Opiekun naukowy
| Imię i nazwisko: | dr Marcin Misiaszek |
| Email: | marcin.misiaszek@uj.edu.pl |
| Zakład: | Zakład Doświadczalnej Fizyki Komputerowej |
| Pracownia: | 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 symulacji Monte Carlo czy wielokrotnych prób optymalizacji filtrów oparty o sieci neuronowe. Przy wykorzystaniu superkomputera ARES 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 ARES 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