Propostas para Dissertação

Mestrados no Departamento de Informática



Consultar ficha completa de uma proposta de dissertação

proponente: António Esteves (Algoritmi / DI-UM) e Nuno Castro (LIP Minho / DF-UM)
instituição/empresa: Universidade do Minho
tema/título: Generative Adversarial Networks para discriminar jatos de partículas em Física das Altas Energias
área científica: Engenharia de Software
local: DI-UM
curso de mestrado: Mestrado Integrado em Engenharia Informática
descrição:
Nos detectores de física das altas energias, partículas como quarks e gluões não são observadas
diretamente, dando antes origem a jatos de partículas. O objectivo desta dissertação será o uso
de Generative Adversarial Networks (GANs) para discriminar entre jatos originados por quarks e
gluões usando como entrada variáveis de baixo nível medidas pelos detetores do grande
colisionador de hadrões (LHC) do CERN. A informação a utilizar foi recolhida no detector ATLAS
do LHC ou gerada com simulações de Monte Carlo. Devem ser utilizadas as bibliotecas TensorFlow ou Theano, possivelmente através da API de mais alto
nível Keras que funciona com ambas as bibliotecas. Referências: [1] Generative adversarial nets. I. Goodfellow, J. Pouget-Abadie, M. Mirza, et al., 2014. [2] Improved Techniques for Training GANs. T. Salimans, I. Goodfellow, W. Zaremba, et al., 2016. [3] https://blog.openai.com/generative-models [4] Deep learning in color: towards automated quark/gluon jet discrimination. P. Komiske, E.
Metodiev, M Schwartz, 2017. https://arxiv.org/abs/1612.01551 [5] Learning Particle Physics by Example: Location-Aware Generative Adversarial Networks for Physics
Synthesis. L. Oliveira, M. Paganini, and B. Nachman, 2017. https://arxiv.org/pdf/1701.05927.pdf


Voltar...