Opis projektu
Algorytmy uczenia maszynowego pozwolą na szybkie wykrywanie sygnału neutrin w danych eksperymentalnych
Obserwatorium IceCube Neutrino Observatory jest pierwszym detektorem w swojej klasie. Ten niezwykły obiekt, znajdujący się pod lodem Bieguna Południowego na głębokości około 2,5 kilometra i obejmujący swoim zasięgiem około kilometra sześciennego lodu, służy do poszukiwania niemal całkowicie pozbawionych masy obojętnych cząstek zwanych neutrinami. Pomimo że są one jednymi z najliczniejszych cząstek we Wszechświecie, neutrina są niezwykle trudne do wykrycia ze względu na ich zerową reaktywność w kontakcie z materią. W związku z tym wykrywanie ich obecności jest uzależnione nie tylko od fizycznej infrastruktury obserwatorium IceCube, lecz także od algorytmów służących do obróbki danych, które poszukują sygnałów wskazujących na występowanie neutrin. Uczestnicy finansowanego przez Unię Europejską projektu GraphNeT opracowują zaawansowane algorytmy uczenia maszynowego, które mogą dziesięciokrotnie usprawnić wykrywanie cząstek i przyspieszyć analizy nawet o 10 000 razy. Te niezwykle szybkie i potężne narzędzia mogą zostać również wykorzystane w ramach innych eksperymentów fizycznych i przynieść korzyści innym naukowcom,
Cel
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.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.
- nauki przyrodnicze nauki fizyczne fizyka teoretyczna fizyka cząstek elementarnych neutrina
- nauki przyrodnicze informatyka sztuczna inteligencja uczenie maszynowe
- nauki przyrodnicze informatyka sztuczna inteligencja inteligencja obliczeniowa
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Przepraszamy… podczas wykonywania operacji wystąpił nieoczekiwany błąd.
Wymagane uwierzytelnienie. Powodem może być wygaśnięcie sesji.
Dziękujemy za przesłanie opinii. Wkrótce otrzymasz wiadomość e-mail z potwierdzeniem zgłoszenia. W przypadku wybrania opcji otrzymywania powiadomień o statusie zgłoszenia, skontaktujemy się również gdy status ulegnie zmianie.
Słowa kluczowe
Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.
Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.
Program(-y)
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
GŁÓWNY PROGRAM
Wyświetl wszystkie projekty finansowane w ramach tego programu -
H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
Wyświetl wszystkie projekty finansowane w ramach tego programu
Temat(-y)
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
System finansowania
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)
Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania
Zaproszenie do składania wniosków
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
(odnośnik otworzy się w nowym oknie) H2020-MSCA-IF-2019
Wyświetl wszystkie projekty finansowane w ramach tego zaproszeniaKoordynator
Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.
1165 KOBENHAVN
Dania
Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.