Speaker
Description
В настоящее время одним из актуальных направлений применения машинного обучения в физике высоких энергий являются задачи поиска оптимальных конфигураций детектирующих систем. Целью подобной оптимизации является нахождение баланса между способностью всех детекторов бесконфликтно выполнять поставленные задачи и стоимостью постройки, или модернизации установки.
В данной работе рассказывается о подходах к комплексной оптимизации с применение методов машинного обучения детекторных систем в сложных экспериментах на примере оптимизации мюонной защиты эксперимента SHiP. Основными факторами успеха оптимизации являются корректный выбор целевой функции, метода оптимизации и способа быстрой оценки конфигураций.
В докладе будут обсуждены проблемы выбора целевой функции, учет ее ограничений с точки зрения эксперимента. Представлены различные подходы к глобальной оптимизации, приемы ускорения расчетной компоненты задачи.
