LAMBDA: Построение Generative Adversial Network для быстрой генерации откликов калориметров детекторов элементарных частиц в ЦЕРН (командный проект) — различия между версиями
Fratnikov (обсуждение | вклад) м (→Контактная информация) |
Fratnikov (обсуждение | вклад) м (→Что это за проект?) |
||
| Строка 11: | Строка 11: | ||
Кроме реальных экспериментов, инструменты и подходы в ускорителях тестируются на искусственно сгенерированных данных. Симуляция экспериментов - обширная область физики высоких энергий. Следы частицы на поверхности калориметра по сути являются изображением, и генерация их обычными методами требует значительных машинных ресурсов. | Кроме реальных экспериментов, инструменты и подходы в ускорителях тестируются на искусственно сгенерированных данных. Симуляция экспериментов - обширная область физики высоких энергий. Следы частицы на поверхности калориметра по сути являются изображением, и генерация их обычными методами требует значительных машинных ресурсов. | ||
Вам предстоит создать нейросеть, которая будет генерировать отклики элементарных частиц на поверхности калориметра. За основу предлагается взять концепцию GAN - двухчастичной сети, одна часть которой создает изображения, другая - разделяет их на "созданные" и "настоящие". | Вам предстоит создать нейросеть, которая будет генерировать отклики элементарных частиц на поверхности калориметра. За основу предлагается взять концепцию GAN - двухчастичной сети, одна часть которой создает изображения, другая - разделяет их на "созданные" и "настоящие". | ||
| − | В случае получения приемлемого качества генерации, возможна имплементация в систему LHC | + | В случае получения приемлемого качества генерации, возможна имплементация в систему симуляции отклика детекторов LHC с соответствующими кредитами в научных публикациях |
=== Чему научатся студенты? Что самое интересное в проекте? === | === Чему научатся студенты? Что самое интересное в проекте? === | ||
Версия 16:45, 12 октября 2017
| Компания | [[|]] |
| Учебный семестр | Осень 2017 |
| Учебный курс | 3-й курс |
| Максимальное количество студентов, выбравших проект: 2-3 | |
Содержание
| |
Что это за проект?
Кроме реальных экспериментов, инструменты и подходы в ускорителях тестируются на искусственно сгенерированных данных. Симуляция экспериментов - обширная область физики высоких энергий. Следы частицы на поверхности калориметра по сути являются изображением, и генерация их обычными методами требует значительных машинных ресурсов. Вам предстоит создать нейросеть, которая будет генерировать отклики элементарных частиц на поверхности калориметра. За основу предлагается взять концепцию GAN - двухчастичной сети, одна часть которой создает изображения, другая - разделяет их на "созданные" и "настоящие". В случае получения приемлемого качества генерации, возможна имплементация в систему симуляции отклика детекторов LHC с соответствующими кредитами в научных публикациях
Чему научатся студенты? Что самое интересное в проекте?
Проект даёт возможность познакомиться с основами обучения без учителя и разобраться в концепции Generative adversarial networks, а также разобраться со структурой экспериментов Большого адронного коллайдера
Организация работы (Как студенты будут работать в команде?)
Распределение работы создаётся по итогам регистрации желающих участвовать.
Компоненеты (Из каких частей состоит проект?)
1) Воспроизведение бейзлайна на существующих данных 2) Улучшение бейзлайна 3) Учет нюансов отдельно взятого детектора детектора
Какие будут использоваться технологии?
-
Какие начальные требования?
Хорошее знание математического анализа и математической статистики Хорошее знание школьного курса физики Умение писать и читать код на python (опционально - использовать jypiter, docker) Не пугаться Git
Темы вводных занятий
1) Что такое GUN - несколько общих слов и простой примерчик. 2) Калориметры LHC - структура и особенности.
Критерии оценки
-
Похожие проекты
-
Контактная информация
Виктория Чекалина: vicusya17@mail.ru, Фёдор Ратников: fratnikov@hse.ru
