Wie die dreiundzwanzig regelmäßigen Leser dieses Blogs wissen [(c) A.Manzoni], habe ich in letzter Zeit den Schwerpunkt meiner Forschung auf fortgeschrittene Anwendungen von Deep Learning in der Grundlagenforschung verlagert. Das bedeutet nicht, dass ich nicht weiterhin am CMS-Experiment am CERN Large Hadron Collider teilnehme – das bleibt der Schwerpunkt meiner Forschung; aber es bedeutet, dass das, was von meinen Gehirnfunktionen übrig bleibt, hauptsächlich darin investiert wird, über zukünftige Anwendungen der heutigen und zukünftigen Informatikinnovationen nachzudenken.
In gewissem Sinne ist die Art von CMS-Arbeit, mit der ich derzeit befasst bin (Co-Vorsitzender des Thesis Award Committee; Mitglied des CMS Statistics Committee; Betreuer einer Doktorarbeit und Mitglied einer Analysegruppe), nicht so anspruchsvoll in Bezug auf Gehirnverarbeitung. Oder, um es genauer zu sagen, sagen wir, dass ich nicht zu sehr „um die Ecke denken“ muss, während es diese andere Beschäftigung tut.
das INFN, das Institut, für das ich arbeite, gibt mir Forschungsfreiheit, sodass ich nicht um Erlaubnis fragen muss, um meine Zeit so oder so zu nutzen. Allerdings verlangt INFN von mir, einmal im Jahr zu erklären, wie viel Zeit ich für jedes Experiment aufwende, an dem ich teilnehme. Diese Zahlen werden dann für allgemeine Statistiken verwendet sowie um etwas Geld für Reisen zu Konferenzen und für die Zusammenarbeit bereitzustellen Experimente werden sie auch verwendet, um zu entscheiden, ob ich die Urheberrechte an diesen Experimenten habe (Sie müssen eine bestimmte Schwelle überschreiten, um dieses Recht zu erwerben).
Etwas schade ist, dass die MODE-Zusammenarbeit, dessen wissenschaftlicher Koordinator ich bin, noch keine vom INFN anerkannte Einrichtung ist (hauptsächlich meine Schuld, aber es ist sehr schwer, auf die Karte gesetzt zu werden, wenn Ihre Aktivität nicht speziell auf einen der fünf Forschungsbereiche abzielt, aus denen sich das zusammensetzt Schwerpunkt der INFN-Forschung, sondern alle auf einmal). Daher verlässt sich MODE derzeit nur auf den guten Willen seiner Mitglieder, da es keine Finanzierung hat, um als Gruppe zu operieren. Abgesehen von ein paar Sponsoren. Der erste ist IRIS HEP, eine amerikanische NSF-finanzierte Organisation („Institute for Research and Innovation in Software for High-Energy Physics“). Der Andere ist JENASein Konsortium aus Appec – NuPecc – ECFA, das einige Initiativen unterstützt, die für die gesamte Gemeinschaft der Teilchenphysik / Kern- und Neutrinophysik / Astrophysik von Interesse sind.
Ich denke, der obige Absatz bedeutet, dass Sie, wenn Sie zusätzliches Geld haben, die Finanzierung einer Promotion in Betracht ziehen könnten. Studenten, mit uns an der Zukunft der Grundlagenforschung zu arbeiten! Ansonsten gibt es andere Möglichkeiten, unsere Arbeit zu unterstützen. Tatsächlich haben wir das kürzlich angekündigt zweite Ausgabe eines Workshops über differenzierbare Programmierung für experimentelles Designim Fokus der FASHION-Forschung.
Der Workshop folgt auf die erste Ausgabe, die im vergangenen September in Louvain-la-Neuve stattfand und mit 30 Teilnehmern vor Ort und über 70 Online-Teilnehmern sehr gut besucht war. Es wird mit einem erheblichen Beitrag der oben genannten Sponsoren finanziert und findet vom 12. bis 16. September in der wunderschönen Stadt Kolymbari an der Nordwestküste Kretas statt. Wenn Sie also interessiert sind oder intensiv daran arbeiten Lernanwendungen bis hin zur naturwissenschaftlichen Grundlagenforschung, Sie werden sich bestimmt freuen, die neuesten Entwicklungen in unserem Workshop zu hören. Noch besser, Sie können ein Abstract einreichen und kommen und einen Vortrag halten … Covid-19 ist noch nicht vorbei, aber die Teilnahme vor Ort hat effektiv wieder begonnen.
Oben: Der fantastische Balos-Strand, 30 km westlich des Workshop-Geländes, kann mit dem Auto oder Boot erreicht werden.
Wenn Sie sich entscheiden zu kommen, rate ich Ihnen dringend, sich vor der Konferenz einige zusätzliche Tage zu nehmen, um einen Besuch der wunderschönen Strände Westkretas zu genießen: Falasarna, Balos, Elafonissi. Die Region kann am bequemsten erreicht werden, indem man in Chania (von Aegean, aber auch von mehreren anderen Fluggesellschaften angeflogen) oder Heraklion landet oder mit dem Boot zum Hafen von Chania fährt. Vertrauen Sie mir, Sie werden nicht enttäuscht sein … Und das Qualitätsniveau der Speisen, die Sie in Restaurants wie z Dieses hier wird nicht vergessen.
