Lambda

В субботу 12 февраля Денис Деркач () и Михаил Лазарев () выступят с лекциями на ЗИЛ.НАУКА!
⠀
Мы постоянно читаем в газетах и журналах о том, что искусственный интеллект учится решать всё новые и новые задачи от управления автомобилем и приготовления пищи до рисования картин и написания новостей. Может ли искусственный интеллект помочь человеку ответить на фундаментальные законы природы? Какие вопросы он в состоянии решить сейчас, а какие — в ближайшем будущем?
⠀
На эти вопросы вы услышите ответы на лекции Дениса «Искусственный физик и изучение Вселенной» в 14:00.
Ссылка для регистрации: https://ndpc.timepad.ru/event/1910370/
⠀
Михаил в своей лекции «Магия нанофизики и причём тут искусственный интеллект?» В 15:00 поднимет следующие темы:
— Основа основ: экспериментальные и теоретические инструменты нанотехнологий.
— Хайп вокруг искусственного интеллекта: текущее состояние и поиск новых направлений.
— Поиск новых материалов с заданными свойствами вместе с искусственным интеллектом.
— Что нас ждёт в ближайшем будущем?
Ссылка для регистрации: https://ndpc.timepad.ru/event/1910964/
⠀
Присоединяетесь!
⠀

📝 researchers Vladislav Belavin, Ekaterina Trofimova, Andrey Ustyuzhanin have published an article 𝐒𝐞𝐠𝐦𝐞𝐧𝐭𝐚𝐭𝐢𝐨𝐧 𝐨𝐟 𝐄𝐌 𝐬𝐡𝐨𝐰𝐞𝐫𝐬 𝐟𝐨𝐫 𝐧𝐞𝐮𝐭𝐫𝐢𝐧𝐨 𝐞𝐱𝐩𝐞𝐫𝐢𝐦𝐞𝐧𝐭𝐬 𝐰𝐢𝐭𝐡 𝐝𝐞𝐞𝐩 𝐠𝐫𝐚𝐩𝐡 𝐧𝐞𝐮𝐫𝐚𝐥 𝐧𝐞𝐭𝐰𝐨𝐫𝐤𝐬 in 𝘑𝘰𝘶𝘳𝘯𝘢𝘭 𝘰𝘧 𝘐𝘯𝘴𝘵𝘳𝘶𝘮𝘦𝘯𝘵𝘢𝘵𝘪𝘰𝘯.
⠀
𝐀𝐛𝐬𝐭𝐫𝐚𝐜𝐭:
We introduce a first-ever algorithm for the reconstruction of multiple showers from the data collected with electromagnetic (EM) sampling calorimeters. Such detectors are widely used in High Energy Physics to measure the energy and kinematics of in-going particles.
⠀
🔍 In this work, we consider the case when many electrons pass through an Emulsion Cloud Chamber (ECC) brick, initiating electron-induced EM showers, which can be the case with long exposure times or large input particle flux. For example, SHiP experiment is planning to use emulsion detectors for dark matter search and neutrino physics investigation. The expected full flux of SHiP experiment is ~ 1020 particles over 5 years. To ⬇️ the cost of the experiment associated with the replacement of the ECC brick and off-line data taking (emulsion scanning), it is decided to ⬆️ exposure time. Thus, we expect to observe a lot of overlapping showers, which turn EM showers reconstruction into a challenging point cloud segmentation problem.
⠀
✅ Our reconstruction pipeline consists of a Graph Neural Network that predicts an adjacency matrix and a clustering algorithm. We propose a new layer type (EmulsionConv) that takes into account geometrical properties of shower development in ECC brick. For the clustering of overlapping showers, we use a modified hierarchical density-based clustering algorithm.
Our method does not use any prior information about the incoming particles and identifies up to 87% of EM showers in emulsion detectors. The achieved energy resolution over 16,577 showers is σE/E = (0.095 ± 0.005) + (0.134 ± 0.011)/√(E). The main test bench for the algorithm for reconstructing electromagnetic showers is going to be SND@LHC.
⠀⠀
📎 You can find all publications on our page (link in bio).
⠀

Repost from
С 8 по 10 декабря в образовательном центре «Сириус» в Сочи проходит Конгресс молодых ученых. Это итоговое мероприятие Года науки и технологий, который проходит сейчас в России. Вышка представлена в Сочи большой группой ученых и экспертов, в том числе доцентом ФКН Денисом Деркачом.

Денис принял участие в сессии «Энергетика будущего» и поделился фотографиями мепрориятия.

Автор фото: Сергей Отрошко