Aplikace strojového učení ve fyzice vysokých energií a astročásticové fyzice

Název projektu anglicky
Machine learning applications in high-energy and astroparticle physics
Anotace anglicky
We will extend state-of-the art machine learning (ML) techniques to areas of high energy and astroparticle physics in three key domains: hadronic boosted jets substructure classification (tagging); unfolding of particle spectra in high energy physics; reconstruction of physics parameters of atmospheric cosmic ray showers by analyzing correlated transient fluorescent signals in current as well as prototyped future large-scale observatories of extensive air showers, with application to detection of the highest energy cosmic rays. Research will consist of finding best data reduction and transformation for ML, study of bias and resolution w.r.t. underlying model parameters, in an interplay between the collaboration of both physics and math scientists. We will extend and modify available ML methods, test them on simulated inputs and finally apply to real data. Students will play important roles in gaining experience in the fast evolving fields of ML by actively contributing to test and development of new methods.

Kategorie VaV
ZV - Základní výzkum
OECD FORD - hlavní obor
10303 - Particles and field physics
OECD FORD - vedlejší obor
—
OECD FORD - další vedlejší obor
—
CEP - odpovídající obory <br>(dle <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">převodníku</a>)
BF - Elementární částice a fyzika vysokých energií

Důvěrnost údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Systémové označení dodávky dat
CEP25-GA0-GA-R
Datum dodání záznamu
21. 2. 2025

Podobné projekty(10)