Con aproximadamente mil millones de colisiones protón-protón por segundo en el Gran Colisionador de Hadrones (LHC), Los experimentos del LHC deben examinar rápidamente la gran cantidad de datos para elegir qué colisiones analizar. Para hacer frente a un número aún mayor de colisiones por segundo en el futuro, Los científicos están investigando métodos informáticos como las técnicas de aprendizaje automático. Una nueva colaboración ahora analiza cómo estas técnicas implementadas en chips conocidos como arreglos de puertas programables en campo (FPGA) podrían aplicarse a la conducción autónoma. de modo que la rápida toma de decisiones utilizada para las colisiones de partículas podría ayudar a prevenir colisiones en la carretera.

Las FPGA se han utilizado en el CERN durante muchos años y para muchas aplicaciones. A diferencia de la unidad central de procesamiento de una computadora portátil, estos chips siguen instrucciones simples y procesan muchas tareas paralelas a la vez. Con hasta 100 enlaces seriales de alta velocidad, pueden admitir entradas y salidas de gran ancho de banda. Su procesamiento y reprogramación en paralelo los hacen adecuados para aplicaciones de aprendizaje automático.

El reto, sin embargo, ha sido encajar algoritmos complejos de aprendizaje profundo, una clase particular de algoritmos de aprendizaje automático, en chips de capacidad limitada. Este software requerido desarrollado para los experimentos basados ​​en CERN, llamado "hls4ml, "que reduce los algoritmos y produce código listo para FPGA sin pérdida de precisión o rendimiento, permitiendo que los chips ejecuten algoritmos de toma de decisiones en microsegundos.

Una nueva colaboración entre el CERN y Zenuity, la empresa de software de conducción autónoma con sede en Suecia, planea utilizar las técnicas y el software desarrollados para los experimentos en el CERN para investigar su uso en la implementación del aprendizaje profundo en FPGA, una clase particular de algoritmos de aprendizaje automático, para conducción autónoma. En lugar de datos de física de partículas, Los FPGA se utilizarán para interpretar grandes cantidades de datos generados por las condiciones normales de conducción, utilizando lecturas de sensores de automóviles para identificar peatones y vehículos. La tecnología debería permitir que los coches de conducción automatizada tomen decisiones y predicciones más rápidas y mejores, evitando así colisiones de tráfico.