物理∩ML研讨会

HEP中的可微规划

日期: 12月14日，星期三

时间:上午11

的地方:在线研讨会:请在www.physicsmeetsml.org上注册我们的邮件列表以获取缩放链接。我们还将在Chamberlin 5280进行现场直播。

发言人:卢卡斯·海因里希，慕尼黑工业大学

文摘:过去十年机器学习的兴起在很大程度上也得益于可微分编程和基于梯度的方法在优化和统计推理方面的成功。超越了传统的深度学习，可微编程允许物理学家在整个机器学习工作流中注入领域知识，从通过对称向模型添加归纳偏差，到在损失定义中使用物理模型，或定义更有信息的标签数据。虽然这可能会显著提高机器学习在物理学中的应用的可解释性和效率，但在用可微编程语言铸造关键物理过程方面仍然存在挑战——特别是对于在高能物理学中观察到的深度分层随机过程。在这次演讲中，我将回顾近年来将可微规划作为一种范式应用于HEP的研究进展，并指出新的研究方向。

主持人:加里的大片

将此事件添加到日历中