Ein Digitizer verarbeitet Detektorsignale mit einer Rate von 10 GS/s direkt auf einem FPGA. Mithilfe eines dort implementierten Convolutional Neural Networks sollen auch bei Pile-up einzelne Teilchenimpulse erkannt werden. Die angegebene Latenz beträgt 300 ns.
Der SIS18-Tunnel am GSI Helmholtzzentrum für Schwerionenforschung in Darmstadt, Deutschland.
(Bild: A. Zschau, GSI/FAIR)
In der Strahldiagnostik kommt es darauf an, einzelne Teilchenereignisse zuverlässig zu erfassen. Bei hohen Teilchenraten können mehrere Teilchen jedoch so kurz nacheinander einen Detektor passieren, dass sich die zugehörigen Impulse überlagern. Die Auswertung muss dann aus einem zusammengesetzten Signal ableiten, wie viele Ereignisse aufgetreten sind und wann sie jeweils eintrafen.
Am GSI Helmholtzzentrum für Schwerionenforschung in Darmstadt soll ein Convolutional Neural Network (CNN) diese Aufgabe in Echtzeit übernehmen. Das Modell läuft auf dem FPGA eines ADQ35-Digitizers von Teledyne SP Devices. Entwickelt wurde es im Rahmen einer Promotion an der Hochschule Fulda in Zusammenarbeit mit GSI.
Einzelimpuls nach einem Teilchendurchgang durch den Detektor. Die konkrete Signalform hängt unter anderem vom Detektor und der nachfolgenden Signalkette ab.
(Bild: Teledyne SP Devices)
Ein einzelnes Teilchen löst im Detektor einen Impuls aus, der anschließend digitalisiert wird. Treffen mehrere Teilchen innerhalb eines kurzen Zeitabstands ein, überlagern sich ihre Impulse. Die resultierende Signalform ist dann nicht mehr ohne Weiteres in einzelne Ereignisse zu zerlegen; laut Projektbeschreibung kann die Detektorantwort bei Pile-up zudem nichtlinear werden.
Beispiele für Pile-up: In jedem dargestellten Signal überlagern sich die Antworten auf drei Teilchen. Die grün gestrichelten Linien markieren die jeweiligen Ankunftszeiten.
(Bild: Teledyne SP Devices)
Herkömmliche Auswerteverfahren, etwa eine Erkennung über mehrere Schwellenwerte oder die Suche nach lokalen Maxima, können bei solchen Signalformen an Grenzen stoßen. Werden überlagerte Ereignisse nicht getrennt erkannt, kann das zu einer Unterzählung führen. Für die Spill-Steuerung, also die zeitliche Verteilung der aus dem Beschleuniger extrahierten Teilchen, ist eine zuverlässige Erfassung der Teilchenzahl und ihrer Ankunftszeiten relevant.
Datenverarbeitung direkt im Digitizer
Das CNN verarbeitet die digitalisierten Signale direkt auf dem FPGA. Dadurch muss der Datenstrom für die Inferenz nicht erst an einen externen Rechner übertragen werden. Die Projektbeteiligten geben eine Latenz von 300 ns an und sprechen von einer deterministischen Verarbeitung. Bei einer Echtzeitregelung ist neben dem Durchsatz auch diese zeitliche Vorhersagbarkeit wichtig.
Die Implementierung verarbeitet den Angaben zufolge jeweils 32 Samples parallel mit 312,5 MHz. Das entspricht rechnerisch einer Abtastrate von 10 GS/s. Bei einer Auflösung von 12 Bit pro Sample ergibt sich ohne zusätzliche Übertragungs- oder Protokolloverheads ein Rohdatenstrom von 120 Gbit/s.
Bei 10 GSPS liegt der zeitliche Abstand zwischen zwei Abtastwerten bei 100 ps. Das ist jedoch nicht automatisch gleichbedeutend mit einer Messgenauigkeit von 100 ps: Die Genauigkeit der rekonstruierten Ankunftszeit hängt zusätzlich unter anderem von Signalform, Signal-Rausch-Verhältnis, Detektor und Auswertealgorithmus ab. Zur tatsächlich erreichten Zeitauflösung enthält die Vorlage keine quantitativen Messwerte.
CNN mit annotierten Daten trainiert
Das CNN wurde anhand annotierter Daten trainiert. Es soll die Zahl der Teilchen und die Ankunftszeit jedes Impulses bestimmen, auch wenn die Signalformen überlappen. Für die Umsetzung des Modells auf der FPGA-Hardware kam eine von UFAIRA entwickelte Toolchain zum Einsatz.
