Tematyka dotyczy zastosowania metod uczenia maszynowego w analizie eksperymentów fizyki hadronowej oraz neutrinowej. Planowane są zadania badawcze dotyczące obliczeń wysokiej wydajności (HPC - High Performance Computing), rozszerzonych o zadania sztucznej inteligencji (AI - Artificial Intelligence) i wysokowydajnej analizy danych (HPDA - High Performance Data Analytics)

K. Lasocha, E. Richter-Was, M. Sadowski, and Z. Was
Deep neural network application: Higgs boson CP state mixing angle in H→ττ decay and at the LHC
Phys. Rev. D 103, 036003 (2021) https://doi.org/10.1103/PhysRevD.103.036003

Jany, A., Misiaszek, M., Mroz, T. et al.
Fabrication, characterization and analysis of a prototype high purity germanium detector for 76Ge-based neutrinoless double beta decay experiments. Eur. Phys. J. C 81, 38 (2021). https://doi.org/10.1140/epjc/s10052-020-08781-3

Osoba do kontaktu: dr Marcin Misiaszek (Wydział Fizyki, Astronomii i Informatyki Stosowanej UJ)

mail: marcin.misiaszek@uj.edu.pl