Gute Teilchen, Schlechte Teilchen: Deep Learning als Werkzeug in der Teilchenphysik

Am Large Hadron Collider am CERN in Genf werden Eigenschaften von Elementarteilchen in hochenergetischen Kollisionen untersucht. Die Aufzeichnung der Daten erfolgt mit großen Detek-toren, z.B. dem CMS-Detektor, an dem die RWTH Aachen University beteiligt ist. Die große An-zahl der Teilchenkollisionen (40 MHz) als auch der Auslesekanäle der Detektoren (mehr als 100 Millionen) stellen eine große Herausforderung für die Datenanalyse dar. Deep Learning hat als Werkzeug für die Analyse dieser großen und komplexen Datensätze zu großen Fortschritten ge-führt und ein genaueres Verständnis der elementaren Bausteine der Materie ermöglicht.
Ein Hauptziel der Datenanalyse ist, sehr seltene Prozesse in den Datensätzen zu identifizieren und möglichst genau zu vermessen. Ein Schlüssel dazu ist die gute Trennung der Teilchensigna-turen im Detektor als auch der seltenen Prozesse von vielen Ereignissen ähnlicher Signatur. Sol-che Klassifikationsaufgaben haben durch Deep Learning Verbesserungen erfahren und genaue Messungen ermöglicht. Der Vortrag gibt eine Einführung in ausgewählte teilchenphysikalische Fragestellungen und Beispiele für die großen Verbesserungen in der Datenanalyse, die durch Deep Learning möglich geworden sind.
In Kooperation mit Fakultät für Informatik der RWTH, FZ Jülich, Regionalgruppe der Ge-sellschaft für Informatik (RIA), Regionaler Industrieclub Informatik Aachen (Regina), FH Aachen und Gruppe Aachen des Deutschen Hochschulverbands.

Kurz nach dem Vortrag ist das Video von Vortrag und Diskussion verfügbar in der Playlist
https://www.youtube.com/playlist?list=PLuHxQfNRwKzPx5woGT2A1JEsLJgLpmXFG
Diese beiden Angaben gelten für alle Vorträge im Internet.