Implementação de uma Rede Neural Convolucional para Estimativa de Amplitude de Sinais do TileCal no Processador SAPHO em FPGA

Abstract

A estimativa da amplitude de sinais do calorímetro de telhas (TileCal) do experimento ATLAS apoia-se em estimadores lineares, cujo desempenho se degrada sob empilhamento (pile-up). As redes neurais convolucionais (Convolutional Neural Networks, CNNs) aproximam essa relação de forma não linear, ao custo de muitas operações aritméticas. Este trabalho porta uma CNN unidimensional (duas camadas convolucionais e três densas, cerca de 11 mil pesos) para o processador soft-core SAPHO, cuja arquitetura é gerada sob demanda em FPGA, com o apoio da Aurora Intelligence, a assistente de IA da IDE AURORA, que propôs inclusive a consolidação da rede, antes repartida em dois processadores, em um único núcleo. O problema central é de fidelidade numérica: o modelo treinado em Python precisa ser reproduzido em uma aritmética de ponto flutuante própria, distinta do padrão IEEE 754. A saída do SAPHO reproduz a da referência com erro médio absoluto de 8,17×10⁻⁵ e coeficiente de determinação R² = 0,9999997 sobre 20 pulsos reais, ocupando 296 instruções e 11.759 palavras de dados. Os resíduos são sistematicamente positivos, revelando um viés de arredondamento da aritmética própria, desprezível frente à resolução do detector. Evidencia-se a viabilidade de embarcar uma CNN complexa em um soft-core mínimo.