Nalaganje ...
Projekti / Programi vir: ARIS

Priprava na iskanje temne snovi z observatorijem Cherenkov Telescope Array z uporabo strojnega ucenja

Raziskovalna dejavnost

Koda Veda Področje Podpodročje
1.02.03  Naravoslovje  Fizika  Astronomija 

Koda Veda Področje
P002  Naravoslovno-matematične vede  Fizika 

Koda Veda Področje
1.03  Naravoslovne vede  Fizika 
Ključne besede
temna snov, strojno učenje, astrofizika gama žarkov
Vrednotenje (pravilnik)
vir: COBISS
Raziskovalci (8)
št. Evidenčna št. Ime in priimek Razisk. področje Vloga Obdobje Štev. publikacijŠtev. publikacij
1.  54552  dr. Saptashwa Bhattacharyya  Fizika  Raziskovalec  2020 - 2022  51 
2.  39232  dr. Christopher Eckner  Fizika  Mladi raziskovalec  2019 - 2020  55 
3.  15837  dr. Andreja Gomboc  Fizika  Raziskovalec  2019 - 2022  752 
4.  51012  dr. Tanja Petrushevska  Fizika  Raziskovalec  2019 - 2020  142 
5.  14573  dr. Samo Stanič  Fizika  Raziskovalec  2019 - 2022  1.268 
6.  53557  Veronika Vodeb  Fizika  Mladi raziskovalec  2020 - 2022  43 
7.  28308  dr. Sergey Vorobyev  Fizika  Raziskovalec  2019 - 2022  667 
8.  33444  dr. Gabrijela Zaharijas  Fizika  Vodja  2019 - 2022  229 
Organizacije (1)
št. Evidenčna št. Razisk. organizacija Kraj Matična številka Štev. publikacijŠtev. publikacij
1.  1540  Univerza v Novi Gorici  Nova Gorica  5920884000  13.883 
Povzetek
V zadnjih petnajstih letih je bila vrsta satelitov zadolžena za raziskovanje vesolja v visokoenergijskem (HE) območju z uporabo gama žarkov in kozmičnih žarkov, ter zbiranju podatkov o najbolj energijskih astrofizikalnih procesih v naši galaksiji. Prav zaradi teh meritev je prišlo do vrste zanimivih odkritij, ki so revolucionizirala področje HE astrofizike, ter na povsem nov način omogočila vpogled v naravo delcev temne snovi (DM). Vseeno pa dolgi simulacijski časi omejujejo polno koriščenje teh visokokvalitetnih podatkov, kar največkrat oteži podrobno preiskovanje parametrskega prostora. Za namen obravnave velike količine podatkov se pri analizi vedno pogosteje uporabljajo algoritmi strojnega učenja (MLA). Ti se trenutno razvijajo v statistični analizi, kar jih naredi primerne za doseganje zgoraj omenjenih znanstvenih ciljev in bi lahko prinesli dodatne preboje na področju HE astrofizike. Izboljšave pri analizi HE podatkov so kritične v času ko se astrofizikalna skupnost pripravlja na prihod naslednje generacije zemeljskih eksperimentov gama žarkov, observatorija Cherenkov Telescope Array (CTA). Ta doslej največji eksperiment na področju fizike gama žarkov je bil nedavno dodan med nacionalne infrastrukturne prioritete, ter dodan na spisek glavnih EU infrastruktirnih projektov. CTA je edini prihajajoči observatorij, ki je zmožen preizkusiti niz obetavnih modelov DM – modelov težke termalne temne snovi. Z nadaljevanjem gradnje observatorija je kritično opredeliti strategijo, ki vsebuje dognanja prejšnjih HE observatorijev (predvsem satelita gama žarkov Fermi LAT, ki ima primerljivo občutljivost, vendar obsega nižje energijsko območje) in analiznih postopkov na obširnih podatkih, da določimo jasno razvojno in raziskovalno pot observatorija. Glavni cilj projekta je razvoj novih analiznih postopkov, ki izkoriščajo znanje iz desetletnega delovanja satelita Fermi LAT, ki izkoriščajo najnovejše dosežke na področju strojnega učenja in ki so usmerjene k maksimiranju znanstvenih rezultatov CTA pri iskanju temne snovi. Vodja projekta (PL) je koordinatorka raziskovalnih skupin Fermi LAT in CTA za temno snov, ter koordinatorka podatkovnega izziva na platformi strojnega učenja DarkMachines. Vsi člani projekta imajo obširno dokumentirane rezultate o pomembnih prispevkih na tem področju, kar zagotavlja uspešen rezultat tega projekta.
Pomen za razvoj znanosti
