Differences

This shows you the differences between two versions of the page.

--- grants:main [22/12/2022 23:30] – [РНФ № 22-22-00119] kryukov
+++ grants:main [25/04/2024 18:26] (current) – ↷ Links adapted because of a move operation admin
@@ Line 1: / Line 1: @@
 ====== Текущие гранты ======
-[[archive|Архив]]
+[[./archive/main|Архив]]
-===== РФФИ № 20-52-15005 =====
-«Расчет и интерпретация сигналов Темной Материи, полученных на коллайдерах и в астрофизических экспериментах, в рамках стандартного космологического сценария и его расширений»
+===== РНФ-24-11-00136 =====
-Руководитель: А.Е.Пухов
+//**А.Крюков**//
-Понимание природы Темной Материи, гравитационное проявление которой надежно установлено, является актуальной задачей, успешное решение которой способно указать направление дальнейшего развития физики элементарных частиц. В настоящее время проводится более десятка экспериментов по обнаружению сигналов Темной Материи. С другой стороны предлагается множество расширений Стандартной Модели, содержащих частицы, которые являются кандидатами на роль Темной Материи. Предлагаемый проект посвящен развитию компьютерной программы micrOMEGAs, предназначенной для вычисления сигналов Темной Материи в рамках произвольной модели взаимодействия элементарных частиц, заданной через вершины взаимодействия (правила Фейнмана). Предлагаемый проект развивается с 2006 года. На данном этапе мы собираемся расширить класс космологических сценариев, при которых micrOMEGAs может успешно рассчитывать реликтовую плотность Темной Материи, и вычислять потенциально детектируемые сигналы для большого числа экспериментов. К последним относятся массивные подземные детекторы, нейтринные телескопы, детектирование следов аннигиляции Темной Материи в галактике, а также эксперименты по поиску Темной Материи на ускорителях. Одновременно с этим мы планируем предложить ряд новых расширений Стандартной Модели, содержащих частицу Темной Материи и удовлетворяющих существующим экспериментальным ограничениям. Кроме новых оригинальных расширений Стандартной Модели научная новизна исследования определяется полной автоматизацией всей цепочки вычислений, начиная от лагранжиана модели и заканчивая предсказанием сигналов для современных экспериментов.
+**[[grants:ml4gamma:main|Методы машинного обучения для совместного анализа мультимодальных экспериментальных данных и извлечения редких событий в гамма-астрономии]]**
-===== РНФ № 22-22-00119 =====
+-2026.
-//2022-2023гг.//
-**Прецизионные вычисления сечений процессов одиночного и парного рождения тяжелых кваркониев при высоких энергиях**
+В современную цифровую эпоху порождаются все увеличивающиеся объемы данных. Поэтому обработка и анализ получаемой информации является одной из наиболее важных и насущных задач. Часто эти данные поступают из различных источников, отражают различные стороны объектов или явлений и являются существенно неоднородными. Такие данные имеют разные типы и форматы, что очень сильно затрудняет их совместный анализ. В связи с этим, есть потребность в разработке новых эффективных и совершенствовании существующих методов совместного анализа больших потоков разнородных, мультимодальных данных, что является центральной научной проблемой, на решение которой направлен данный проект.
-**Руководитель: А.Липатов.** \\
+Актуальность этой проблематики обусловлена многочисленными примерами важности таких методов в конкретных прикладных областях, например, в медицине, управлении процессами жизнедеятельности городов, климатических и экологических исследованиях, естественных науках и многих других.
