Risikovorhersage Schlüsselexperimente Globale Vernetzung Kenntnistransfer

Transkript

1 Moderne Neuere Entwicklungen statistische in Methoden der als Basis Teilchenphysik: für individualisierte Risikovorhersage Schlüsselexperimente Globale Vernetzung Kenntnistransfer Prof. Dr. Dr. Michael Feindt Feindt Institut für für Experimentelle Kernphysik Kernphysik Universität Karlsruhe Wissenschaftlicher Beirat der Phi-T Physics Information Technologies GmbH 1

2 Neuere Entwicklungen in der Teilchenphysik: Schlüsselexperimente Globale Vernetzung Kenntnistransfer Prof. Dr. Michael Feindt Institut für Experimentelle Kernphysik Universität Karlsruhe 2

3 Elementarteilchenphysik beschäftigt sich mit den kleinsten Strukturen im Universum Die Welt im Kleinen Rosen ,001 m 1 m km 3

4 Deutsches Elektronen-Synchrotron Hadron-Elektron Ring-Anlage HERA DESY Hamburg 4

5 Erzeugung von schweren Teilchen (und Antiteilchen) aus reiner Energie (Mini-Urknall) Teilchen Antiteilchen Energie Licht (Photon) 5

6 2 Originalton Einstein 6

7 2 Aus der speziellen Relativitätstheorie folgt, daß Masse und Energie beides nur verschiedene Erscheinungsformen derselben Sache sind -- eine etwas ungewöhnliche Betrachtungsweise für einen durchschnittlichen Geist. 7

8 2 Weiterhin zeigt die Gleichung E gleich m mal c-quadrat, in der Energie mit Masse, multipliziert mit dem Quadrat der Lichtgeschwindigkeit, gleichgesetzt wird, daß eine sehr kleine Menge Masse in eine sehr große Menge Energie umgewandelt werden kann und umgekehrt. 8

9 2 Masse und Energie sind sogar äquivalent nach der obengenannten Formel. Dies wurde von Cockcroft und Walton 1932 experimentell demonstriert. From the soundtrack of the film, Atomic Physics copyright J. Arthur Rank Organization, Ltd.,

10 Annihilation Feynman-Diagramm k k g + µ ν µν M 2 A= ( ie) 2 u(p ) γ u(p ) u(p ') γ u(p ') 1 µ k 2 M 2 ν 10

11 Der LEP - Speicherring am CERN 11

12 Das Forschungslabor CERN bei Genf 12

13 Blick in den Tunnel: 27 km Magnete und Kavitäten 13

14 Magneten von LEP 14

15 Supraleitende Beschleunigungsstrecke für LEP II 15

16 Zugang zum DELPHI-Experiment 16

17 100 Meter tiefer: DELPHI 17

18 DELPHI Endplatte 18

19 19

20 20 OPAL Experiment am LEP

21 Teilchenphysik goes Space: AMS-Experiment auf ISS: (Start 2005) Suche nach Antimaterie im Weltraum Suche nach Supersymmetrie 21

22 Fortschritt in der experimentellen Teilchenphysik kleinere Strukturen höhere Energien größere Anlagen extremer technologischer Aufwand hohe Kosten große Gruppen (LHC Exp.: >2000 Physiker) internationale Zusammenarbeit Kommunikationsprobleme extreme Effizienz Spin-Offs 22

23 Kenntnistransfer Erkenntnistransfer Technologie-Transfer 23

24 Das World Wide Web - - ein Kind der Teilchenphysik Entwicklung am CERN 24

25 Das Internet -- ein Small-World World-Netzwerk 25

26 Interessante Erkenntnisse aus der Komplexitätstheorie: Ausfallsichere (small world) Netzwerke: lokale Clusterbildung, einige schwache Bindungen zu entfernten Knoten Erklärt völlig verschiedene Phänomene: Internet/ WWW Soziale Netzwerke Netzwerke von Wissenschaftlern Netzwerke im Gehirn Ausbreitung von Seuchen Ausbreitung von Modeerscheinungen Warum Reiche immer reicher werden Literaturtipp: Mark Buchanan: : Small Worlds,, Campus

