Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

mPP

Financiado

Cerrado

machine learning for Particle Physics

This project proposes to use modern Machine Learning (ML), particularly Deep Learning (DL), as a breakthrough solution to address the scientific, technological, and financial challenges that High Energy Physics (HEP) will face in... ver más

30/06/2023

International Comm...

2M€

Presupuesto del proyecto: 2M€

Líder del proyecto

International Committee of the Red Cross No se ha especificado una descripción o un objeto social para esta compañía.

Fecha límite participación Sin fecha límite de participación.

Ver 2 Participantes

Financiación concedida El organismo H2020 notifico la concesión del proyecto el día 2023-06-30

ERC-2017-COG: ERC Consolidator Grant

I+D

Cerrada hace 7 años

0% 100% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

2 Participantes

International Committee of t...

1.70M€ | Lider

CONSULTORÍA TECNOLÓGICA PARA...

424.80K€ | Participante

Proyectos interesantes

RTI2018-095232-B-C21

Software

Applied Physics

144K€ Cerrado

QNets

Software

Applied Physics

1M€ Cerrado

CNS2023-144504

Applied Physics

Software

400K€ Cerrado

TIN2015-70410-C2-1-R

Software

Applied Physics

39K€ Cerrado

SMILE

Software

Applied Physics

1M€ Cerrado

COMPLEX ML

Software

Applied Physics

261K€ Cerrado

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Duración del proyecto: 63 meses Fecha Inicio: 2018-03-09
Fecha Fin: 2023-06-30

Líder del proyecto

International Committee of the Red Cross No se ha especificado una descripción o un objeto social para esta compañía.

Presupuesto del proyecto 2M€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto This project proposes to use modern Machine Learning (ML), particularly Deep Learning (DL), as a breakthrough solution to address the scientific, technological, and financial challenges that High Energy Physics (HEP) will face in the decade ahead. The quest for new physics is increasing the complexity of the experiments and, consequently, the human and financial costs to operate these detectors, with experiments facing at best flat budgets. ML offers a way out of this impasse. With the development of DL, ML has successfully addressed tasks such as image recognition and text understanding, which eventually opened the way to automatizing complex tasks. These progresses have the potential to revolutionize HEP experimental techniques. We propose to apply cutting-edge ML technologies to HEP problems, paving the way to self-operating detectors, capable of visually inspecting events and identifying the physics process generating them, while monitoring the goodness of the data, the correct functioning of the detector components and, if any, the occurrence of anomalous events caused by unspecified new physics processes. We structure the work in a set of working packages, representing intermediate steps towards this final goal. We propose to apply ML to data taking, event identification, data-taking monitoring, and event reconstruction as intermediate steps toward using these techniques for unsupervised physics searches. The project resources will by used to create a team of computer scientists, who will carry on a systematic R&D program to apply cutting-edge ML technology to HEP: reinforced learning, generative models, event indexing, data mining, anomaly and outliers detection, etc. Being hosted at CERN, the project will benefit from existing computing infrastructures, large datasets availability, the presence of local experts of each aspect of HEP, and established collaborations with private companies on hardware and software R&D.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores