CERN：微型 AI 突破 LHC 数据处理极限

【导语2026 年 3 月 28 日消息欧洲核子研究组织CERN采用烧录进硅片的微型 AI 模型对大型强子对撞机LHC产生的海量数据进行实时过滤为解决极端数据处理难题提供了新方案。】海量数据下的实时过滤挑战大型强子对撞机LHC每年产生约 40000 艾字节的原始数据峰值运行时数据流速度可达每秒数百 TB。在 27 公里长的环形隧道内质子束团每 25 纳秒交叉一次每次碰撞产生数 MB 原始数据峰值亮度下每秒可产生高达数百 TB 数据。然而存储或处理如此大量的数据是不可能的最终只有约 0.02% 的碰撞事件会被保留分析。微型 AI 模型的技术革新CERN 摒弃传统基于 GPU 或 TPU 的人工智能架构开发高度优化、超紧凑的 AI 模型并将其编译后物理实现在定制硅芯片FPGA 和 ASIC中。这些模型使用开源工具 HLS4ML 编译能将机器学习模型转换为可综合的 C 代码部署到硬件上。芯片上大部分资源用于预计算查找表使系统能在纳秒级延迟下运行。一级触发Level - 1 Trigger由约 1000 个 FPGA 组成能在不到 50 纳秒内评估输入数据运行 AXOL1TL 算法实时分析探测器信号。高级触发High - Level Trigger运行在由 25600 个 CPU 和 400 个 GPU 组成的大型地面计算集群上进一步处理数据。HL - LHC 升级的应对之策预计 2031 年运行的高亮度大型强子对撞机HL - LHC将使每次碰撞产生的数据量约为当前 LHC 的十倍。CERN 正在开发下一代超紧凑 AI 模型优化 FPGA 和 ASIC 实现改进实时触发系统以应对数据量激增确保在更高数据速率下保持极低延迟性能。微型 AI 的广泛影响当人工智能行业追求大型语言模型时CERN 开发的微型 AI 模型是“微型 AI”在现实世界的有力例证。这些模型在 LHC 触发系统中达到的性能水平是传统通用 AI 加速器无法企及的。除粒子物理学领域自动驾驶、高频交易、医学成像和航空航天等领域也可能从类似技术中受益。编辑观点CERN 的微型 AI 技术为极端数据处理提供了高效方案其硬件级优化思路具有广泛借鉴意义有望推动多领域高性能计算系统的发展。