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.

Suporte

Email: helpdesk@incd.pt