L’augmentation de la luminosité dans les détecteurs de physique, sous l’effet du bruit de fond et des phénomènes de pile-up, complexifie fortement la tâche des algorithmes de reconnaissance. D’une manière générale, ces détecteurs vont requérir plus d’intelligence pour filtrer efficacement les données. Cette problématique a donné naissances aux architectures « triggerless » dans lesquelles les données sont analysées par des mélanges complexes d’accélérateurs et de cartes GPUs. Une autre approche consiste à réduire les données au plus près de la source en injectant plus d’intelligence dans la chaine d’acquisition hardware
On propose dans ce projet d’évaluer l’implémentation de techniques neuronales temps réel dans les étages les plus amonts de la chaîne d’acquisition.
Plusieurs types de hardwares seront évalués : GPUs, FPGAs, chips neuromorphiques, chips MPPA tant sur le plan des performances que de la facilité de mise en œuvre.
/