XiaoMi-AI文件搜索系统
World File Search SystemNeutrino
粒子物理学家推动人工智能发展
中微子物理学家部署了特殊的 AI 算法来增强快速图像分析。粒子物理学家将 AI 应用于自动驾驶汽车，以改进其图像分类系统，但这些工具在没有有用数据的像素上停留的时间太长了。为了应对这一挑战，他们开发了一种新的 AI 技术，通过专注于数据丰富的像素而忽略空像素，可以实现更快速的图像处理。
研究科学家（2个岗位）
SNOLAB 是一所国际一流的地下物理研究设施，其天体粒子物理和地下科学项目正在不断扩展。该设施位于安大略省萨德伯里附近的 Vale Creighton 矿场地下 2 公里处，设有空调的 2000 级洁净室，并配备了一套地面设施和实验室。SNOLAB 目前正在为下一代实验做准备，重点是中微子研究、银河系暗物质搜索、量子技术和地下科学。
自动驾驶游览香港的上升趋势
探测器成功地放置在海平面以下1,600米处的指定地点，这标志着由中国海洋大学资助的Sea Star计划下的原型阵列开发的关键技术步骤。该项目将为高能水下中微子望远镜提供技术评估，这是IHEP提出的一种大规模的科学仪器，其预期的体积约为30立方公里。
费米实验室的人工智能研究
中微子是一种亚原子粒子，是粒子王国中最难捉摸的粒子之一。费米实验室是美国研究中微子的顶级实验室，并主持深层地下中微子实验，这是一项旨在揭开这些粒子之谜的国际旗舰实验，汇集了来自 30 多个国家的科学家。在费米实验室，研究人员正在使用人工智能并开发最先进的方法来检测和研究自然界最神秘的粒子，包括加快实验工作流程和增强事件重建。
劳伦斯·伯克利国家实验室
在极端天体物理环境中的摘要，例如核心偏离的超新星和二进制中子星星合并，中微子在推动各种动态和微物理现象中起着重要作用，例如，baryononic matter toper fureflows，繁重的元素的合成以及su-pernova爆炸式爆炸机械。中微子与物质在这些环境中的相互作用是特定于风味的，这对于不阐明中微子的风味演变至关重要。在这些环境中的风味发展可能是一种高度不平凡的概率，这要归功于风味空间中的多种集体效应，这是由于中微子中微子中微子（ν-ν）相互作用在高中微子密度的地区引起的。在重要的ν-ν-ν相互作用的影响下，经历风味振荡的中微子晶状体在某种程度上类似于与自身和外部磁场之间具有长距离相互作用的耦合旋转系统（在中间上间上间上间上间的势头中“远距离”）。结果，要考虑这些相互作用是否会导致相互作用中微子之间的显着量子相关，以及这些相关性是否对整体的风味演变产生任何后果。特别是，人们可能会寻求利用概念和工具从量子信息科学和量子计算来加深我们对这些现象的理解。在本文中，我们试图总结该领域的最新工作。此外，我们还考虑了复杂的初始状态，在三种味道环境中也提供了一些新的结果。
ams实验Gast教授和Schael教授，I。...
•KAON DECAY K0èμμμμμμμμ在1970年通过GIM提示（1974年发现的J/ψ）•3 Rd Quark家族预测1972年解释了Cp Viola 的higgs boson质量〜100 gev的预性
站点可持续性计划-Fermilab
Fermilab的组织和基础设施继续发展，主要是为了支持国际长基线中微子设施（LBNF）和深层地下中微子实验（Dune）。通过扩展，Fermilab的质子改进计划（PIP-II）加速器的持续建立是实验室的重中之重。对这项新实验的多年枢纽需要现代化的，最先进的现场基础设施，以支持预期的发现科学机会。PIP-II项目启用的加速器络合物升级将为LBNF/Dune提供梁功率。这些升级将使实验室消耗的能源量显着增加。除了在Fermilab的现代化设施和基础设施外，能源部还与南达科他州领地市领地的Sanford Sanford地下研究机构（SURF）的南达科他州科学技术管理局（SDSTA）拥有现实租赁。在租赁空间和非租赁空间中，已经开始了大量的房地产改进，以支持DOE科学任务。Fermilab最近被选为领导国家推进量子科学技术中心。Fermilab的计划新的超导量子材料和系统中心（SQM）将致力于基于超导技术的超出状态量子计算机的开发和部署。该中心还将开发新的量子传感器，这可能导致发现暗物质和其他难以捉摸的亚原子颗粒的性质。量子计算和感知中心的革命性飞跃将由独特的多学科合作来实现，其中包括由其他国家实验室，学术机构和行业组成的20个合作伙伴组织。
