Razvoj metod strojnega učenja za analizo podatkov na Velikem hadronskem trkalniku (LHC)

Z naraščajočo zapletenostjo raziskav v eksperimentalni fiziki osnovnih delcev, iskanju procesov nove fizike v postopno večjih in kompleksnejših naborih podatkov, ki se analizirajo pri eksperimentih LHC, je treba raziskati nove pristope k analizi podatkov, od rekonstrukcije do simulacije. Glavni cilj tega projekta je razviti in preizkusiti najsodobnejša znanstvena orodja za simulacijo, rekonstrukcijo in analizo podatkov HEP z uporabo programskih tehnologij, ki temeljijo na strojnem učenju (Machine Learning), zlasti na poglobljenem učenju (Deep Learning). Ta orodja se bodo izvajala na najnovejših (strojno pospešenih) tehnoloških orodjih v HPC super-računalniških gručah in s tem učinkovito odgovorila na izzive hitrosti in natančnosti, ki so ključnega pomena za obstoječo in novo generacijo eksperimentov na trkalnikih z visoko energijo (HEP).