-Исполнители - Прохоров, С.Баранов, Багдатова
-Основной целью проекта является изучение процессов одиночного и парного рождения тяжелых кваркониев (чармониев и боттомониев) при высоких энергиях и выработка прецизионных теоретических предсказаний для сечений и иных наблюдаемых этих процессов с помощью неинтегрированных (зависящих от поперечных импульсов) функций распределения глюонов в протоне (в зарубежной литературе Transverse Momentum Dependent — TMD). Эти распределения в последнее время являются предметом интенсивных теоретических исследований и широко используются в феноменологическом описании многочисленных процессов взаимодействия элементарных частиц при энергиях современных коллайдеров, в том числе Большого Адронного Коллайдера — БАК, или LHC. С теоретической точки зрения концепция TMD тесно связана с доказательством так называемой kt-факторизации, которая является обобщением стандартной факторизации в рамках квантовой хромодинамики (КХД). С феноменологической точки зрения, важность TMD-распределений определяется возможностью учета внемассовости амплитуд рассеяния и более точного учета кинематики процессов на партонном уровне по сравнению со стандартными (коллинеарными) функциями распределения партонов. Таким образом, TMD-распределения играют важную роль в изучении адронных наблюдаемых, которые чувствительны к деталям партонной динамики. Предполагаемое в рамках данного проекта развитие методов вычислений в следующем за ведущим приближении kt-факторизационного подхода представляется чрезвычайно важным для получения таких прецизионных предсказаний. Кроме того, в этих расчетах планируется применить предложенный недавно одним из авторов проекта новый механизм перехода октетных состояний в наблюдаемый кварконий (который позволил решить актуальную проблему деполяризации J/Psi и psi' мезонов в области средних и больших поперечных импульсов). Процессы парного рождения тяжелых кваркониев (таких, как J/psi+J/psi, J/psi + Upsilon и др.) только сравнительно недавно стали доступны для экспериментального анализа. На данный момент проблема теоретического описания сечений таких процессов в рамках нерелятивистской КХД остается нерешенной. Существующие расчеты демонстрируют значительное (более, чем на порядок) отличие от экспериментальных данных коллабораций ATLAS и CMS в центральной области по быстроте частиц. В рамках предлагаемого проекта впервые будут изучены фрагментационные вклады от глюонных эмиссий, возникающих в ходе эволюции глюонных распределений, подчиняющихся уравнению эволюции СCFM. Также будут рассмотрены вклады от двойного партонного рассеяния в сечения таких процессов. Ожидается, что будет достигнуто или (по крайней мере) значительно улучшено согласие с экспериментальными данными коллабораций ATLAS и CMS. Актуальность планируемых исследований определяется большим количеством экспериментальных данных, полученных на коллайдере LHC и других современных коллайдерах, которые требуют теоретического описания в рамках КХД. Предполагаемое решение фундаментальной проблемы самосогласованного описания как сечений рассматриваемых процессов, так и поляризационных наблюдаемых позволит получить более глубокое понимание структуры адронной материи, пространственного и импульсного распределения кварков и глюонов, их эволюционной динамики, в частности, в области малых значений доли продольного импульса х.
+Конкретной задачей в рамках проблемы, на решение которой направлен проект, является разработка новых эффективных способов совместного анализа мультимодальных данных, которые будут протестированы на реальных данных из области гамма-астрономии, а именно данных, получаемых с помощью гибридного эксперимента TAIGA, регистрирующего широкие атмосферные ливни. Мультимодальность означает, что совокупный набор данных состоит из нескольких подмножеств, каждое из которых содержит данные одного типа. Важно отметить, что мультимодальность характерна в целом для современной многоканальной астрономии, поскольку собираемая информация об изучаемых явлениях имеет большое разнообразие по своей природе и характеристикам. Новизна предлагаемого проекта обусловлена новаторским методологическим подходом для решения этой задачи, а именно осуществлением объединения и совместного анализа не на уровне сырых экспериментальных данных, а после извлечения с помощью нейросетевых технологий их существенных признаков, которые отражают сущность явления, а не конкретный метод его регистрации. Использование существенных признаков позволит выделить редкие явления, к которым относятся гамма частицы.
 ===== Проект НЦФМ =====
 Научная программа Национального центра физики и математики (г.Саров),  направление № 5 «Физика частиц и космология»
+//2021-2025 гг.//
 **Теоретическое исследование новых моделей и сигналов темной материи для экспериментов на коллайдерах. Квантовые эффекты в искривленном пространстве-времени и решение некоторых проблем СМ**
@@ Line 28: / Line 26: @@
 **Руководитель: Э.Э.Боос** \\
 Участники: И.Волобуев, В.Буничев, М.Дубинин, А.Пухов, М.Смоляков, Е.Федотова, С.Вернов, В.Егоров, Д.Казаркин
--2025 г.г.
 **Цель работы:** \\
 Теоретические исследования возможных проявлений и оптимизация рекомендаций по обнаружению частиц темной материи в обсуждаемых экспериментах на коллайдерах, получение новых более жестких ограничений на свойства частиц темной материи в рамках существующих и новых моделей их взаимодействий. Решение проблем Стандартной модели, в том числе проблемы иерархий, с помощью промежуточных масштабов, возникающих вследствие квантовых эффектов в искривленном пространстве-времени.
