recombinando fluxos de dados conforme necessário. A rede subjacente é uma malha (mesh) de roteamento por ordem de dimensão e comutação de pacotes, permitindo que a topologia física seja adaptada via configuração em vez de redesenho.
Infraestrutura de Comunicação: Derivado dos designs de rede-no-chip APEnet e EXANEST, o subsistema de comunicação suporta tanto transferências intra-nó (entre kernels no mesmo FPGA) quanto transferências inter-nó (através de transceivers seriais de alta velocidade). O roteamento utiliza um switch crossbar com roteamento por ordem de dimensão e comutação Virtual Cut-Through para garantir baixa latência. Para evitar deadlocks sob roteamento por ordem de dimensão, dois canais virtuais são fornecidos por link físico.
Modelo de Programação: O APEIRON emprega uma abstração de fluxo de dados baseada em Redes de Processos de Kahn. Os desenvolvedores escrevem kernels C/C++ algorítmicos que expõem portas AXI4-Stream. A comunicação é tratada via uma API C++ leve, apresentando primitivas não bloqueantes send() e bloqueantes receive(). Esta API abstrai o protocolo de pacotes subjacente, permitindo que os kernels se comuniquem independentemente da colocação física.
Fluxo de Construção (Build Flow): O mapeamento do grafo de fluxo de dados computacional para a rede FPGA física é definido em um arquivo de configuração YAML. A ferramenta APEIRON gera automaticamente toda a lógica auxiliar (roteamento, despacho, agregação) e produz o bitstream completo do design, livrando os designers das tarefas de integração manual.

Principais Contribuições
O artigo apresenta as seguintes contribuições principais:

Um Interconector Modular: Um interconector direto entre nós FPGA, configurável em termos de topologia e de baixa latência.
Abstração Unificada: Um modelo de programação de fluxo de dados onde as tarefas se comunicam via primitivas leves de send/receive, desacoplando a comunicação lógica da colocação física.
Automação: Uma ferramenta que gera automaticamente a lógica de roteamento, despacho e agregação a partir de uma descrição compacta da aplicação, permitindo que os usuários foquem exclusivamente em kernels algorítmicos.
Versatilidade de Alvo: Um sistema capaz de endereçar tanto sistemas de gatilho tradicionais de baixo nível quanto estágios de redução de dados em configurações de leitura sem gatilho (trigger-less) ou de streaming.

Validação e Resultados
O framework foi validado utilizando uma aplicação de identificação de partículas (PID) para o experimento NA62 no CERN.

Contexto: O detector Ring Imaging Cherenkov (RICH) do NA62 requer PID online para informar decisões de gatilho de baixo nível. Os autores substituíram um pipeline anterior heterogêneo de GPU+FPGA (GPURICH) por uma solução de FPGA único (FPGA-RICH) construída inteiramente dentro do APEIRON.
Implementação: A tarefa de PID foi formulada como um problema de inferência de rede neural usando uma abordagem sem sementes (seedless approach, baseando-se apenas em dados de hits do RICH). A arquitetura é uma rede totalmente conectada (64-16-4 neurônios). O modelo foi quantizado usando QKeras e convertido para firmware sintetizável via HLS4ML, utilizando representações de ponto fixo.
Desempenho: A síntese em uma placa Xilinx VCU118 a 150 MHz resultou em uma implementação compacta usando 14% dos LUTs disponíveis e 2% dos slices DSP. A latência de inferência medida foi de 146,66 ns, alcançando um rendimento sustentado de 18,75 MHz, o que excede confortavelmente o requisito de 10 MHz do experimento.
Precisão: As curvas ROC (Receiver Operating Characteristic) demonstraram um poder de discriminação satisfatório para a multiplicidade de partículas carregadas ( $N_r$ ). Os resultados para identificação de elétrons/pósitrons ( $e^\pm$ ) foram menos satisfatórios, uma limitação atribuída à incapacidade do detector RICH em discriminar tipos de partículas fora da faixa de energia de 15–35 GeV/c.

Significância e Trabalho Futuro
O artigo afirma que o APEIRON aborda uma necessidade recorrente no design de TDAQ em física de partículas ao combinar uma rede FPGA configurável de baixa latência com ferramentas de construção automatizadas e um modelo de programação de fluxo de dados. O sucesso do deploy do FPGA-RICH demonstra a capacidade do framework de entregar soluções de alto rendimento e baixa latência para algoritmos de física complexos.

O trabalho futuro foca em melhorar o desempenho e a usabilidade do framework. Especificamente, os autores visam melhorar os resultados de identificação de $e^\pm$ integrando primitivas online do calorímetro LKr, que fornece informações de energia do evento, compensando assim as limitações do detector RICH isoladamente.