27 Die Weiterentwicklung des Web: Grid Computing Globales Teilen von Speicherplatz und CPU 27

28 < phi-t >NeuroBayes Neuronale Netzwerke: Selbstlernende Verfahren, der Natur nachempfunden Frontal Lobe Motor Cortex Parietal Cortex Temporal Lobe Brain Stem Occipital Lobe Cerebellum 28

29 < phi-t >NeuroBayes Die Information steckt in den Verbindungen zwischen den Nervenzellen Datenbank wkl Struktur des Verfahrens wlj 1. Datenbank 2. Input Vektoren 3. Mathematische Operation 4. Output Vektoren 5. Spline Fit = Dateninterpolation 6. Ausgabedaten inklusive individueller Wahrscheinlichkeiten 29

30 < phi-t >NeuroBayes > beruht auf neuronalen Algorithmen der 2. Generation, Bayes scher Regularisierung, optimiertem Preprocessing mit Transformation und Dekorrelation der Input-Variablen und linearer Korrelation zum Output. > lernt sehr schnell durch Methoden 2. Ordnung > ist extrem robust gegen Ausreißer > ist immun gegen Auswendiglernen statistischen Rauschens kann > binäre Entscheidungen treffen (klassifizieren) > Vorhersagen machen inklusive Unsicherheiten > komplette Wahrscheinlichkeitsdichten berechnen 30

31 < NeuroBayes > Klassifikationen Klassifikationen: Ja/nein-Entscheidungen. Ausgabewert ist die Wahrscheinlichkeit, dass die Entscheidung richtig ist. Beispiele: > Dies Elementarteilchen ist ein K-Meson. > Deutschland wird bei der WM 2006 Weltmeister. > Kunde Meier wird innerhalb des nächsten Jahres kündigen. > Kunde Schmidt wird innerhalb des nächsten Jahres einen Schaden melden. > Bei dieser Schadensmeldung liegt Betrug vor. 31

32 < NeuroBayes > Wahrscheinlichkeitsdichten Wahrscheinlichkeitsdichte: Für jeden möglichen Wert wird eine Wahrscheinlichkeit angegeben. Daraus können Mittelwert, Median, Modus, Standardabweichung, Percentile etc. abgeleitet werden. Beispiele: > Energie eines Elementarteilchens > Änderung des Preises einer Aktie oder Option > Unternehmensgewinn > Lebenserwartung > Schadenssumme eines bestimmten Versicherungsnehmers 32

33 < NeuroBayes > Prinzip < NeuroBayes > Teacher: Lernen aus bestehenden Datenbanken < NeuroBayes > Expert: Prognosen für unbekannte Daten 33

34 Funktionsweise: Training und Anwendung Historische Daten Datensatz a =... b =... c = t =! NeuroBayes Teacher Aktuelle Daten Expertensystem Expertise Wahrscheinlichkeit, dass Hypothese stimmt (bei Klassifikation) oder Wahrscheinlichkeitsdichte für die gesuchte Grösse t Datensatz a =... b =... c = t =? NeuroBayes Expert f t t 34

35 < NeuroBayes > > Verarbeitet kontinuierliche, diskrete und binäre Eingabedaten > Klassifizierungen und Clusterungen nach Eingabedaten nicht nötig Anwendungen > Grundlagenforschung > Industrielle Forschung > Banken und Versicherungen 35

36 Physikalische Forschung Klassifizierung: Identifizierung von Teilchenarten: Doppelte Signalstärke bei gleichem Untergrundlevel durch NeuroBayes- Auswertung grünes Verfahren: mehrere 10 Millionen CHF Aufwand NeuroBayes: Weitere Steigerung um Faktor 2 mit sehr geringem Mehraufwand 36

37 Physikalische Forschung Optimierte Rekonstruktion reellwertiger Größen: verallgemeinerte Regression erheblich bessere Rekonstruktion (schmaler Peak um +-0) durch NeuroBayes-Technologie gespart: nicht ausdrückbar ückbar, wäre ohne NeuroBayes gar nicht möglich 37

38 Physikalische Forschung Auflösung des rekonstruierten Azimuthalwinkels von B-Hadronen im DELPHI-Detektor Nach Selektionsschnitt auf Fehlerschätzung: Auflösung massiv verbessert und keine Ausläufer > zuverlässige Selektion von guten Ereignissen möglich NeuroBayes Phi-Richtung Bester klassischer chi**2-fit Keine Selektion: Verbesserte Auflösung 38