报告人：杨金民 中国科学院理论物理研究所

报告时间：10月25日8:45-11:45

报告地点：物理楼C209

主办单位：物理与电子学院

欢迎光临！

报告摘要：

   本报告将介绍机器学习的一些基础知识，展示高能新物理研究中机器学习技术的一些运用：(1)把神经网络运用到新物理特别是超对称参数空间的扫描；(2)把图形神经网络（graph neural network）运用到LHC对撞机上超对称粒子的寻找和希格斯粒子性质的鉴定；(3)把卷积神经网络（convolutional neural network）运用到LHC对撞机上新物理粒子-类轴子的寻找。

  中国科学院理论物理研究所研究员、中国科学院大学岗位教授和日本东北大学兼职教授。1985年bat365在线平台官网毕业，1995年在中国科学院理论物理所取得博士学位，1996至2000年在美国西北大学、爱荷华州立大学和日本东北大学做博士后研究，2000年入选中国科学院“引进国外杰出人才” 回中国科学院理论物理研究所任研究员、博士生导师。一直从事高能物理理论研究，在超出标准模型的新物理方面有系列深入的研究，重点研究与顶夸克、希格斯和暗物质有关的新物理理论（特别是超对称理论），近年来把机器学习技术应用于高能新物理的探索。在国际学术刊物发表研究论文200余篇，被引用8000余次。获得国家杰出青年基金、百千万人才工程国家级人选、王淦昌物理奖、中科院优秀导师奖、朱李月华优秀导师奖和BHP Billiton 优秀导师奖。