Науковий семінар за спеціальністю

Освітня програма: Фізика високих енергій

Структурний підрозділ: Фізичний факультет

Назва дисципліни
Науковий семінар за спеціальністю
Код дисципліни
ВБ 4.4
Тип модуля
Вибіркова дисципліна для ОП
Цикл вищої освіти
Другий
Рік навчання
2023/2024
Семестр / Триместр
4 Семестр
Кількість кредитів ЕСТS
3
Результати навчання
Підготовка студентів до представлення магістерських робіт до захисту на екзаменаційній комісії та підготовці питань, що виносяться на комплексний іспит.
Форма навчання
Очна форма
Попередні умови та додаткові вимоги
1.Знати основні постулати класичної та релятивістської механіки і спеціальної теорії відносності; фізичні принципи роботи детекторів іонізуючого випромінювання; характеристики іонізуючого випромінювання; принцип дії прискорювачів, алгоритми та методи обробки експериментальних даних. 2. Вміти роботи презентацію магістерської роботи; чітко відповідати на питання, що виносяться до комплексного державного іспиту з фізики; орієнтуватись в питаннях сучасної фізики. 3. Володіти уявленнями про фізичні явища і процеси в субатомних структурах,
Зміст навчальної дисципліни
Формування у студентів узагальнюючих уявлень із фізики високих енергій та ядерної фізики через комплекс знань, наближених до тем магістерського наукового дослідження, сформувати підходи щодо методології сучасних науково-практичних досліджень, фахового застосовування теоретичних знань в професійній діяльності, підготовки до комплексного іспиту з фізики для магістрів.
Рекомендована та необхідна література
1. P.A. Zyla et al. (Particle Data Group), Prog. Theor. Exp. Phys. 2020, 083C01 (2020) and 2021 update. Machine learning. 2. M. D. Schwartz. Modern Machine Learning and Particle Physics. /M. D. Schwartz //https://arxiv.org/abs/2103.12226v1 3. Antonia Creswell. Generative Adversarial Networks: An Overview. / A. Creswell, T. White, V. Dumoulin, K. Arulkumaran, B. Sengupta, A. A Bharath // https://arxiv.org/abs/1710.07035v1, 10.1109/MSP.2017.2765202 4. A. Butter. Generative Networks for LHC events. / A.Butter and T. Plehn // https://arxiv.org/abs/2008.08558v1 5. F. Psihas. A Review on Machine Learning for Neutrino Experiments /F. Psihas, M. Groh, Ch. Tunnell, K. Warburton.// Int. J. Mod. Phys. A. 2020. Vol.35. I.33. -P. 2043005, 10.1142/S0217751X20430058 6. J. Shlomi. Graph neural networks in particle physics. /J. Shlomi, P. Battaglia, J.-R. Vlimant//Machine Learning: Science and Technology - 2020. -Vol. 2, -N.2. -P. 021001. 10.1088/2632-2153/abbf9a
Заплановані освітні заходи та методи викладання
Семінари – 30 год. Самостійна робота – 60 год.
Методи та критерії оцінювання
Семестрове оцінювання: (max/min) Опитування під час занять, підготовка доповідей з фізики наносистем – 60 балів / 36 балів Залік проводиться в письмовій формі. Максимальна кількість балів, які можуть бути отримані студентом під час заліку дорівнює 40. Для отримання загальної позитивної оцінки з дисципліни оцінка за залік не може бути меншою 24 балів. Студент не допускається до заліку, якщо під час семестру набрав менше ніж 36 балів.
Мова викладання
українська

Викладачі

Ця дисципліна викладаеться наступними викладачами

Кафедри

Наступні кафедри задіяні у викладанні наведеної дисципліни