Projekti / Programi
Precizne študije okusov s pomočjo strojnega učenja
| Koda |
Veda |
Področje |
Podpodročje |
| 1.02.00 |
Naravoslovje |
Fizika |
|
| Koda |
Veda |
Področje |
| 1.03 |
Naravoslovne vede |
Fizika |
Fizika kvarkovskih okusov, Fizika na trkalnikih, Strojno učenje, Fizika izven standardnega modela
Podatki za zadnjih 5 let (citati za zadnjih 10 let) na dan
06. junij 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 |
170 |
8.512 |
7.982 |
46,95 |
| Scopus |
186 |
9.627 |
9.065 |
48,74 |
Raziskovalci (4)
Organizacije (1)
| št. |
Evidenčna št. |
Razisk. organizacija |
Kraj |
Matična številka |
Štev. publikacijŠtev. publikacij |
| 1. |
0106 |
Institut "Jožef Stefan" |
Ljubljana |
5051606000 |
85.847 |
Povzetek
Odkritje Higgsovega bozona leta 2012 s strani kolaboracij na LHC je potrdilo uveljavljen teoretični opis fizike osnovnih delcev, ki mu pravimo tudi standardni model (SM). Kljub temu pa SM, kot ga poznamo ni dokončna teorija Narave in ga zato obravnavamo le kot efektivno teorijo osnovnih delcev in interakcij. SM namreč ne pojasni nevtrinskih mas, kot tudi ne prisotnosti temne snovi v Vesolju, čeprav je bil obstoj obojega eksperimentalno potrjen že pred desetletji. Prav tako ne pojasni netrivialnega spektra kvarkov in leptonov (tako imenovane okusne strukture SM): ta je določen z interakcijami med fermioni SM ter Higgsovim poljem, moč teh interakcij pa obsega več redov velikosti, od O(10-6) za elektron do O(1) za kvark t. Osrednji cilj fizike visokih energij danes je tako odkriti, kaj leži izven SM v upanju, da bomo s tem razvozlali tudi nepojsanjene uganke SM. Argumenti znotraj kvantne teorije polja temelječi na principu "naravnosti" nakazujejo da fizika izven SM ne bi smela biti daleč od energijske skale, na kateri je bil odkrit Higgsov bozon. Ta energijski režim trenutno neposredno raziskujejo kolaboracije na LHC. Vendar pa lahko takšno novo fiziko iščemo tudi posredno, preko natančnih meritev okusa, npr. meritev procesov, ki pretvarjajo med fermionskimi okusi. V zadnjih nekaj letih je napredek eksperimentov Belle, Babar in LHCb omogočil meritve opazljivk okusa pri nizkih energijah do izjemne natančnosti. Prisotnost nove fizike v teh opazljivkah lahko parametriziramo v obliki primernih vsot lokalnih kvantnomehanskih operatorjev, ki opisujejo na efektiven način možne nove interakcije med delci SM. Eksperimentalne peritve preciznih opazljivk potem lahko interpretiramo v obliki mej na operatorske koeiciente v vsoti. Navkljub nedavnemu napredku pa se že soočamo z mejami, koliko informacij lahko trenutno izluščimo iz meritev. In sicer so te posledica težav pri: • oblikovanju opazljivk ki bi bile optimalno občutljive na hkratne prispevke večih operatorjev • razlikovanju med neperturbativnimi efekti kvantne kromodinamike ter dejanskimi prispevki fizike izven SM Poleg tega bi nam študije procesov sprememb okusa pri visokih energijah znotraj detektorjev ATLAS in CMS na LHC lahko ponudile potencialno precej bolj pester nabor novih opazljivk. Samo na ta način lahko neposredno proučujemo tudi interakcije najtežjih dveh delcev SM: kvarka t in Higgsovega bozona. Ta potencialno izredno obetaven nabor komplementarnih opazljivk pa je trenutno nedosegljiv zaradi: • neefikasne identifikacije okusov lahkih kvarkov znotraj hadronskih curkov pri visokih energijah • težav pri izluščenju natančnih kinematskih lastnosti v razpadih kvarkov pri visokih energijah Cilj predlaganega projekta je raziskati in razviti nova najnaprednejša orodja strojnega učenja za reševanje zgoraj opisanih problemov. Obstaja že mnogo dokazov, tako v obstoječi literaturi, kot tudi v trenutnih eksperimentalnih strategijah v uporabi na LHC, ki pričajo o pomembnosti takšnega podviga. Namreč, nedavno je bilo pokazano, da lahko orodja strojnega učenja znatno izboljšajo sposobnost identifikacije kvarka t kot tudi razločevanja med kvarki in gluoni znotraj hadronskih curkov. Pristopi strojnega učenja v teh študijah temeljijo na predhodnih aplikacijah na področjih računalniškega vida, procesiranje naravnih jezikov, ter študij genotipov. Strojno učenje je omogočilo tudi nedavni razvoj algoritemskega predvidevanja na podlagi simulacij, ki iz eksperiemntalnih meritev omogoča izluščiti boljše omejitve na operatorske koeficiente. V pričujočem predlogu bomo razvili nove pristope k reševanju poglavitnih izzivov v fiziki okusov opisanih zgoraj, tako pri nizkih kot tudi pri visokih energijah, ki bodo temeljili na obstoječih metodah strojnega učenja iz drugih področij. Projekt bo še posebej relevanten v prihajajočih letih zaradi pričakovanega eksperimentalnega napredka tako s strani eksperimenta BelleII kot tudi eksperimentov faze III na LHC.
