Login

ML@HEP

8–9 Jul 2022
東大理学部小柴ホール
Asia/Tokyo timezone

Contact

Contribution List

47 out of 47 displayed
Export to PDF
  1. 1. Introduction
    Junichi Tanaka (University of Tokyo (JP))
    08/07/2022, 13:00
  2. 39. LHCにおける機械学習の利用について（分類問題）
    Masahiro Morinaga (University of Tokyo (JP))
    08/07/2022, 13:05
  3. 2. 加速器へのMLの適用
    Takahiro Nishi (Riken)
    08/07/2022, 13:35
  4. 47. 機械学習を用いたBelle II ビームバックグラウンドの理解
    Hiroyuki NAKAYAMA (KEK)
    08/07/2022, 14:05
  5. 40. ML in large-scale structure cosmology: from emulation to field-level inference
    Takahiro Nishimichi (Kyoto University)
    08/07/2022, 14:40
  6. 21. Machine learning in gravitational wave data analysis
    Prof. Hirotaka Takahashi (Tokyo City University)
    08/07/2022, 15:10
  7. 27. 機械学習を用いた重力波イベントのパラメータ推定
    Kota Tomita (Osaka Metropolitan University), Mahoro Matsuyama
    08/07/2022, 15:40
  8. 29. 機械学習による空気シャワーデータ解析を活用した超高エネルギー宇宙線の質量組成測定
    Ryuhei Arimura (Osaka Metropolitan University)
    08/07/2022, 15:55
  9. 8. 企業講演: 最先端の生成AIとビジネス活用
    Shota Suzuki (Softbank AI project Axross)
    08/07/2022, 16:30
  10. 38. LHCにおける生成モデル・異常検知の活用
    Masahiko Saito (University of Tokyo (JP))
    08/07/2022, 17:00
  11. 43. GANを用いた加速器シミュレータ開発のための基礎研究
    Ryu Watarai (Osaka Metropolitan University)
    08/07/2022, 17:30
  12. 32. Characterization of Realistic Intersecting D-branes Models by Machine Learning
    Keiya Ishiguro (SOKENDAI, Tsukuba)
    08/07/2022, 17:45
  13. 5. グラフニューラルネットワーク
    Liangzhi Li (Osaka University)
    09/07/2022, 09:00
  14. 12. LHCにおける機械学習の利用について（トラッキング）
    Hideyuki Oide (KEK (JP))
    09/07/2022, 09:30
  15. 25. Denoising using Deep Learning on COMET experiment
    Ikuya Sato (Saitama University)
    09/07/2022, 10:00
  16. 33. LHC-ATLAS実験における深層学習を用いた超低運動量電子の識別
    Kaito Sugizaki (University of Tokyo (JP))
    09/07/2022, 10:15
  17. 24. High level reconstruction for ILC with Graph Neural Network
    Taikan Suehara (Kyushu University (JP))
    09/07/2022, 10:50
  18. 22. KamLAND-ZenにおけるNNの利用と開発現状
    Hideyoshi Ozaki (Tohoku University)
    09/07/2022, 11:20
  19. 30. ATLAS ヒッグス対生成 (HH->bbbb) 探索への機械学習応用: NN reweightingによる背景事象推定
    Shota Hayashida (Nagoya University (JP))
    09/07/2022, 11:35
  20. 26. 加速器実験における転移学習の応用
    Tomoe Kishimoto (KEK)
    09/07/2022, 11:50
  21. 31. ベイズ最適化を用いた核子―原子核散乱における光学ポテンシャルの最適化
    Shoto Watanabe (Hokkaido University)
    09/07/2022, 12:05
  22. 41. 機械学習を用いた高速ミューオン飛跡再構成
    Yasuyuki Horii (Nagoya University (JP))
    09/07/2022, 13:20
  23. 23. COMET Phase-Iに向けたニューラルネットワークを実装したFPGAによるオンライン事象選別の研究
    Masaki Miyataki (Osaka University)
    09/07/2022, 13:50
  24. 28. 機械学習を用いたスパースサンプリングによるデータ処理技術の基礎開発
    Chikayo Kato (Osaka Metropolitan Univ.)
    09/07/2022, 14:05
  25. 15. スーパーカミオカンデ大気ニュートリノデータ解析におけるMLの利用
    Roger Wendell (Kyoto University)
    09/07/2022, 14:20
  26. 46. Closing
    Yu Nakahama Higuchi (High Energy Accelerator Research Organization (JP))
    09/07/2022, 14:35
  27. 4. 1-3
  28. 6. 2-2
  29. 7. 2-3
  30. 9. 3-2
  31. 10. 3-3
  32. 11. 3-4
  33. 34. 3-5
  34. 13. 4-2
  35. 14. 4-3
  36. 35. 5-1
  37. 36. 5-2
  38. 37. 5-3
  39. 16. 6-2
  40. 17. 6-3
  41. 18. 6-4
  42. 19. 6-5
  43. 20. 6-6
  44. 44. LHCにおける機械学習の利用について（トラッキング）
    Hideyuki Oide (KEK (JP))

    LHCやその他の高エネルギー実験では、歴史的に荷電粒子の飛跡再構成、トラッキングを行ってきた。近年では機械学習、とくに深層学習の発展に伴いこれをトラッキングに利用する動きが活発になっている。本講演ではトラッキングの基本的な背景から機械学習を用いた手法のレビューを述べる。

    Go to contribution page
  45. 3. LHC分類問題全般
  46. 45. スーパーカミオカンデ大気ニュートリノデータ解析におけるMLの利用
    Roger Wendell

    スーパーカミオカンデ大気ニュートリノデータ解析におけるMLの利用について

    Go to contribution page
  47. 42. 機械学習を用いたBelle II ビームバックグラウンドの理解
    Hiroyuki NAKAYAMA (KEK)