1. Каталог дисциплин по выбору

Применение методов искусственного интеллекта в физике высоких энергий

Artificial intelligence methods application in high energy physics

Аннотация курса

Применение методов искусственного интеллекта в физике высоких энергий существенно расширяет возможности исследователя при принятия решений, позволяет оптимизировать процессы управления и условия проведения эксперимента, а также заметно сократить время, затрачиваемое на сбор, фильтрацию, обработку и анализ информации. Методы и алгоритмы обработки данных, полученных в результате проведения ядерно-физического эксперимента во многом универсальны и могут быть успешно применены для решения широкого спектра задач и анализа различных типов данных (текстовых, аудио, видео и др.).В курсе рассмотрены практические примеры решения задач классификации и изложены принципы построения нейронных сетей. Обсуждаются методы математического моделирования эксперимента в физике высоких энергий. Рассмотрен простой практический пример моделирования взаимодействия заряженных частиц с веществом детектора и регистрации продуктов реакции.

Авторы и/или преподаватели

Коротков М.Г.
Коротков Михаил Геннадиевич
Ученая степень
кандидат физико-математических наук
Об авторе/преподавателе

Выпускник кафедры Экспериментальной ядерной физик МИФИ, кандидат физико-математических наук.

Темы курса

1. Методы и технологии управления и обработки Больших Данных для высокоинтенсивных областей науки
Рассматриваются основные определения и понятия, существующая ситуация в области генерации, сбора и сохранения информации. Физика высоких энергий (примеры «генераторов» информации). Эксперименты на LHC
2. Системы сбора, хранения и обработки информации в физике высоких энергий
Рассматривается глобальная архитектура систем сбора и хранения информации, система распределённых вычислений ГРИД, система управления заданиями в распределённой вычислительной среде
3. Применение методов искусственного интеллекта для работы с большими данными
Рассматриваются применение методов искусственного интеллекта для отбора полезных событий, основные принципы решения задачи классификации и предсказания. Решается простейшая задача классификации и первые попытки предсказания.
4. Знакомство с нейронными сетями
Рассматривается основополагающие принципы машинного обучения, нейронная сеть, основные понятия и определения, пример построения простейшей нейронной сети, расчёт весовых коэффициентов
5. Основы математического моделирования в задачах физики высоких энергий
Рассмотрены простые примеры создания модели ядерно-физического эксперимента, обработки результатов, визуализация данных