Arbeids- og kompetanseområde
Partikkelfysiker, forsker på data fra ATLAS-eksperimentet på CERN. Over snittet interessert i CP-egenskapene til Higgs-bosonet, både i produksjon og i henfall.
Fokuserer spesielt på maskinlæringsmetoder for rekonstruksjon, for kalibrering, og for søk etter nye fysikkfenomen. Har også jobbet med maskinlæring for en rekke andre applikasjoner.
Interessert i mastergradsprosjekt?
I ATLAS-gruppen tilbyr vi en rekke stilige prosjekt innenfor maskinlæring, software og computing. Noen eksempler på tidligere og pågående masteroppgaver i gruppen:
- Tau lepton classification with graph neural networks, T S Kristensen
- Assessing model robustness and performance through noise: A case study using data from the ATLAS experiment, I Foster
- Using graph neural networks in high energy physics data analysis, Ø Vikane
- Specially designed random forest loss function for high energy physics, D Sprindys
- Interpretable machine learning and feature selection in the search for dark matter, Ø J Birkeland
- Applied machine learning on ATLAS data in search for supersymmetry, C Steinfinsbø
Fremtidige prosjekt kan være innen utvikling av nye maskinlæringsmetoder, fortrinnsvis nevrale nettverk; innen analyse og forbedring av robusthet, tolkbarhet og forklarbarhet av maskinlæringsmodeller; automasjon av dataanalyser; anomali-deteksjon, eller andre relaterte tema. Opphold på CERN kan gjerne inngå i prosjektet.
Underviser i
Fysikk, matematikk, maskinlæring.
Forskar på
Partikkelfysikk, spesielt Higgs-henfall til tau-leptoner.
Maskinlæring og dataanalyse, spesielt nye arkitekturer for nevrale nettverk tilpasset data fra eksperimentene ved LHC.
Publikasjonar
-
Towards integrating of machine learning into array processing pipelines
-
Introduksjon til partikkelfysikk
-
Hva er KI?
-
Goals for HL-LHC and how to meet them
-
Update on MDN for TES
