Estudo e aplicação de métodos de análises multivariacionais em dados do experimento ALICE

• Processo: 19/03743-0
• Modalidade de apoio: Bolsas no Brasil - Doutorado Direto
• Data de Início da vigência: 01 de abril de 2019
• Data de Término da vigência: 30 de setembro de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Física - Física Nuclear
• Pesquisador responsável: Jun Takahashi
• Beneficiário: Gabriel Reis Garcia
• Instituição Sede: Instituto de Física Gleb Wataghin (IFGW). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 17/05685-2 - Física hadrônica em colisões nucleares de altas energias, AP.ESP
• Bolsa(s) vinculada(s): 22/01562-1 - Aplicação de métodos de aprendizado de máquina para reconstrução de estranheza em dados de colisões de íons pesados do experimento ALICE, BE.EP.DD
• Assunto(s): Íons pesados Experimento ALICE Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Analise multivariacional | Experimento ALICE | Lhc | Quark-Gluon Plasma | Ions Pesados Relativísticos

Resumo

Projeto de doutorado direto para ser desenvolvido dentro do contexto do projeto temático Física Hadronica em Colisões Nucleares de Altas Energias, desenvolvendo análise de dados do experimento ALICE do acelerador LHC. O desafio principal deste trabalho será a aplicação de ferramentas de "Machine Learning" nas análises de dados do experimento ALICE, buscando otimizar e melhorar a medida de sinais em regiões do espaço de fases de difícil acesso com análises convencionais. O projeto será desenvolvido junto ao grupo Hadrex do Instituto de Física Gleb Wataghin da Unicamp, que já é membro oficial da colaboração ALICE. (AU)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

GARCIA, Gabriel Reis. Machine learning methods for strangeness reconstruction in ALICE. 2023. Tese de Doutorado - Universidade Estadual de Campinas (UNICAMP). Instituto de Física Gleb Wataghin Campinas, SP.