SCIENCE BRINGS NATIONS TOGETHER Общелабораторный семинар (Папоян В., Соколов И.)

Wednesday 14 Feb 2024, 15:00 → 17:00 Europe/Moscow

310 (MLIT)

Подключение к Webinar:

https://jinr.mts-link.ru/28441625/799651094

15:00 → 15:30 Применение градиентного бустинга над решающими деревьями в задаче идентификации частиц в эксперименте MPD

Одной из ключевых задач в рамках эксперимента MPD является идентификация заряженных частиц, основанная на определении ионизационных потерь и измерении времени пролета. За последнее десятилетие алгоритмы машинного обучения получили широкое применение во многих задачах физики высоких энергий, в том числе и для идентификации заряженных частиц. Это обусловлено тем, что традиционные методы имеют низкую эффективность идентификации частиц в диапазоне больших импульсов. Настоящее исследование направлено на изучение применимости современных методов машинного обучения в задаче идентификации заряженных частиц в эксперименте MPD. В рамках семинара будут продемонстрированы текущие результаты исследования.

Gradient Boosted Decision Tree for Particle Identification in the MPD experiment
One of the significant tasks (at the offline analysis stage) in the MPD experiment is charged particle identification (PID). There are conventional PID algorithms based on direct measurements of energy loss in the Time Projection Chamber and mass measurements provided by information from the Time-of-Flight system. Over the last ten years, machine learning approaches have become widely used in high energy physics problems in general and in PID in particular. This is due to the fact that conventional PID algorithms have poor performance in the high momentum range. This work is devoted to the machine learning application for PID in the MPD experiment. Current research results will be demonstrated.

Speaker: Vladimir Papoyan (MLIT JINR)

PapoyanVV.pdf

15:30 → 16:00 Разработка и сопровождение научных сервисов ОИЯИ

Создание и развитие цифровых сервисов позволяют повысить эффективность проведения научных исследований и ускорить получение новых значимых результатов. В докладе будет рассмотрен опыт разработки и развития сервисов для поддержки научной деятельности в ОИЯИ. В число разработок входит облачный сервис для научных вычислений на ресурсах Многофункционального информационно–вычислительного комплекса ОИЯИ (saas.jinr.ru), система IFA Database для управления исследовательскими программами и сервис SciDocsCloud для хранения научной документации. Кроме разработок был выполнен ряд работ, связанный с интеграцией JINR SSO с различными сервисами ОИЯИ: wiki.jinr.ru, disk.jinr.ru, jinrex.jinr.ru.

Development and Maintenance of JINR Scientific Services
The creation and development of various digital services contribute to enhancing the efficiency of scientific research and expediting the achievement of new significant results. The report presents the experience of elaborating and developing services to support scientific activities at JINR. Among the developments are the cloud service for scientific computing using the resources of the JINR Multifunctional Information and Computing Complex (saas.jinr.ru), the IFA Database system for grant proposal, and the SciDocsCloud service for scientific documentation storage. In addition, a series of works were performed to integrate JINR SSO with various JINR services, including wiki.jinr.ru, disk.jinr.ru, and jinrex.jinr.ru.

Speaker: Ivan Sokolov (Alexandrovich)

SokolovI.pdf