Este artículo presenta la Biblioteca de Redes Neuronales (SNL) de SLAC, desarrollada en SLAC para abordar el desafío del procesamiento de datos de pulsos de rayos T14280 de 1 MHz del FEL LCLS-II. SNL es un marco especializado para la inferencia de aprendizaje automático en tiempo real en FPGA, que admite actualizaciones dinámicas de los pesos del modelo para brindar flexibilidad en el aprendizaje adaptativo. También presentamos Auto-SNL, que convierte modelos de redes neuronales basados en Python a código compatible con SNL, y demostramos la latencia competitiva de SNL y la eficiencia en el ahorro de recursos de FPGA mediante una comparación de rendimiento con hls4ml. Sugerimos posibles aplicaciones en diversos campos, como la física de altas energías, la imagenología médica y la robótica.
