Veri Analizi ve Makine Öğrenmesi Uygulamaları Araştırma Laboratuvarı (DAMLA Lab)
DAMLA Lab veri analizi araştırmalarının yürütüldüğü bir laboratuvardır. Parçacık fiziği detektörlerinde toplanan verilerin veya Monte Carlo üreteçleri ile üretilen simülasyon verilerinin analizi temel araştırma alanını oluşturmaktadır. Verilerin analizi ve sınıflandırılmasının makine öğrenmesi metotları ile kullanılarak yapılması da laboratuvarın diğer bir ana çalışma alanını oluşturur. Makine öğrenmesinin sadece parçacık fiziğinde uygulaması değil, aynı zamanda disiplinler alanda uygulamaları da çalışılmaktadır.
Veri Analizi ve Makine Öğrenmesi Uygulamaları (DAMLA) laboratuvarı 2022 yılında yürütücülüğünü öğretim üyesi Hale Sert’in yaptığı TUBİTAK 2232-A Uluslararası Lider Araştırmacılar Programı projesi kapsamında İstanbul Üniversitesi Fizik Bölümünde kurulmuştur. Laboratuvar Fen Fakültesi, Fizik Bölümü, D blok G01 numaralı binada bulunmaktadır.
Laboratuvarda parçacık fiziği veri analizi çalışmaları ile makine öğrenmesinin hem parçacık fiziği alanında hem de disiplinlerarası alanlardaki uygulamaları üzerine çalışmalar yürütülmektedir.
Dünyanın en büyük parçacık fiziği araştırma enstitülerinden biri olan Fransa ve İsviçre sınırında kurulmuş olan CERN, proton demetlerini yüksek enerjilerde hızlandıran ve 4 farklı noktada çarpıştıran LHC (Large Hadron Collider) çarpıştırıcısına ev sahipliği yapmaktadır. Demetlerin çarpıştırıldığı her bir nokta farklı fizik motivasyonuna sahiptir ve farklı yapılarda detektörler içerir. Parçacık fiziği veri analizi çalışmaları LHC detektörlerinden biri olan CMS (Compact Muon Solenoid) detektöründe toplanan verilerin analizinin yanı sıra gelecekte kurulması planlanan deneyler için simülasyon ile üretilmiş olan verilerin analizini de kapsamaktadır. Bu alandaki çalışmalar Standart Model ve Standart Model ötesi fizik (yeni fizik) alanları üzerinedir. Özellikle de en ağır lepton olan tau leptonunun offline ve online (trigger) seviyelerindeki yeniden yapılandırılma ve tanımlanması üzerine çalışılmaktadır.
Makine öğrenmesinin uygulamaları çalışmaları ise yüksek enerji fiziği deneylerinde farklı sinyallerin sınıflandırılması çalışmaları ile medikal görüntülerin derin öğrenme metotları kullanılarak ikili ve çoklu sınıflandırma çalışmalarını kapsamaktadır.
İstanbul Üniversitesi, Fen Fakültesi, Fizik Bölümü, D-Blok, G 01, Vezneciler, Fatih/İstanbul
Toplam kullanılan BAP Kaynağı: 0,00 TL
Data Analysis and Machine Learning Application Research Laboratory (DAMLA Lab)
DAMLA Lab is the laboratory where researches of data analysis are performed. As a fundamental research area, analysis of data collected in particle physics experiments or simulated data generated in Monte Carlo generators are studied. Analysis and classification of the data by using machine learning methods forms the other main research area of the laboratory. Application of machine learning not only in particle physics but also in interdisciplinary areas are carried out too.
Data Analysis and Machine Learning Application (DAMLA) laboratory was built in 2022 within the concept of TUBİTAK 2232-A International Fellowship for Outstanding Researchers Project which was led by Dr. Hale Sert in the Department of Physics of Istanbul University. Laboratory is placed in the building of D block G01 in Faculty of Science, Department of Physics.
In the laboratory, data analysis studies in particle physics as well as application of machine learning not only in particle physics but also in interdisciplinary areas are ongoing.
CERN, placed in the border of France and Switzerland, which is one of the large particle physics research institutes in the world, hosts the Large Hadron Collider (LHC) that accelerates the proton bunches to high energies and collides them in four different points. There are four different detectors placed in the collision points where each reserves different physics motivations. Data analysis studies in particle physics involve the analysis of the data collected in the CMS (Compact Muon Solenoid) detector which is one of the LHC detectors as well as analysis of the data that are simulated for the experiments planned to be built in future. Studies in this area covers the Standard Model and Beyond the Standard Model Physics (New Physics) topics. We focus especially on the tau lepton reconstruction and identification in both online (trigger) and offline levels.
Machine learning application studies covers the classification of different signals in high energy physics experiments as well as binary and multiclassification of medical images by using deep learning methods.
İstanbul University, Science Faculty, Department of Physics, D-Blok, G 01, Vezneciler, Fatih/İstanbul
Total resource (BAP): 0,00 TL