Datové struktury a algoritmy simulace v dodekaedrické topologii
Školitel: doc. Ing. Jaromír Kukal, Ph.D.
Název anglicky: Data Structures and Algorithms for Simulation in Dodecahedral Topology
Jak sítě s hexagonální topologií ve 2D tak sítě s dodekaedrickou topologií ve 3D mají celou řadu vlastností, které vedou k novým výsledkům při simulaci difuze s chemickou reakcí a v dalších aplikacích. Těžištěm práce je návrh datových struktur a algoritmů pro simulaci reálných systémů a na něj navazující implementaci zajišťující snadné zadání matematického modelu. Předpokladem je znalost numerických metod řešení parciálních diferenciálních rovnic a schopnost efektivní implementace v prostředí Matlabu.
Kompletní zadání v PDF (EN)Využití strojového učení pro zpracování velkých objemů fyzikálních dat
Školitel: doc. Ing. Miroslav Virius, CSc., školitel specialista: Ing. Vladimír Jarý, Ph.D.
Název anglicky: Processing of Large Quantities of Physics Data Using Machine Learning
Systémy detektorů v moderních experimentech na poli částicové fyziky produkují data ve velkých objemech, které není se současnými technologiemi možné vyhodnocovat a ani ukládat. V důsledku toho je tedy vybrána pouze část produkovaných dat, která vykazuje zajímavé fyzikální vlastnosti. Rozhodnutí, která data se zahodí a která použijí pro následné zpracování, řídí trigger systémy. Tyto systémy jsou v současnosti obvykle implementovány hardwarově, používají předdefinovaná kritéria pro určení pravděpodobnosti, že daná událost nese užitečná fyzikální data. Nad hardwarovým triggerem může být implementován i softwarový trigger, který funguje jako dodatečná úroveň filtrace dat. Softwarový trigger může využívat sofistikovanější algoritmy pro filtraci dat.
S rostoucím výkonem hardwaru se objevují snahy o zavedení systémů pro sběr dat bez hardwarového triggeru. V takovém systému se filtrace dat přesune výhradně na softwarovou úroveň. Úkolem řešitele bude navrhnout algoritmy pro filtrování dat. Tyto algoritmy budou muset zpracovat všechny události produkované systémem detektorů experimentu a zároveň vybrat tu část, která bude odpovídat potenciálně zajímavým datům a zároveň ji bude schopné úložiště experimentu ukládat.
S ohledem na parametry úlohy bude vhodné při návrhu algoritmů uvažovat použití metod strojového učení. Řešitel analyzuje vhodnost použití existujících metod a navrhne nové možnosti filtrace fyzikálních dat. Po dokončení návrhu řešitel algoritmy implementuje v kontextu systému sběru dat konkrétně zvoleného fyzikálního experimentu.
Řízení vytížení výpočetních prostředků a toku dat v systému sběru dat
Školitel: doc. Ing. Miroslav Virius, CSc., školitel specialista: Ing. Vladimír Jarý, Ph.D.
Název anglicky: Control of Load of Computational Resources and Data Flow in Data Acquisition System
Experimenty v částicové fyzice používají systém triggerů pro rozhodnutí, které události zachycené systémem detektorů se zaznamenají do úložiště a které se zahodí. V současnosti se valná většina experimentů spoléhá na hardwarovou implementaci trigger systému. Značnou nevýhodou hardwarové implementace je fakt, že trigger systém může pro rozhodování využít pouze signály z detektorů s nízkou latencí.
V souvislosti s nedávným vývojem technologii se stává stále uskutečnitelnější myšlenka vytvořit systém sběru dat, který by hardwarové triggery nevyužíval. Místo nich by se přešlo na trigger softwarový, ve kterém by v reálném čase probíhala rekonstrukce fyzikálních událostí.
Úkolem řešitele bude navrhnout univerzální architekturu takovéhoto systému včetně algoritmů pro plánování a řízení toků dat v tomto systému. Po navržení obecného řešení bude dalším úkolem implementace pro konkrétně vybraný fyzikální experiment.