Інфопакет

Науковий семінар за спеціальністю

ВБ 4.4

Вибіркова дисципліна для ОП

Другий

2018/2019

4 Семестр

3

Підготовка студентів до представлення магістерських робіт до захисту на екзаменаційній комісії та підготовці питань, що виносяться на комплексний іспит.

Очна форма

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,

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.

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

Семінари – 30 год. Самостійна робота – 60 год.

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.

українська