Was das wissenschaftliche Programm betrifft: Wir werden Plenarsitzungen veranstalten, die den jüngsten Fortschritten bei Anwendungen in HEP, Astro-HEP, Neutrinophysik, Kernphysik gewidmet sind, sowie einige eingeladene Vorträge und eine Datenherausforderung. Obwohl sich der Workshop auf die wirkliche Schneide von differenzierbaren Programmieranwendungen konzentriert, wie die untenstehende, sollten Sie eine allgemeine Abdeckung auch von eher „Standard“-Anwendungen von Deep Learning erwarten, wie Bildklassifizierung für Jet-Tagging, Track-Rekonstruktion, Deep Regression , Anomalieerkennung und dergleichen.
Das war’s also – ich hoffe, Sie machen mit! Die reguläre Gebühr für 4 Tage beinhaltet Unterkunft, drei Mahlzeiten und die Nutzung aller Einrichtungen und liegt bei sehr niedrigen 580 Euro, sodass Sie die Bank nicht sprengen, wenn Sie kommen…
Was die „modernsten“ Anwendungen betrifft, auf die sich MODE konzentriert: Nehmen Sie das GIF unten als Beispiel. Im vorliegenden Fall handelt es sich bei der Software um eine differenzierbare Pipeline, die das Problem der Optimierung eines Detektors modelliert, der herausfinden soll, ob jemand in einem Kubikmeter Metallabfall einen Uranblock versteckt hat – ein Anwendungsfall, der für die Grenzkontrolle und die Gießereisicherheit interessant ist . Zu diesem Zweck werden kosmische Strahlen, die auf das Volumen auftreffen, durch Detektortafeln oben und unten verfolgt, und Rückschlüsse auf das Material in dem Volumen werden basierend auf der Menge an Streuung ausgeführt, der die Strahlen unterliegen, wenn sie es durchqueren.
Die Verlustfunktion des Problems umfasst die Wirksamkeit des Erkennens von Volumina, die Uran im Inneren verbergen, zusammen mit einer Strafe für die Kosten der Detektorplatten. Das System „lernt“, welche Konfiguration der Detektionselemente am effektivsten ist, indem es den Verlust minimiert. Natürlich ist das Obige nur eine sehr schnelle Erklärung, aber es reicht aus, um einen Eindruck von der Komplexität der Aufgabe zu vermitteln – die Software muss mehrere Schritte ausführen, um die Aufgabe auszuführen:
1) Erzeugen Sie mit einem Simulator einen Fluss kosmischer Strahlung
2) Simulation der Flugbahnen von Myonen im Material und deren Wechselwirkung mit den Detektionselementen (Hits)
3) Durchführen einer Rekonstruktion der Trajektorien unter Verwendung der detektierten Treffer
4) Ableiten einer Karte der Materialdichte in dem unbekannten Volumen
5) Erstellen Sie eine Teststatistik, um Volumina mit verborgenem Uran von normalen zu unterscheiden
6) Bewertung der Leistung der Diskriminierung und Berechnung einer Verlustfunktion
7) Änderung der Konfiguration von Detektionselementen entsprechend dem Gradienten der Verlustfunktion
8) iteriere bis zur Konvergenz.
Hier ist das animierte GIF: Oben sehen Sie, wie die Verlustfunktion abnimmt, wenn das System die beste Konfiguration „lernt“. auf der Unterseite sieht man die Detektorplatten über und unter dem unbekannten Volumen (vier oben und vier unten), während sie sich bewegen, von der Seite und von oben gesehen. Das hier betrachtete Problem ist ein sehr „symmetrisches“ (Uranblöcke werden zufällig innerhalb des Volumens simuliert), so dass man sich vorstellen kann, dass es in Bezug auf die optimale Anordnung nicht viel zu entdecken gibt, aber das System versteht dennoch nicht triviale Details darüber die effektivste Anordnung. Es ist dann einfach, seine Entscheidungen zu erklären, indem man sich das Verlustprofil ansieht und es auf die Inferenzleistung zurückführt.
Während dies nur eine „demonstrative“ Anwendung der differenzierbaren Programmierung auf das Detektordesign ist, enthält es alle Zutaten, die eingesetzt werden können, um schwierigere, wissenschaftlich interessantere Probleme anzugehen. Aber die Myonentomographie an sich ist ein boomendes Gebiet der angewandten Wissenschaft, also planen wir, diese Software herauszubringen und einer großen Gemeinschaft davon zu helfen!
[The gif has been produced by G.C. Strong who is leading the development effort for this software package].
—
Tommaso Dorigo (siehe sein persönliche Seite hier) ist ein experimenteller Teilchenphysiker, der für die arbeitet INFN und der Universität Padua und arbeitet mit der zusammen CMS-Experiment am CERN LHC. Er koordiniert die MODE-Zusammenarbeit, eine Gruppe von Physikern und Informatikern aus acht Institutionen in Europa und den USA, die sich zum Ziel gesetzt haben, eine End-to-End-Optimierung des Detektordesigns mit differenzierbarer Programmierung zu ermöglichen. Dorigo ist Herausgeber der Zeitschriften Rezensionen in Physik Sonstiges Physik offen. 2016 veröffentlichte Dorigo das Buch „Anomalie! Collider-Physik und die Suche nach neuen Phänomenen im Fermilab“, ein Einblick in die Soziologie großer Teilchenphysik-Experimente. Sie können Holen Sie sich ein Exemplar des Buches bei Amazonoder wenden Sie sich an ihn, um eine kostenlose PDF-Kopie zu erhalten, wenn Sie nur über begrenzte finanzielle Mittel verfügen.