FY21 DOE SC 早期职业研究计划摘要
中微子真实本质的实验探索可以追溯到核物理学和粒子物理学的早期，现在正利用高精度和大规模的实验、机器和探测器。对假设的难以置信的罕见事件——原子核的无中微子双重贝塔衰变——的观察将表明中微子是其自身的反粒子，并有助于回答为什么宇宙中的物质多于反物质的基本问题。由于来自探测器的巧合但罕见的背景（即非信号）数据，当前和计划中的实验只能探索无中微子双重贝塔衰变的某些理论。要完全解决原子核是否能发生这种尚未检测到的反应，需要在探测器技术上取得新的突破，通过消除背景事件，达到难以捉摸的“正常有序”无中微子双重贝塔衰变模式。该研究项目将把核物理研发领域的最新进展统一并整合到一种新型探测器中，该探测器能够展示无背景无中微子双贝塔衰变搜索。值得注意的是，这将包括能够在单离子水平上检测氙气双贝塔衰变产生的钡++离子的传感器。此外，该探测器将综合直接紫外光收集和快速光学相机，以实现无中微子双贝塔衰变事件的高分辨率 3D 成像。实现无背景无中微子双贝塔衰变搜索将使科学办公室对无中微子双贝塔衰变的高优先级搜索达到前所未有的灵敏度水平。
Steven Gardiner FSPA 早期职业研讨会
• 杨百翰大学物理学学士学位，2012 年 - 设计用于安全应用的新型中子探测器 - 非常应用的研究，感觉像核工程 • 洛斯阿拉莫斯的本科后研究员，2012-2013 年 - 最初通过 DOE SULI 实习计划 - 生成和测试用于模拟的中子截面数据表 • 加州大学戴维斯分校物理学博士学位，2018 年 - 超新星中微子相互作用的模拟 - 费米实验室 ANNIE 实验的中子背景测量 • 费米实验室博士后，2018-2022 年 - MicroBooNE 实验的模拟和分析工作 • 2022 年晋升为员工，现任物理模拟系组长
高能物理中人工智能和大数据的异构计算
异构计算表示针对特定应用使用不同计算平台的场景 (Danovaro 等人，2014)。随着对大数据量和速率的查询和分析需求不断增长，对计算资源的需求也随之增长，但能源效率限制了传统方法，即通过在现有基础设施中添加数千台最先进的 x86 机器来提高数据中心的计算能力，转而采用节能设备 (Cesini 等人，2017；D'Agostino 等人，2019)。因此，数据中心的计算节点具有不同的执行模型，从传统的 x68 架构到 GPU、FPGA（Papadimitriou 等人，2020 年）和其他处理器类型，如 ARM 或更专业的处理器，如 TPU（Albrecht 等人，2019 年；Cass，2019 年）。例如，GPU 用于许多基于常规领域的科学应用中，并且提供的性能比传统内核高出几个数量级。它们也广泛用于深度学习，尤其是机器学习训练阶段。FPGA 是一种可以由程序员配置以实现特定功能的集成电路，它试图缩小硬件和软件之间的差距。在此背景下，该研究主题收集了五篇论文，展示了在高能物理中采用异构架构进行 AI 和大数据应用的非常有趣的经验。在 GPU 加速机器学习推理作为中微子实验计算服务 (Wang 等人) 中作者讨论了通过利用 GPU 资源作为服务为在深层地下中微子实验 (DUNE) 背景下开发的 ProtoDUNE-SP 重建链所实现的性能。这篇文章代表了在中微子软件框架中使用 GPU 加速机器学习的首次体验之一。最耗时的任务，即轨迹和粒子簇射命中识别，已加速 17 倍。在使用 CMS 像素跟踪器对轨迹和主顶点进行异构重建（Bocci 等人）中作者描述了一种在 GPU 上实现像素轨迹和顶点重建链的异构实现，能够实现高性能加速值。在 FPGA 上用于高能物理实时粒子重建的距离加权图神经网络（Iiyama 等人）中所开发的框架已集成到 CMS 粒子探测器重建软件 CMSSW (http://cms-sw.github.io) 中，CMSSW 用于检测 CMS 实验中 LHC 高能碰撞产生的粒子和现象。作者提出了一种新方法，将图神经网络从复杂的现代机器学习包导出到高效的 FPGA 实现中。