User Tools

Site Tools


Sidebar

strutture:bo:ml:meeting_infnbo_ml_20190228

Minute del meeting INFN BO su  Machine Learning del 28 Febbraio

 Stato del HW:
— crate ATCA 14U, 12 slots previsto in arrivo per fine Aprile. Ritardo dovuto alla richiesta di un backplane di tipo full mesh.
— Inizialmente una sola board, vadatech, con xilinx V7, in arrivo a fine marzo. I diversi progetti dovranno convivere time sharing. Il costo della board è intorno a 11 KE.
— Alimentatore (1U sotto il crate), ordinato a parte, arriverà assieme al crate.

  • Discussione: (a) finché c’è una sola board nel crate, si potrebbero procurare delle board demo xilinx con lo stesso FPGA della board ATCA, da utilizzare per debugging e ottimizzazione del codice, per attenuare il problema del time sharing; (b) pensare a un TEST BED minimale

Progetti proposti:
tre caricati sulla pagina indico del meeting al link https://agenda.infn.it/event/18475/
— “implementazione di modelli ML per trigger muonico su FPGA”
applicazione di algoritmi ML (supervised regression) per stimare l’impulso trasverso di muoni che attraversano le camere (di CMS, ATLAS, o altro esperimento).

  • Discussione: Si è fatto presente che si può collegare il crate ATCA nel TIER1 via fibre a camere reali nei laboratori di Berti Pichat, se ci sono.

— “Fabric for ML a Bologna”
creare un archivio di modelli già implementati, con il codice che li implementa (github) + breve documentazione sulle scelte di base, disponibili a chi vuole valutarli in funzione del problema da risolvere e della implementazione su FPGA.
—“Ultrafast DNN on FPGA: post Zurich”
accrescere il nostro il know-how ripetendo gli esercizi del workshop di zurigo del 6 febbraio, a cui alcuni di noi hanno partecipato, https://indico.cern.ch/event/769727/ tra noi, con nostro HW, e i nostri tempi
— “ATLAS Pixel”
elaborazione dei segnali del pixel detector per selezionare eventi.
— “Signal processing”
elaborazione ML dei segnali elettronici per migliorarne la forma e pulirli dal rumore
— “Finger print”
Applicazioni ML per garantire che una immagine sia originale, non artefatta.

Nel finale si è discusso dell'utilizzo di Matlab che ha toolboxes con algoritmi di ML. Ci sono licenze disponibili a livello di sezione INFN, ma senza toolbox, che potrebbe essere acquistata a parte (in attesa di capire se un’opzione “campus" per INFN con tutti i toolbox verrà acquistata).

strutture/bo/ml/meeting_infnbo_ml_20190228.txt · Last modified: 2019/03/06 15:19 by marcodv@infn.it