Семинар Лаборатории обработки больших данных ИЯИ РАН - 02.06.26г.
Во вторник, 2 июня, в 15:00 в конференц-зале ИЯИ РАН (м. Ленинский проспект)
состоится семинар Лаборатории обработки больших данных.
Докладчик: Александр Шварцман (ИЯИ РАН)
Тема: Применение методов машинного обучения для реконструкции нейтринных событий в ближнем детекторе ND280 эксперимента T2K
Трансляция семинара будет осуществляться через Яндекс.Телемост: https://telemost.yandex.ru/j/94412246752885
Для очного участия в семинаре возможно оформление пропуска на территорию ИЯИ (м. Ленинский проспект).
Для этого отправьте обратным письмом свои полные ФИО.
Аннотация:
3D сегментированный детектор SuperFGD был разработан и создан в рамках программы модернизации ближнего детектора ND280 для эксперимента T2K. Детектор состоит примерно из 2 миллионов сцинтилляционных кубов размером 1 см³ каждый, и его высокая гранулярность обеспечивает исключительную топологическую детализацию треков и ливней частиц, что также представляет собой сложную задачу распознавания образов из-за большой размерности данных.
В данном докладе приводится обзор методов машинного обучения, которые в настоящее время используются или находятся в разработке, включая Boosted Decision Trees, Convolutional Neural Networks, PointNet, LSTM, Transformers и Graph Neural Network. Эти методы применяются к таким задачам, как идентификация частиц и определение их заряда, идентификация электромагнитных ливней, разделение e/γ, восстановление энергии частиц с помощью детектора SuperFGD и других детекторов комплекса ND280 эксперимента T2K.
состоится семинар Лаборатории обработки больших данных.
Докладчик: Александр Шварцман (ИЯИ РАН)
Тема: Применение методов машинного обучения для реконструкции нейтринных событий в ближнем детекторе ND280 эксперимента T2K
Трансляция семинара будет осуществляться через Яндекс.Телемост: https://telemost.yandex.ru/j/94412246752885
Для очного участия в семинаре возможно оформление пропуска на территорию ИЯИ (м. Ленинский проспект).
Для этого отправьте обратным письмом свои полные ФИО.
Аннотация:
3D сегментированный детектор SuperFGD был разработан и создан в рамках программы модернизации ближнего детектора ND280 для эксперимента T2K. Детектор состоит примерно из 2 миллионов сцинтилляционных кубов размером 1 см³ каждый, и его высокая гранулярность обеспечивает исключительную топологическую детализацию треков и ливней частиц, что также представляет собой сложную задачу распознавания образов из-за большой размерности данных.
В данном докладе приводится обзор методов машинного обучения, которые в настоящее время используются или находятся в разработке, включая Boosted Decision Trees, Convolutional Neural Networks, PointNet, LSTM, Transformers и Graph Neural Network. Эти методы применяются к таким задачам, как идентификация частиц и определение их заряда, идентификация электромагнитных ливней, разделение e/γ, восстановление энергии частиц с помощью детектора SuperFGD и других детекторов комплекса ND280 эксперимента T2K.
