L I P

Laboratório de Instrumentação e Física Experimental de Partículas

L I P

L I P [PARTICLES AND TECHNOLOGY]

O objectivo do Centro de Competências em Simulação e Grandes volumes de Dados é fomentar uma colaboração eficiente entre os diferentes grupos do LIP que trabalham nestas áreas e aumentar a capacidade de explorar as competências existentes, tanto interna como externamente, na relação com a universidade e a indústria. Os diferentes grupos do LIP têm um leque de comptências variado na análise de dados e ferramentas de simulação, que inclui modelos de física, geradores de Monte Carlo, ferramentas de simulação de detectores, técnicas de processamento de grandes volumes de dados e "data-mining". A capacidade de beneficiar destas competências depende de atingirmos massa crítica, termos programas de formação concertados, explorarmos as sinergias entre grupos e identificarmos claramente as áreas chave em que o LIP pode contribuir.

O Centro de Competências iniciou a sua actividade em 2017, tendo como primeiras prioridades a identificação das competências técnicas em que os membros do LIP são especialistas, começar um programa de formação e estabelecer o plano de acção para os próximos anos.

Simulation

In 2017, the Simulation branch of the competence center undertook a survey of the GEANT4 competences at LIP. The following items were identified:


  • LIP is a member of the GEANT4 collaboration for more than 10 years, accumulating an important expertise, both from the user and developer points of view, with an important know-how beyond applications development;
  • LIP members hold expertise in several GEANT4 kernel categories;
  • There is a potential to increase LIP’s contribution to the GEANT4 toolkit;
  • LIP members undertake teaching activities in MSc and PhD level courses with some emphasis in GEANT4.

Big Data

The Big Data branch of the competence center developed a survey of the big-data and machine learning competences at LIP, and the following items were identified:


  • Development of multivariate data analysis using advanced techniques (e.g. boosted decision trees, shallow and deep neural networks and principal component analysis);
  • Expertise in modern tools used in HEP and beyond it (e.g. TMVA, Octave, Keras, SK-learn, Pandas, Theano, Tensorflow);
  • Expertise in advanced methods for training and validation of multivariate analysis (e.g. use of accelerators such as GPUs, distributed training and cross-validation);
  • Expertise in complex file systems and tools to deal with large volumes of data.
img13

Cloud Computing

O serviço é vocacionado para aplicações que não se enquadrem nos paradigmas de computação HTC ou HPC.

View more

HTC Computing

Processamento sequencial de elevado débito.

View more

HPC Computing

Processamento paralelo de elevado desempenho.

View more


Suporte

Email: helpdesk@incd.pt




  • Deep Learning for the Classification of Quenched Jets
  • Autor(es):  L. Apolinário, N. F. Castro, M. Crispim Romão, J. G. Milhano, R. Pedro, F. C. R. Peres
  • Submissão:  2021-06-18, Aceitação:  2021-06-18, Publicação:  2021-06-18
  • Referência:  arXiv:2106.08869   Ver publicação

  • A continuous integration and web framework in support of the ATLAS Publication Process
  • Autor(es):  Juan Pedro Araque Espinosa, Gabriel Baldi Levcovitz, Riccardo-Maria Bianchi, Ian Brock, Tancredi Carli, Nuno Filipe Castro, Alessandra Ciocio, Maurizio Colautti, Ana Carolina Da Silva Menezes, Gabriel De Oliveira da Fonseca, Leandro Domingues Macedo Alves, Andreas Hoecker, Bruno Lange Ramos, Gabriela Lemos Lúcidi Pinhão, Carmen Maidantchik, Fairouz Malek, Robert McPherson, Gianluca Picco, Marcelo Teixeira Dos Santos
  • Submissão:  2020-05-14, Aceitação:  2021-02-28, Publicação:  2021-05-11
  • Referência:  JINST 16 (2021) T05006   Ver publicação

  • Getting the public closer to the experimental facilities: How Virtual Reality helps High Energy Physics experiments engage public interest
  • Autor(es):  Ana Peixoto et al.
  • Submissão:  2020-11-24, Aceitação:  2020-11-24, Publicação:  2021-04-15
  • Referência:  PoS ICHEP2020 (2021) 954   Ver publicação

  • Use of a Generalized Energy Mover's Distance in the Search for Rare Phenomena at Colliders
  • Autor(es):  M. Crispim Romao, N.F. Castro , J.G. Milhano, R. Pedro, T. Vale
  • Submissão:  2020-04-20, Aceitação:  2021-01-18, Publicação:  2021-02-26
  • Referência:  Eur. Phys. J. C 81, 192 (2021)   Ver publicação

Ver todas as publicações do grupo


  • ANTS
  •  Anger camera-type detector simulation and experimental data processing tools.
  •     website


Ver todas as publicações do grupo





Address

Contacts


Send me a message/comment

Logos institucionais


    Parceiros
  • Co-financiado
    Co-financiado


Política de cookies

Este site utiliza cookies, com o objetivo de melhorar a sua utilização. Ao navegar no site estará a consentir a sua utilização.


Laboratório de Instrumentação e Física Experimental de Partículas   LIP.PT

Window-Size
// User: carlos@lip.pt EDITAR GUARDAR