Laut Vorlage belegt die Implementierung weniger als 15 Prozent der verfügbaren DSP-Ressourcen und weniger als 6 Prozent der LUT-Ressourcen des verwendeten FPGA. Diese Angaben beschreiben den Ressourcenbedarf der konkreten Implementierung; sie belegen für sich genommen noch nicht, welche weiteren Modelle oder Datenraten sich auf dem FPGA realisieren lassen.
Der KI-basierte Ansatz soll Pile-up zuverlässiger auflösen als Verfahren mit Schwellenwerten oder lokaler Maximumsuche. Dadurch könnte es möglich sein, die Teilchenrate weniger stark zu begrenzen. Wie groß der Vorteil in der Praxis ist, lässt sich aus den vorliegenden Angaben allerdings nicht ableiten. Dafür wären unter anderem Vergleichsmessungen, Fehlzählraten und Angaben zur maximalen Ereignisrate erforderlich. (heh)
Stand: 08.12.2025
Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer Datenschutzerklärung.
Einwilligung in die Verwendung von Daten zu Werbezwecken
Ich bin damit einverstanden, dass die Vogel Communications Group GmbH & Co. KG, Max-Planckstr. 7-9, 97082 Würzburg einschließlich aller mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen (im weiteren: Vogel Communications Group) meine E-Mail-Adresse für die Zusendung von redaktionellen Newslettern nutzt. Auflistungen der jeweils zugehörigen Unternehmen können hier abgerufen werden.
Der Newsletterinhalt erstreckt sich dabei auf Produkte und Dienstleistungen aller zuvor genannten Unternehmen, darunter beispielsweise Fachzeitschriften und Fachbücher, Veranstaltungen und Messen sowie veranstaltungsbezogene Produkte und Dienstleistungen, Print- und Digital-Mediaangebote und Services wie weitere (redaktionelle) Newsletter, Gewinnspiele, Lead-Kampagnen, Marktforschung im Online- und Offline-Bereich, fachspezifische Webportale und E-Learning-Angebote. Wenn auch meine persönliche Telefonnummer erhoben wurde, darf diese für die Unterbreitung von Angeboten der vorgenannten Produkte und Dienstleistungen der vorgenannten Unternehmen und Marktforschung genutzt werden.
Meine Einwilligung umfasst zudem die Verarbeitung meiner E-Mail-Adresse und Telefonnummer für den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern wie z.B. LinkedIN, Google und Meta. Hierfür darf die Vogel Communications Group die genannten Daten gehasht an Werbepartner übermitteln, die diese Daten dann nutzen, um feststellen zu können, ob ich ebenfalls Mitglied auf den besagten Werbepartnerportalen bin. Die Vogel Communications Group nutzt diese Funktion zu Zwecken des Retargeting (Upselling, Crossselling und Kundenbindung), der Generierung von sog. Lookalike Audiences zur Neukundengewinnung und als Ausschlussgrundlage für laufende Werbekampagnen. Weitere Informationen kann ich dem Abschnitt „Datenabgleich zu Marketingzwecken“ in der Datenschutzerklärung entnehmen.
Falls ich im Internet auf Portalen der Vogel Communications Group einschließlich deren mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen geschützte Inhalte abrufe, muss ich mich mit weiteren Daten für den Zugang zu diesen Inhalten registrieren. Im Gegenzug für diesen gebührenlosen Zugang zu redaktionellen Inhalten dürfen meine Daten im Sinne dieser Einwilligung für die hier genannten Zwecke verwendet werden. Dies gilt nicht für den Datenabgleich zu Marketingzwecken.
Recht auf Widerruf
Mir ist bewusst, dass ich diese Einwilligung jederzeit für die Zukunft widerrufen kann. Durch meinen Widerruf wird die Rechtmäßigkeit der aufgrund meiner Einwilligung bis zum Widerruf erfolgten Verarbeitung nicht berührt. Um meinen Widerruf zu erklären, kann ich als eine Möglichkeit das unter https://contact.vogel.de abrufbare Kontaktformular nutzen. Sofern ich einzelne von mir abonnierte Newsletter nicht mehr erhalten möchte, kann ich darüber hinaus auch den am Ende eines Newsletters eingebundenen Abmeldelink anklicken. Weitere Informationen zu meinem Widerrufsrecht und dessen Ausübung sowie zu den Folgen meines Widerrufs finde ich in der Datenschutzerklärung, Abschnitt Redaktionelle Newsletter.