-===== РНФ-22-21-00442 =====
-//2022-2023 гг//
-**Моделирование выборок случайных событий с учетом априорной информации в астрофизических экспериментах методами машинного обучения**
-Руководитель: A.Kryukov
-++++ Участники|
-  * J.Dubenskaya - Principal investigator
-  * E.Gres - Investigator
-  * A.Vlaskina - Investigator
-  * A.Demichev - Investigator
-  * S.Polyakov - Investigator
-++++
-Научной проблемой, на решение которой направлен проект, является исследование и разработка методов машинного обучения для анализа моделей физических явлений с использованием выборок случайных состояний (семплов). До последнего времени практически единственным подходом, позволяющим численно моделировать очень сложные физические явления, являлся подход на основе методов Монте-Карло. Однако использование реалистичных физических моделей на основе метода Монте-Карло требуют весьма больших временных и ресурсных затрат. Одним из альтернативных и весьма перспективных методов является использование методов машинного обучения для генерации выборок случайных векторов.
-++++ Продолжение|
-Отличительной особенностью моделирования физических явлений, особенно в физике элементарных частиц и космических лучей, является необходимость воспроизвести состояния системы с учетом ограничений, определяемых природой физического явления. Априорные знания могут иметь форму логических правил, алгебраических или дифференциальных уравнений (например законы сохранения или уравнения связей между параметрами или степенями свободы, описывающими изучаемые явления), наличия симметрий относительно дискретных или непрерывных групп входных/выходных данных, а также заранее известные вероятностные соотношения между данными. В методе Монте-Карло такие ограничения вводятся на уровне математической модели. Для методов машинного обучения, основанных на принципе обучения, такие ограничения воспроизводятся с трудом. Особенно это касается различных статистических распределений по совокупности состояний. Эти проблемы можно решить путем дополнительного включения априорных знаний о таких ограничениях в процесс обучения. В этом состоит новизна предлагаемого подхода к решению общей проблемы — эффективного генерирования выборок случайных состояний (семплов) с учетом априорных знаний. Практическая проверка разрабатываемых подходов будет применена для анализа моделей физических явлений в астрофизике частиц.
-Конкретной задачей данного проекта в рамках общей проблемы является исследование и разработка методов глубокого обучения генерации выборок многомерных случайных векторов в пространствах с большим числом измерений, с учетом априорной детерминистской и вероятностной информации о генерируемых событиях и их выборках для моделирования сложных физических явлений на примере экспериментов в области наземной гамма-
-астрономии. Наземная гамма-астрономия изучает излучение гамма-квантов галактического и внегалактического происхождения с помощью специально разработанных установок, так называемых атмосферных черенковских гамма-
-телескопов (Imaging Atmospheric (or Air) Cherenkov Telescope, IACT). С помощью этого метода гамма-излучение
-регистрируется на земле оптически как черенковский свет, порождаемый ливнями вторичных частиц, когда гамма-кванты очень высокой энергии попадают в атмосферу. Гамма-кванты таких энергий составляют лишь малую долю (меньше одной десяти тысячной) потока космических лучей, состоящего, в основном, из протонов. Для анализа данных, планирования эксперимента и других задач необходимо проводить моделирование, результатом которого должны стать сотни тысяч и миллионы событий, включая протонные события, являющиеся фоном. На разработку эффективных алгоритмов машинного обучения для генерации семплов и направлен предложенный проект. Решение данной проблемы является весьма важным для гамма-астрономии, поскольку благодаря отсутствию электрического заряда, гамма-кванты несут информацию об их сверхудаленных источниках, в которых происходят экзотические и экстремальные процессы во Вселенной.
-Интеграция в процесс обучения априорных, заранее известных знаний позволит заметно повысить качество полученных выборок, а следовательно и качество моделирования событий, в частности, событий широких атмосферных ливней, регистрируемых черенковскими телескопами. Практическими задачами проекта будут: исследование существующих и разработка новых методов машинного обучения для генерации случайных векторов с учетом априорной информации; разработка алгоритмов на их основе и их программная реализация; исследование, сравнение, выбор наилучшего (или лучших) методов; сравнение с существующими методами. В ходе осуществления проекта будет проведен полный цикл исследований и решения поставленных задач — от теоретической разработки подхода до практической программной реализации.
-++++
-[[dlcp:kryukov22:about|Сайт гранта РНФ-22-21-00442]]