Description du projet
Des algorithmes d’apprentissage automatique détecteront rapidement le signal des neutrinos dans les données expérimentales
L’observatoire de neutrinos IceCube est le tout premier détecteur en son genre. Enterré sous la surface du pôle Sud s’étendant jusqu’à une profondeur d’environ 2,5 kilomètres et englobant environ un kilomètre cube de glace, il recherche des particules neutres presque sans masse appelées neutrinos. Bien qu’ils soient l’une des particules les plus abondantes de l’univers, les neutrinos sont extrêmement difficiles à détecter en raison de leur manque de réactivité avec la matière. Leur détection dépend non seulement de l’infrastructure physique d’IceCube, mais aussi des algorithmes de données qui recherchent les signes révélateurs de la présence de neutrinos. Le projet GraphNeT, financé par l’UE, est en train de mettre au point des algorithmes d’apprentissage sophistiqués qui pourraient décupler la détection des particules et multiplier par 10 000 la vitesse d’analyse. Ces outils rapides et puissants pourraient également profiter à d’autres expériences de physique.
Objectif
While it is currently undergoing rapid developments, the neutrino sector still has many open questions: the neutrino mass
hierarchy is not known, several parameters of the PMNS matrix are poorly constrained, and the inability to explain the nonzero neutrino masses is a clear indication of physics beyond the Standard Model. Neutrino oscillation experiments at the
IceCube Neutrino Observatory may be able to address these fundamental questions, but the reconstruction of neutrino
interactions in the detector is a challenge which urgently needs to be addressed: the current reconstruction algorithm is
prohibitively time-consuming, cannot account for all known optical anisotropies in the ice, and cannot make full use of all of
the information from new modules in the IceCube Upgrade due to excessive computing time and memory requirements. This
project proposes graph convolutional neural networks (GCN) as a machine learning paradigm excellently suited for neutrino
telescope experiments, with potential to revolutionise reconstruction in IceCube. GCNs impose no structural requirements on
data, requiring only a concept of adjacency, naturally afforded by the spatial, temporal, and causal separation of hits in the
detector. With expected improvements in particle identification of a factor of 10 compared to analytical methods and a factor
10,000 speed-up in reconstruction, GCN-based reconstruction will be developed and implemented in the IceCube-DeepCore
oscillation analysis, to better measure PMNS parameters by improving the atmospheric muon background rejection and
performing per-flavour event categorisation. Powerful and fast GCN-based reconstruction will benefit several physics
analyses in IceCube --- and possibly ANTARES, KM3NeT, and Baikal-GVD --- and help answer the open questions in the
neutrino sector. Finally, the possibility for private and public sector partners to benefit from these high-performance GCN
tools will be explored through intersectional partnerships.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
- sciences naturelles sciences physiques physique théorique physique des particules neutrino
- sciences naturelles informatique et science de l'information intelligence artificielle apprentissage automatique
- sciences naturelles informatique et science de l'information intelligence artificielle intelligence de calcul
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Nous sommes désolés... Une erreur inattendue s’est produite.
Vous devez être authentifié. Votre session a peut-être expiré.
Merci pour votre retour d'information. Vous recevrez bientôt un courriel confirmant la soumission. Si vous avez choisi d'être informé de l'état de la déclaration, vous serez également contacté lorsque celui-ci évoluera.
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme -
H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) H2020-MSCA-IF-2019
Voir tous les projets financés au titre de cet appelCoordinateur
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
1165 KOBENHAVN
Danemark
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.