Skip to Main Content (Press Enter)

Logo UNIPV
  • ×
  • Home
  • Corsi
  • Insegnamenti
  • Professioni
  • Persone
  • Pubblicazioni
  • Strutture

UNIFIND
Logo UNIPV

|

UNIFIND

unipv.it
  • ×
  • Home
  • Corsi
  • Insegnamenti
  • Professioni
  • Persone
  • Pubblicazioni
  • Strutture

510309 - ARTIFICIAL INTELLIGENCE FOR EXPERIMENTAL AND APPLIED PHYSICS

insegnamento
ID:
510309
Durata (ore):
48
CFU:
6
SSD:
FISICA SPERIMENTALE
Anno:
2024
  • Dati Generali
  • Syllabus
  • Corsi
  • Persone

Dati Generali

Periodo di attività

Secondo Semestre (03/03/2025 - 06/06/2025)

Syllabus

Obiettivi Formativi

Il corso fornisce un’introduzione alle tecniche di intelligenza artificiale per la fisica sperimentale e applicata, come machine learning e simulazione con Geant4, piattaforma dedicata alla simulazione del passaggio delle particelle nella materia.
Al termine del corso, lo studente sarà in grado di creare e allenare reti neurali ad-hoc con KERAS, e di applicare i concetti fondamentali della simulazione fisica di un esperimento o di un apparato.

Prerequisiti

Conoscenza di base dei linguaggi object-oriented C++ e C, come fornita dal corso "Metodi informatici della Fisica". Conoscenza di base dell’interazione radiazione-materia e del metodo Monte Carlo.

Metodi didattici

L'insegnamento si realizza con lezioni frontali, svolte con l'ausilio di presentazioni, messe a disposizione degli studenti sulla piattaforma Kiro, e di esempi sviluppati live al calcolatore.

Verifica Apprendimento

Esame Orale.
Allo studente viene richiesto lo sviluppo di un progetto personale in un selezionato campo di interesse, atto ad applicare le metodologie apprese durnate il corso.

Testi

a) Koenig, Moo, Accelerated C++, Addison Wesley
b) F. Chollet, Deep Learning with Python (ISBN: 9781617294433)

Contenuti

Il corso si divide in 3 moduli:
- Introduzione al Deep Learning (I.Postuma)
Breve introduzione a Python e ad alcuni pacchetti necessari all’utilizzo di KERAS. Dall’introduzione allo sviluppo di reti neurali per risolvere problemi di computer vision.

- Machine Learning nella fisica delle alte energie (G.Polesello)
Sarà affrontata l'elaborazione dei dati in un esperimento di fisica su larga scala usando tecniche di machine learning.
Saranno presentati esempi dettagliati di applicazioni di ML agli esperimenti di fisica delle particelle, con sessioni hands-on basate su KERAS e sulle librerie standard di Python: ad esempio, approcci di ML per il riconoscimento di particelle in un rivelatore, classificazione dei jet o separazione elettroni/adroni usando una rete neurale convoluzionale, .

- Tecniche di simulazione con Geant4 (S.Costanza)
Verranno forniti agli studenti gli strumenti necessari per simulare con Geant4 un setup sperimentale, nell’ambito di ricerca che vede gli studenti coinvolti nel loro percorso di laurea magistrale.
Inoltre, verranno mostrati diversi esempi di utilizzo di Geant4 nella fisica sperimentale e applicata.

Lingua Insegnamento

INGLESE

Corsi

Corsi

SCIENZE FISICHE 
Laurea Magistrale
2 anni
No Results Found

Persone

Persone (2)

PELLICCIONI MARIO
Settore PHYS-01/A - Fisica sperimentale delle interazioni fondamentali e applicazioni
Gruppo 02/PHYS-01 - FISICA SPERIMENTALE DELLE INTERAZIONI FONDAMENTALI E APPLICAZIONI
AREA MIN. 02 - Scienze fisiche
Professore associato
POSTUMA IAN
Docente
No Results Found
  • Utilizzo dei cookie

Realizzato con VIVO | Designed by Cineca | 25.5.3.0