Com cerca de um bilhão de colisões próton-próton por segundo no Grande Colisor de Hádrons (LHC), os experimentos do LHC precisam vasculhar rapidamente a riqueza de dados para escolher quais colisões analisar. Para lidar com um número ainda maior de colisões por segundo no futuro, cientistas estão investigando métodos de computação, como técnicas de aprendizado de máquina. Uma nova colaboração está examinando como essas técnicas implantadas em chips conhecidos como field-programmable gate arrays (FPGAs) podem ser aplicadas à direção autônoma, para que a rápida tomada de decisão usada para colisões de partículas pudesse ajudar a prevenir colisões na estrada.

FPGAs têm sido usados ​​no CERN por muitos anos e para muitas aplicações. Ao contrário da unidade de processamento central de um laptop, esses chips seguem instruções simples e processam muitas tarefas paralelas de uma vez. Com até 100 links seriais de alta velocidade, eles são capazes de suportar entradas e saídas de alta largura de banda. Seu processamento paralelo e reprogramação os tornam adequados para aplicativos de aprendizado de máquina.

O desafio, Contudo, foi ajustar algoritmos complexos de aprendizado profundo - uma classe particular de algoritmos de aprendizado de máquina - em chips de capacidade limitada. Este software necessário desenvolvido para os experimentos baseados no CERN, chamado "hls4ml, "que reduz os algoritmos e produz código pronto para FPGA sem perda de precisão ou desempenho, permitindo que os chips executem algoritmos de tomada de decisão em microssegundos.

Uma nova colaboração entre CERN e Zenuity, a empresa de software de direção autônoma com sede na Suécia, planeja usar as técnicas e software desenvolvidos para os experimentos no CERN para pesquisar seu uso na implantação de aprendizado profundo em FPGAs, uma classe particular de algoritmos de aprendizado de máquina, para uma condução autônoma. Em vez de dados de física de partículas, os FPGAs serão usados ​​para interpretar grandes quantidades de dados gerados por condições normais de direção, usando leituras de sensores de carro para identificar pedestres e veículos. A tecnologia deve permitir que os carros de direção automatizada tomem decisões e previsões melhores e mais rápidas, evitando assim colisões de tráfego.