Projekti / Programi
Razvoj metod strojnega učenja za analizo podatkov na Velikem hadronskem trkalniku (LHC)
| Koda |
Veda |
Področje |
Podpodročje |
| 1.02.00 |
Naravoslovje |
Fizika |
|
| Koda |
Veda |
Področje |
| 1.03 |
Naravoslovne vede |
Fizika |
eksperimentalna fizika osnovnih delcev, analiza podatkov, CERN, LHC, ATLAS, nadgradnja LHC na High-Lumi LHC (HL-LHC), strojno učenje
Podatki za zadnjih 5 let (citati za zadnjih 10 let) na dan
28. marec 2023;
A3 za obdobje 2017-2021
Podatki za razpise ARRS (
04.04.2019 - Programski razpis,
arhiv
)
| Baza |
Povezani zapisi |
Citati |
Čisti citati |
Povprečje čistih citatov |
| WoS |
1.782 |
74.026 |
61.843 |
34,7 |
| Scopus |
1.810 |
99.811 |
85.783 |
47,39 |
Raziskovalci (7)
Organizacije (2)
Povzetek
Z naraščajočo zapletenostjo raziskav v eksperimentalni fiziki osnovnih delcev, iskanju procesov nove fizike v postopno večjih in kompleksnejših naborih podatkov, ki se analizirajo pri eksperimentih LHC, je treba raziskati nove pristope k analizi podatkov, od rekonstrukcije do simulacije. Glavni cilj tega projekta je razviti in preizkusiti najsodobnejša znanstvena orodja za simulacijo, rekonstrukcijo in analizo podatkov HEP z uporabo programskih tehnologij, ki temeljijo na strojnem učenju (Machine Learning), zlasti na poglobljenem učenju (Deep Learning). Ta orodja se bodo izvajala na najnovejših (strojno pospešenih) tehnoloških orodjih v HPC super-računalniških gručah in s tem učinkovito odgovorila na izzive hitrosti in natančnosti, ki so ključnega pomena za obstoječo in novo generacijo eksperimentov na trkalnikih z visoko energijo (HEP).
