Przejdź do głównej treści

Widok zawartości stron Widok zawartości stron

Zastosowanie metod HPC (High Performance Computing) do przetwarzania danych z eksperymentów neutrinowych.

Wersja pdf

Opiekun naukowy

Imię i nazwisko: dr Marcin Misiaszek
Email: marcin.misiaszek@uj.edu.pl
Zakład: Zakład Doświadczalnej Fizyki Komputerowej
Pracownia: DigiWorld MLP Lab - Machine Learning for Physics
Strona www grupy:

Krótki opis

Grupa softwarowa działająca w Zakładzie uczestniczy w opracowywaniu wyników z eksperymentów neutrinowych Borexino oraz GERDA. Współczesne metody analizy danych posługują się algorytmami opartymi o nauczanie maszynowe oraz wykorzystywane są podczas ich wykonywania systemy obliczeniowe dużej skali (HPC). Na praktyce student będzie miał możliwość podjęcia się jednego z bieżących zagadnień w ramach prac kolaboracyjnych. Będzie miał możliwość wykorzystania udostępnionych w PL-GRID mocy obliczeniowych w celu wykonania masowych sumulacji Monte Carlo czy wielokrotnych prób optymalizacji filtrów oparty o sieci neuronowe. Przy wykorzystaniu superkomputera PROMETHEUS wykonamy symulacje Monte Carlo na olbrzymią skalę, niewystępującą dotychczas w trakcie wykonywania analizy danych w powyższych eksperymentach neutrinowych. W trakcie wykonywania praktyki studenckiej będziemy podejmować próby wykorzystania metod HPC w celu zwiększenia czułości eksperymentalnej jak i możliwych w przyszłości odkryć. Student będzie miał możliwość zapoznania się z zastosowaniem programu Singularity, którego głównym celem jest wprowadzenie używania kontenerów i zachowania odtwarzalności do obliczeń naukowych na wielką skalę.

Główne narzędzia badawcze

  • Serwer PROMETHEUS w PL-GRID
  • Pakiet softwarowy Singularity

Wymagania w stosunku do kandydata

  • podstawy systemu Linux oraz języka python

Możliwość kontynuowania praktyki studenckiej w postaci:

  • pracy dyplomowej (magisterskiej lub licencjackiej): Tak
  • pracy doktorskiej: Tak