金沙城娱乐场官网平台

English
 
学术动态
 
 
 
所在位置: 首页>>学术动态>>正文
 
深度学习在高能核物理里的应用
来源: 日期2019-07-10 10:03 点击:

目:深度学习在高能核物理里的应用

时间7月15日(星期一)下午14:30-16:30

告地点:仲英楼B835

告人:  周凯博士 法兰克福高等研究院research fellow,交大杰出校友

告摘要:

  目前人工智能尤其是其中机器学习和深度学习越来越在日常生活、社会发展中发挥重要的作用。作为一个擅长从数据中发现并有效表征内部规律与关联的手段,深度学习在科学研究中也开始发挥新颖而强有力的影响。我们在此讨论其在高能核物理中的相关应用。当下高能核物理中一个非常热门的领域是研究QCD(量子色动力学)的相图结构和相变,相对论重离子碰撞是地球上能有望可控研究QCD禁闭相变的唯一途径。

  我们首次将深度学习技术用于学习和表征状态方程本身对末态强子谱的排他而唯一的影响,通过用流体力学模型提供多种不同条件两类状态方程的事件模拟做训练数据,深度学习成功做到新的不同条件下碰撞事件中状态方程的分类,并表现出模型的无关性,说明这样一个映射在重离子碰撞中是存在的,并且深度学习能帮助有效识别和表征出这一模式并应用于真实的实验数据中来研究QCD相变。除了重离子碰撞的实验手段外,目前研究QCD相变的另一强有力手段是格点场论模拟。我们也将通过复标量场来探讨在格点场论中应用深度学习的潜力。

告人简历

2009年西安交大物理本科毕业;

2014年清华大学物理博士毕业;

2014-2016在法兰克福大学物理系做博士;

2017年在法兰克福高等研究院research fellow

主要研究方向:

高能重离子碰撞;QCD相变;QGP的输运理论;机器/深度学习在物理中的应用;人工智能

 
 
文章作者:
责任编辑:王玮
 
 
 
 
 
 
版权所有:西安交通大学金沙城娱乐场官网平台 设计制作: 访问统计:3212
地址:西安市咸宁西路28号交通大学 邮编710049