Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Sviluppo di algoritmi di ML basati su NN per la ricostruzione di vertici 4D con il rivelatore MTD dell’esperimento CMS e ricerche di particelle HSCP in collisioni pp a LHC (PRIN - PNRR HPC) - CUP J93C22000540006 e J53D23001810006 |
|---|---|
| Titolo del progetto di ricerca in inglese | Development of ML algorithms based on NN for the reconstruction of 4D vertices with the MTD detector of the CMS experiment and search for HSCP particles in pp collisions at LHC |
| Campo principale della ricerca | Physics |
| Sottocampo della ricerca | Other |
| Settore Concorsuale | 02 - Scienze fisiche |
| S.S.D | FIS/01 - FISICA SPERIMENTALE |
| Descrizione sintetica in italiano | Lo sviluppo di algoritmi basati su reti neurali, in particolare graph neural networks, e la loro implementazione ottimizzata su infrastrutture di calcolo ad alte prestazioni su larga scala, è di fondamentale importanza per la ricostruzione dei vertici 4D con il rivelatore MTD dell’esperimento CMS per la fase-II di LHC. L’impatto dell’informazione del vertice e quindi del timing delle particelle, ha un impatto significativo sulla sensibilità nella ricerca di nuove particelle a lunga vita media nel contesto di vari modelli di nuova fisica, come ad esempio i modelli HSCP e Hidden Valley. Il progetto si propone di sviluppare e ottimizzare un nuovo algoritmo di ricostruzione di vertici e di stimare l’impatto dell’informazione temporale per l’analisi di eventi di nuova fisica con particelle a lunga vita media con la simulazione di MTD. Verrà inoltre messa a punto e sviluppata l’analisi con i dati del Run-III raccolti da CMS. |
| Descrizione sintetica in inglese | The development of algorithms based on neural networks, in particular graph neural networks, and their implementation on large-scale high-performance computing infrastructures, is of fundamental importance for the reconstruction of 4D vertices with the MTD detector for the LHC phase-II CMS experiment. The impact of the vertex information and therefore of its timing, has a significant impact on the sensitivity in the searches for new long-lived particles in the context of various new physics models, such as for example the HSCP and Hidden Valley models. The project aims to develop and optimize the vertex reconstruction algorithm and to estimate the impact of temporal information for the analysis of new physics events with long-lived particles with MTD simulation. Furthermore, the development of the analysis with Run-III data collected by CMS will be pursued. |
| Data del bando | 13/09/2023 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | https://web.units.it/concorsi/ricerca/conc-49770 |
| Destinatari dell'assegno di ricerca (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Importo annuale | 27.563 |
| Valuta | Euro |
| Massima durata dell'assegno (mesi) | 24 |
| Nome dell'Ente finanziatore | Università degli studi di Trieste |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Trieste |
| Sito web | https://www.units.it/ |
| assegni@amm.units.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 18/10/2023 - alle ore 00:00 |
|---|---|
| Come candidarsi | https://pica.cineca.it/units (rif. PICA 23ar804-7PRIN) |