Glavni cilj predlagane raziskave je razvoj naprednih analiznih postopkov, ki vključujejo najobetavnejše pristope iz sodobnega področja strojnega učenja, in njihova implementacija na področje astrofizike gama žarkov. Pri tem se osredotočamo na iskanje delcev temne snovi in njihove narave. Projekt predlaga pristop, katerega cilj je v celoti izkoristiti prejšnje izkušnje, ki jih ima projektna skupina pri analizi in iskanju temne snovi v desetletnih podatkih satelita Fermi LAT (ki je naredil vrsto novih odkritij v HE astrofiziki in postavil najstrožje omejitve glede narave delcev temne snovi) in jih uporabiti pri maksimiranju znanstvenih rezultatov CTA. CTA ni priznan le kot prednostni projekt evropskega konzorcija za astrofiziko osnovnih delcev (APPEC), ampak tudi kot slovenska nacionalna infrastrukturna prioriteta. CTA se ponaša z občutljivostjo, primerljivo satelitu Fermi LAT, vendar pokriva višje energijsko območje. Zaradi tega si bosta oba instrumenta delila številne izzive glede analize podatkov. CTA bo pa tudi edini eksperiment, ki lahko preizkusi modele težke termalne temne snovi, zaradi česar je naš cilj povečevanja občutljivosti CTA izjemno pomemben. MLA niso nikoli bili celovito uporabljeni v raziskavah interakcij CR in iskanju temne snovi v naši galaksiji (čeprav obstajajo manjša prizadevanja, ki kažejo prednosti takšnega pristopa). Delo v sklopu te predloge zato obljublja, da bo odprlo popolnoma novo raziskovalno smer na tem področju. Projekt tako zagotavlja velik vpliv na področje HE astrofizike, ki še vedno počasi uvaja tehnike ML, ne glede na to da ML kaže svoje koristi v drugih panogah sodobnega življenja. Naša uporaba teh tehnik na podatkih CTA bo prav tako ključni korak pri pripravi prihajajočih observatorijev, kar bo našo skupino in Slovenijo postavilo na čelo tega rastočega področja.
Pomen za razvoj Slovenije
The main goal of the proposed research is to develop advanced data analysis techniques which include the most promising approaches from the modern field of machine learning, to the field of gamma-ray astrophysics, focusing on the search for the nature of dark matter particles. The project proposes an approach aimed at taking the full advantage of a previous experience of the project team in the ten years of data analysis and dark matter search with the satellite experiment Fermi LAT (which made a series of breakthrough discoveries in HE astrophysics and set some of the strongest limits on the nature of dark matter particles), in order to maximize the impact of a future experiment, the CTA, recognized not only as a top-priority project in the Astroparticle Physics European Consortium (APPEC) roadmap, but also national research infrastructure priority in Slovenia. By having the sensitivity comparable to that of the LAT, but covering the higher energies, the two instruments will share many of the data analysis challenges. In addition, the CTA will be the only experiment that can test heavy thermal dark matter, making our objective of the increased sensitivity even more pressing. We stress that the machine learning techniques were never comprehensively implemented to the studies of the cosmic-ray interactions and dark matter search in our Galaxy  (though smaller efforts showing the promise of this approach exist) and that the work here has a promise to open a brand new research direction in this field. The project is therefore guaranteed to have a decisive impact in the field of HE astrophysics, still slow to introduce machine learning techniques while their benefits are demonstrated in other branches of modern life. In addition, our tests of applications of ground breaking techniques on the CTA data will be a critical step in the preparation for the upcoming observatory and will put our group and Slovenia on the fore-front of this growing field when the observatory comes online.
Najpomembnejši znanstveni rezultati Vmesno poročilo
Najpomembnejši družbeno–ekonomsko in kulturno relevantni rezultati Vmesno poročilo
Zgodovina ogledov
Priljubljeno