View in

English

D’enregistrer les collisions à les éviter

Comment des techniques d’apprentissage automatique développées au CERN pourraient améliorer la technologie des véhicules autonomes

|

Collisions recorded by the CMS detector on 14 Oct 2016 during the high pile-up fill
Un événement enregistré par l’expérience CMS, avec environ 100 collisions proton-proton simultanées (Image: Thomas McCauley/CMS/CERN)

Avec environ un milliard de collisions proton-proton se produisant chaque seconde dans le Grand collisionneur de hadrons (LHC), les expériences LHC ont besoin d’effectuer un tri rapide parmi un gros volume de données afin de sélectionner les collisions à analyser. Afin de pouvoir traiter, à l’avenir, un nombre de collisions par seconde encore plus élevé, les scientifiques étudient des méthodes informatiques, et entre autres des techniques d’apprentissage automatique. Une nouvelle collaboration s’intéresse maintenant à la façon dont ces techniques, exécutées par des puces appelées dispositifs logiques programmables (FPGA), pourraient être appliquées à la conduite autonome ; autrement dit, il s’agirait de faire en sorte que le processus de prise de décision rapide utilisé pour les collisions de particules puisse contribuer à prévenir les collisions sur la route.

Les dispositifs logiques programmables sont utilisés au CERN depuis de nombreuses années, pour un grand nombre d’applications. Contrairement au processeur central d’un ordinateur, ces puces suivent des instructions simples et réalisent un grand nombre d’opérations en parallèle. Avec jusqu’à 100 liaisons en série à haute vitesse, elles peuvent supporter des entrées et des sorties à grande largeur de bande. Leur capacité à effectuer un traitement en parallèle et à être reprogrammées les rend appropriées pour des applications d’apprentissage automatique.

tracker,readout,FED,PMC,CMS
Carte de lecture basée sur un dispositif logique programmable, utilisée pour le trajectographe de CMS (Image : John Coughlan/CMS/CERN)

Une difficulté s’est néanmoins présentée : les algorithmes complexes d’apprentissage approfondi, un type particulier d’algorithme d’apprentissage automatique, devaient être adaptés pour pouvoir être exécutés par des puces de capacité limitée. Il a par conséquent fallu un logiciel développé pour les expériences basées au CERN, du nom de « hls4ml », pour réduire les algorithmes et produire des codes adaptés aux dispositifs logiques programmables sans perte de la précision ou de la performance, ce qui a permis aux puces d’exécuter des algorithmes de prise de décision en l’espace de quelques microsecondes.

Une nouvelle collaboration a vu le jour entre le CERN et Zenuity, entreprise dont le siège est situé en Suède qui crée des logiciels de conduite autonome ; celle-ci prévoit d’étudier la possibilité d’utiliser des techniques et des logiciels développés pour les expériences du CERN afin d’exécuter des codes d’apprentissage approfondi sur des dispositifs logiques programmables destinés à la conduite autonome. Les dispositifs logiques programmables seraient utilisés non pas avec des données de physique des particules, mais pour interpréter les immenses quantités de données résultant des conditions de conduite normales. Les informations fournies par les capteurs de la voiture serviraient ainsi à identifier les piétons et les véhicules. Cette technologie devrait permettre d’améliorer et de rendre plus rapides les décisions prises par les voitures automatiques, et donc d’éviter des collisions.

Pour en savoir plus sur les technologies du CERN et sur leurs applications potentielles, visitez la page kt.cern/technologies.