Машинный интеллект ищет ответы на загадки Вселенной. Как — расскажем на открытом семинаре AI@MIPT

в 15:11, , рубрики: ai@mipt, big data, Блог компании Московский физико-технический институт (МФТИ), искусственный интеллект, машинное обучение, МФТИ, Учебный процесс в IT, ЦЕРН

image

27 ноября на Физтехе состоится очередная встреча из цикла семинаров по искусственному интеллекту «Машинное обучение для поиска темной материи в экспериментах ЦЕРН». Андрей Устюжанин, руководитель ЛАборатории Методов анализа Больших ДАнных (LAMBDA) ВШЭ, доцент кафедры информатики МФТИ и руководитель совместных проектов Школы анализа данных Яндекса и ЦЕРНа расскажет, как LAMBDA работает над применением методов машинного обучения и анализа данных для решения задач физики частиц и астрофизики.

Семинар начнется в 18:30 в аудитории 107 Биокорпуса МФТИ. Для очного участия необходимо предварительно зарегистрироваться. Лекция также будет транслироваться онлайн на официальной странице Физтеха Вконтакте

Участники группы LAMBDA вдохновляются развитием и применением методов машинного интеллекта для поиска ответов на загадки Вселенной. Они принимают активное участие в работах по анализу данных и решению оптимизационных задач существующих и готовящихся экспериментов.

Как будут искать новые частицы
До сих пор на ускорителях проводились преимущественно эксперименты двух типов: столкновение разогнанных пучков частиц друг с другом или столкновение разогнанного пучка с неподвижной мишенью. Сейчас учёные ЦЕРН готовят новый эксперимент: пучок ускоренных частиц будет врезаться в неподвижную мишень, а рожденные в результате столкновения частицы будут тормозиться специальным «щитом», находящимся за мишенью. «Щит» в идеале будет спроектирован так, что поглотит все известные на сегодняшний день частицы. В результате те немногие частицы, что преодолеют этот «щит» и достигнут детектора, окажутся экзотическими: среди них могут быть и легкие частицы темной материи.

При чём здесь машинное обучение
Машинное обучение в этом эксперименте будет использоваться как для анализа многочисленных треков частиц, так и для начального моделирования эксперимента. Например, будут подбираться оптимальные размеры, расположение и свойства чувствительных элементов. Такой подход позволит ученым максимально оптимизировать конструкцию эксперимента под свои задачи и добиться высокой эффективности установки.

Андрей также расскажет про предпосылки к проведению нового эксперимента и его связь с экспериментом OPERA, в котором методы машинного обучения применялись для изучения нейтринных осцилляций.

А пока мы все ждём понедельника, можно ознакомиться с видео и презентациями предыдущих семинаров в Telegram-канале или группе AI@MIPT Вконтакте.

Автор: grachikova

Источник

Поделиться

* - обязательные к заполнению поля