Except where otherwise noted, content on this wiki is licensed under the following license: CC Attribution-Share Alike 4.0 International저희 연구실은 입자물리 실험 연구실입니다. 입자가속기 등의 시설을 활용하여 높은 에너지에서 입자가 생성되고 붕괴되는 과정을 고에너지 입자 검출기를 이용하여 검출하고, 생성되는 대용량 데이터를 머신러닝을 이용해 분석하는 연구를 수행합니다.
이번 학부생 프로그램에서는 스위스 CERN 연구소의 LHC/CMS, 또는 일본 KEK 연구소의 J-PARC/JSNS2 실험과 관련한 데이터 분석 연구를 소개하려 합니다.
이 프로그램은 CERN의 Large Hadron Collider (LHC) 및 Compact Muon Solenoid (CMS) 실험을 이해하고, 연구 현장에서 이루어지는 실험 및 분석을 직접 개선하는 프로젝트를 경험 해 보는 것을 목표로 합니다.
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 |
|---|---|
| Week 1 | 인턴십 프로그램 개요 및 소개, LHC 및 CMS 실험 학습기초 Python 및 라이브러리 학습 |
| Week 2 | 머신러닝과 딥러닝 기본 개념 학습, Track-Detector 매칭 프로젝트 소개 |
| 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 논의, 초기 모델 개발 및 논의 |
| Week 5 | 모델 구조 및 파라미터 최적화, 중간 결과 분석 및 개선점 논의 |
| Week 6 | 최종 결과 점검 및 발표 준비, 프로젝트 성과 발표 |
이 프로그램은 J-PARC에서 진행 중인 JSNS² 실험을 이해하고, 실제 실험 현장에서 수행되는 배경 이벤트 제거 및 신호 식별 과정을 직접 개선해 보는 것을 목표로 합니다.
프로그램 전반부에서는 JSNS² 실험에 필요한 기초 지식과 Python을 활용한 머신러닝 및 분석 기법을 학습합니다. 이를 바탕으로, 펄스 형태 구분(PSD) 알고리즘을 활용해 우주선에 의한 고속 중성자(FN) 배경을 억제하고, 실제 뉴트리노 신호를 효율적으로 검출하는 방안을 탐색합니다.
| 주차 | 내용 |
|---|---|
| Week 1 | 인턴십 프로그램 개요 및 소개, JSNS² 실험 학습 (뉴트리노 진동, IBD 반응, Gd-LS 검출기 특징), 기초 Python 및 라이브러리 학습 |
| Week 2 | 머신러닝과 딥러닝 기본 개념 학습, JSNS² 실험에서의 PSD 알고리즘 소개 (우주선 기원 중성자 배경 제거 필요성) |
| 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 5 | 모델 구조 및 파라미터 최적화, 중간 결과 분석 및 개선점 논의 |
| 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