IRIS Institutional Research Information System - AIR Archivio Istituzionale della Ricerca

IRIS è il sistema di gestione integrata dei dati della ricerca (persone, progetti, pubblicazioni, attività) adottato dall'Università degli Studi di Milano.

AIR nasce in UNIMI nel 2006 con lo scopo di raccogliere, documentare e conservare le informazioni sulla produzione scientifica dell'Università degli Studi di Milano e costituisce di fatto l'Anagrafe della ricerca dell'Ateneo.

In these proceedings we perform a brief review of machine learning (ML) applications in theoretical High Energy Physics (HEP-TH). We start the discussion by defining and then classifying machine learning tasks in theoretical HEP. We then discuss some of the most popular and recent published approaches with focus on a relevant case study topic: the determination of parton distribution functions (PDFs) and related tools. Finally, we provide an outlook about future applications and developments due to the synergy between ML and HEP-TH.

Machine learning challenges in theoretical HEP / S. Carrazza. - In: JOURNAL OF PHYSICS. CONFERENCE SERIES. - ISSN 1742-6588. - 1085:2(2018), pp. 022003.1-022003.7. ((Intervento presentato al 18. convegno International Workshop on Advanced Computing and Analysis Techniques in Physics Research, ACAT 2017 tenutosi a Seattle nel 2017.

Powered by IRIS-about IRIS-Utilizzo dei cookie

 Copyright © 2020