Inteligencia artificial para encontrar nueva física en el próximo coloquio del IFIC
What can deep learning teach us about particle physics? (“¿Qué puede enseñarnos el aprendizaje profundo sobre la física de partículas?”) es el título del próximo coloquio organizado por el IFIC, que tendrá lugar el próximo jueves 27 de mayo. El ponente será en esta ocasión Ben Nachman, Ben Nachman, investigador del Lawrence Berkeley National Laboratory (California, EEUU), donde es el líder de grupo del grupo transversal de aprendizaje automático para la física fundamental.
La inteligencia artificial está revolucionando la mayoría de los campos de investigación en la ciencia y cada vez más nuestra vida diaria. Gracias a ella, es posible procesar grandes cantidades de datos heterogéneos para aprender sus características esenciales de una manera computacionalmente eficiente, y podemos desarrollar nuevas técnicas para producir modelos empíricos en química, física, biología y ciencias sociales.
A pesar de la amplia motivación teórica para la física más allá del Modelo Estándar (BSM) de la física de partículas, las búsquedas en el Gran Colisionador de Hadrones y en otros experimentos no han encontrado ninguna evidencia convincente para la física BSM. Por lo tanto, es esencial ampliar la sensibilidad del programa de búsqueda para incluir escenarios inesperados.
El análisis de datos en los experimentos de física fundamental se basa en gran medida en complejas simulaciones para conectar las teorías fundamentales con las cantidades observables. El aprendizaje automático (ML) proporciona herramientas multivariable para identificar señales de nueva física de formas que antes no eran posibles. Sin embargo, las técnicas tradicionales de ML requieren que les proporcionen datos de entrenamiento etiquetados para enseñarles a buscar algo "nuevo".
Durante el coloquio el Dr. Nachman presentará una nueva línea de investigación llamada detección de anomalías, en la que las técnicas de ML pueden aplicarse a datos no etiquetados para ayudarnos a encontrar señales nuevas, e incluso inesperadas. Para ilustrar el poder de estos métodos, utilizará ejemplos de la física de los colisionadores, aunque muchas de las técnicas probablemente tengan una aplicación más amplia.
El Dr. Nachman, forma parte de la División de Física del Laboratorio Lawrence Berkeley. Es miembro de los grupos ATLAS del CERN y de Computación Cuántica y dirige el Grupo de Aprendizaje Automático. También es afiliado al Instituto de Ciencia de Datos de Berkeley. Colabora regularmente con otros investigadores de la división y de la Universidad de Berkeley, como el grupo de teoría de partículas y el grupo de analítica de datos. El Dr. Nachman también forma parte del consorcio de computación cuántica multiinstitucional AIDE-QC.
El evento tendrá lugar el próximo 27 de mayo a las 12:30h.
Más información sobre el coloquio en la página del evento en Indico:
