Except where otherwise noted, content on this wiki is licensed under the following license: CC Attribution-Share Alike 4.0 InternationalThis is an old revision of the document!
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 소개LHC 및 CMS 실험 학습기초 Python 및 라이브러리 학습 |
| Week 2 | 머신러닝과 딥러닝 기본 개념 학습Track-Detector 매칭 프로젝트 소개 |
| Week 3 | 실습을 위한 배경지식 보강기존 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 5 | 모델 구조 및 파라미터 최적화중간 결과 분석 및 개선점 논의 |
| Week 6 | 최종 결과 점검 및 발표 준비프로젝트 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 빠른 중성자(FN) 배경을 억제하고, 실제 뉴트리노 신호를 효율적으로 검출하는 방안을 탐색합니다.
| 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 2 | 머신러닝과 딥러닝 기본 개념 학습JSNS2 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 최적화중간 결과 분석 및 개선점 논의 |
| Week 6 | 최종 결과 점검 및 발표 준비프로젝트 성과 발표 |
Except where otherwise noted, content on this wiki is licensed under the following license: CC Attribution-Share Alike 4.0 International