Except where otherwise noted, content on this wiki is licensed under the following license: CC Attribution-Share Alike 4.0 InternationalThis shows you the differences between two versions of the page.
| Next revision | Previous revision | ||
| public:docs:khu_internship_undergrad [2025/03/03 09:23] – created Jongwon Shin | public:docs:khu_internship_undergrad [2025/03/04 05:40] (current) – Junghwan Goh | ||
|---|---|---|---|
| Line 1: | Line 1: | ||
| + | ====== 학부생 연구참여 프로그램: | ||
| + | 저희 연구실은 입자물리 실험 연구실입니다. 입자가속기 등의 시설을 활용하여 높은 에너지에서 입자가 생성되고 붕괴되는 과정을 고에너지 입자 검출기를 이용하여 검출하고, | ||
| + | |||
| + | 이번 학부생 프로그램에서는 스위스 CERN 연구소의 LHC/CMS, 또는 일본 KEK 연구소의 J-PARC/ | ||
| + | |||
| ===== Program 1: Machine Learning with CMS experiment ===== | ===== Program 1: Machine Learning with CMS experiment ===== | ||
| - | 이 프로그램은 CERN의 Large Hadron Collider (LHC) 및 Compact Muon Solenoid (CMS) 실험을 이해하고, | + | 이 프로그램은 CERN의 Large Hadron Collider (LHC) 및 Compact Muon Solenoid (CMS) 실험을 이해하고, |
| + | |||
| + | 프로그램 전반기엔 프로젝트 실습을 위한 실험에 대한 사전 지식 및 Python을 활용한 머신러닝과 딥러닝을 배웁니다. 이를 기반으로 학생들은 CMS 데이터 분석의 한 부분 - 뮤온 입자 재구성을 위한 Track-Detector 매칭 알고리즘 - 을 머신러닝 또는 딥러닝 모델을 이용하여 개선하는 실습을 진행합니다. | ||
| ^ 주차 ^ 내용 ^ | ^ 주차 ^ 내용 ^ | ||
| - | | Week 1 | 인턴십 프로그램 개요 및 소개LHC 및 CMS 실험 학습기초 Python 및 라이브러리 학습 | | + | | Week 1 | 인턴십 프로그램 개요 및 소개, LHC 및 CMS 실험 학습기초 Python 및 라이브러리 학습 | |
| - | | Week 2 | 머신러닝과 딥러닝 기본 개념 학습Track-Detector 매칭 프로젝트 소개 | | + | | Week 2 | 머신러닝과 딥러닝 기본 개념 학습, Track-Detector 매칭 프로젝트 소개 | |
| - | | Week 3 | 실습을 위한 배경지식 보강기존 Track-Detector 매칭 모델 (Boosted Decision Tree 기반) 실습 | | + | | Week 3 | 실습을 위한 배경지식 보강, 기존 Track-Detector 매칭 모델 (Boosted Decision Tree 기반) 실습 | |
| - | | Week 4 | Track-Detector 매칭 문제에서 활용 가능한 모델 유형 논의초기 모델 개발 및 논의 | | + | | Week 4 | Track-Detector 매칭 문제에서 활용 가능한 모델 유형 논의, 초기 모델 개발 및 논의 | |
| - | | Week 5 | 모델 구조 및 파라미터 최적화중간 결과 분석 및 개선점 논의 | | + | | Week 5 | 모델 구조 및 파라미터 최적화, 중간 결과 분석 및 개선점 논의 | |
| - | | Week 6 | 최종 결과 점검 및 발표 준비프로젝트 성과 발표 | | + | | Week 6 | 최종 결과 점검 및 발표 준비, 프로젝트 성과 발표 | |
| + | |||
| + | ===== Program 2: Machine Learning with JSNS² experiment===== | ||
| - | ===== Program 2: Machine Learning with JSNS2 experiment===== | + | 이 프로그램은 J-PARC에서 진행 중인 JSNS² 실험을 이해하고, |
| - | 이 프로그램은 J-PARC에서 진행 중인 JSNS2 실험을 이해하고, | + | 프로그램 전반부에서는 |
| ^ 주차 ^ 내용 ^ | ^ 주차 ^ 내용 ^ | ||
| - | | Week 1 | 인턴십 프로그램 개요 및 소개JSNS2 실험 학습 (뉴트리노 진동, IBD 반응, Gd-LS 검출기 특징)기초 Python 및 라이브러리 학습 | | + | | Week 1 | 인턴십 프로그램 개요 및 소개, JSNS² |
| - | | Week 2 | 머신러닝과 딥러닝 기본 개념 학습JSNS2 실험에서의 PSD 알고리즘 소개 (우주선 기원 중성자 배경 제거 필요성) | | + | | Week 2 | 머신러닝과 딥러닝 기본 개념 학습, JSNS² |
| | Week 3 | 실습을 위한 배경지식 보강 (IBD 이벤트 특성, 빠른 중성자 배경 이해), 기존 PSD 알고리즘 실습 | | | Week 3 | 실습을 위한 배경지식 보강 (IBD 이벤트 특성, 빠른 중성자 배경 이해), 기존 PSD 알고리즘 실습 | | ||
| | Week 4 | PSD 알고리즘 개선을 위한 모델 유형 논의, 초기 모델 또는 개선 아이디어 개발 및 논의 | | | Week 4 | PSD 알고리즘 개선을 위한 모델 유형 논의, 초기 모델 또는 개선 아이디어 개발 및 논의 | | ||
| - | | Week 5 | 모델 구조 및 파라미터 최적화중간 결과 분석 및 개선점 논의 | | + | | Week 5 | 모델 구조 및 파라미터 최적화, 중간 결과 분석 및 개선점 논의 | |
| - | | Week 6 | 최종 결과 점검 및 발표 준비프로젝트 성과 발표 | | + | | Week 6 | 최종 결과 점검 및 발표 준비, 프로젝트 성과 발표 | |
Except where otherwise noted, content on this wiki is licensed under the following license: CC Attribution-Share Alike 4.0 International