Tập 2 bao gồm học máy để khám phá kiến ​​thức trong vật lý hạt và hạt thiên văn. Các công cụ của họ, ví dụ như máy dò hạt hoặc kính thiên văn, thu thập hàng petabyte dữ liệu. Ở đây, học máy không chỉ cần thiết để xử lý lượng dữ liệu khổng lồ và phát hiện các ví dụ có liên quan một cách hiệu quả mà còn là một phần của chính quá trình khám phá kiến ​​thức. Kiến thức vật lý được mã hóa trong các mô phỏng được sử dụng để đào tạo các mô hình học máy. Đồng thời, việc diễn giải các mô hình đã học được phục vụ để mở rộng kiến ​​thức vật lý. Điều này dẫn đến một chu kỳ tăng cường lý thuyết được hỗ trợ bởi học máy.

Abstract:

Volume 2 covers machine learning for knowledge discovery in particle and astroparticle physics. Their instruments, e.g., particle detectors or telescopes, gather petabytes of data. Here, machine learning is necessary not only to process the vast amounts of data and to detect the relevant examples efficiently, but also as part of the knowledge discovery process itself. The physical knowledge is encoded in simulations that are used to train the machine learning models. At the same time, the interpretation of the learned models serves to expand the physical knowledge. This results in a cycle of theory enhancement supported by machine learning.

Ngôn ngữ:	eng
Tác giả:	Morik, Katharina, Rhode,Wolfgang
Thông tin nhan đề:	Machine Learning under Resource Constraints - Discovery in Physics: Volume 2
Nhà xuất bản:	De Gruyter
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ thông tin
Bản quyền:	https://creativecommons.org/licenses/by/4.0/
Nguồn gốc:	https://www.degruyterbrill.com/document/doi/10.1515/9783110785968/html
Năm xuất bản:	2023