Ok, was interessiert dich?
Infos für deinen Besuch
Ihr kommt als Gruppe?
Lernen wir uns kennen!
Auf maschinellem Lernen basierte Anomaliesuche auf Triggerebene eines Teilchendetektors
ODER Wie wird man 40 Millionen Küchenschwämme wieder los?Stell dir vor: Du sitzt vor einem Berg von 40 Millionen Küchenschwämmen und suchst dort etwas. Du weißt leider nicht, wonach du suchst, du weißt nur, dass es anders aussieht als ein klassischer Küchenschwamm. Wie dir maschinelles Lernen dabei helfen kann, das gesuchte Objekt zu finden und die Küchenschwämme wieder los zu werden und warum du überhaupt 40 Millionen Küchenschwämme hast, erfährst du in diesem Slam.
Lebenslauf.
Sven ist 27 Jahre alt und hat durchgehend in Hamburg gelebt. Nach dem Abi hat er einen Bachelor in Computing in Science mit Schwerpunkt Physik gemacht und ein Masterstudium in Physik angeschlossen. Inzwischen ist er Doktorand in der Arbeitsgruppe für maschinelles Lernen in der Teilchenphysik an der Uni Hamburg.
Zur Forschung und Arbeit.
Unsere Forschung umfasst die Entwicklung neuer Algorithmen für die physikalische Forschung auf Basis von maschinellem Lernen und künstlicher Intelligenz sowie deren Anwendung auf der Suche nach neuen physikalischen Phänomenen in der experimentellen Teilchenphysik.
In der Teilchenphysik braucht man sehr viele Teilchenkollisionen, um neue Teilchen zu entdecken. Es ist jedoch nicht möglich, alle Kollisionen zu speichern. Daher wird ein Triggersystem benötigt, um direkt die interessanten Ereignisse herauszufiltern. Um modellunabhängig nach neuen Teilchen zu suchen, kann eine auf maschinellem Lernen basierte Anomaliesuche genutzt werden.