• Addestramento di modelli di Machine Learning sviluppati per la ricostruzione degli eventi nell'esperimento JUNO: Jonathan Cavallin
  • Tool di REINFORCEMENT LEARNING (campo del machine learning), per il controllo e ottimizzazione dei fasci di particelle (progetto di dottorato): Daniele Zebele
  • Progetto di ricerca in ambito Machine Learning/Reinforcement Learning per l’ottimizzazione del fascio di particelle per ADIGE, associato al lavoro del dottorando Daniele Zebele: Federico Meneghetti
  • Deployment di un fit bayesiano unbinned basato su architettura a grafici acrilici ed Extended Likelihood per l'analisi di oscillazione degli eventi da antineutrino nell'esperimento JUNO: Andrea Serafini

  • No labels