Обзор работы

На озере Байкал строится нейтринный телескоп объемом почти кубический километр - Байкал ГВД. 

Эксперимент Байкал ГВД использует оптические модули для регистрации высокоэнергичных нейтрино.

Нейтрино взаимодействует с веществом детектора, порождая заряженный лептон и адронный ливень, которые могут быть обнаружены по их черенковскому свечению.

Направление прилета и энергия нейтрино могут быть восстановлены исходя из измерения времени прихода черенковских фотонов и амплитуды сигнала, порождаемого такими фотонами в оптическом модуле.

Использование методов машинного обучения и в частности глубинных нейронных сетей вызывает растущий интерес в физике элементарных частиц. Данные методы позволяют в некоторых случаях добиваться классификации и реконструкции событий с точностью, превосходящей классический подходы.

В работе предлагается разработать метод реконструкции энергии нейтрино в эксперименте Байкал ГВД на основе математического аппарата машинного обучения.

Цели работы:

• Освоение методов машинного обучения
• применение и разработка методов машинного обучения для реконструкции энергии нейтрино в эксперименте Байкал ГВД

Предполагаемый технологический и математический стек:

• Методы машинного обучения: свёрточные нейронные сети; градиентно-бустованные решающие деревья; другие методы предложенные студентами.

• Python: стандартный научный стек (numpy, scipy, matplotlib), библиотеки машинного обучения (scikit-learn, TensorFlow).

• С++: работа с пакетом моделирования Байкальского эксперимента, ROOT6, Geant4.

К обязательным требованиям относятся:

• Документация кода в doxygen, пользовательская документация в reStructuredText.