Bob Stienen, promovendus aan het Nikhef, verdedigt zijn proefschrift donderdag 28 oktober 2021 om 10.30 aan de Radboud Universiteit.
“Working in High-Dimensional Parameter Spaces: Applications of machine learning in particle physics phenomenology”
Wetenschap probeert de wereld te vangen in modellen. Deze modellen kunnen als lens dienen waardoor de wereld dan kan worden geïnterpreteerd en waarmee voorspellingen kunnen worden gemaakt voor nieuwe scenario’s. Dat betekent echter niet dat deze modellen vastliggen: vaak hebben ze vrije parameters die moeten worden ingesteld voordat het model überhaupt kan worden gebruikt. Het aantal vrije parameters van een model wordt vaak de dimensionaliteit van het model genoemd.
Het is niet per sé een probleem als een model vrije parameters heeft, al wordt het wel steeds lastiger het model te gebruiken naarmate hun aantal toeneemt. Dit probleem is zelfs zó prominent in de deeltjesfysica dat de meeste analyses uitgevoerd worden op gesimplificeerde modellen met een lagere dimensionaliteit. Dit gaat typisch helaas ten koste van de kracht van de uiteindelijke conclusies.
Met moderne computer programma’s (algoritmes) zou het echter mogelijk kunnen zijn om de problemen te verlichten die we tegen komen bij werken in deze hoogdimensionele parameterruimes. Machinelearningalgoritmes, bijvoorbeeld, zijn specifiek uitgerust om met grote hoeveelheden parameters om te gaan wat ze erg interessant maakt voor deeltjesfysica. Om die reden beschrijft dit proefschrift onderzoek naar moderne (machinelearning)algoritmes in de deeltjesfysica. Concreet worden de volgende vier casussen onderzocht: optimalisatie, generalisatie (of interpolatie), verkenning van parameterruimtes en het genereren (of samplen) van nieuwe gegevens.
Dit proefschrift bevat een pedagogische inleiding in machine learning (met een focus op de toegepaste methoden en technieken), en een basisinleiding in deeltjesfysica (voor zover het noodzakelijk is om de behandelde werken te begrijpen).
“Working in High-Dimensional Parameter Spaces: Applications of machine learning in particle physics phenomenology” (pdf)
De promotie vindt plaats op donderdag 28 oktober, om 10.30 in de Aula van de Radboud Universiteit Nijmegen, Comeniuslaan 2, Nijmegen
De promotie zal online te volgen zijn via deze link.
Promotoren: dr. Sascha Caron en prof. dr. Tom Heskes
Contact: Bob Stienen