Projetos atendidos

Participação em colaboração internacional

Laboratório HEPGrid integra rede global de processamento de dados para pesquisas da Covid-19

O Laboratório HEPGrid (High Energy Physics Grid), do Instituto de Física da Universidade do Estado do Rio de Janeiro (Uerj), fez parte de um seleto grupo de instituições de todo o mundo dedicadas a combater a pandemia por meio do compartilhamento de uma malha global de serviços computacionais de alto desempenho, voltada a diversas áreas do conhecimento, a Open Science Grid (OSG). No Brasil, apenas a Uerj e a Universidade Estadual Paulista Júlio de Mesquita Filho (Unesp) participam dessa rede de cooperação internacional, contribuindo diretamente para alavancar os estudos sobre o novo coronavírus.

A estrutura computacional do HEPGrid da Uerj disponibilizou mais de 300 núcleos (alcançando o equivalente a mais de 25000 horas computacionais) com as pesquisas do OSG. Com isso, o laboratório da universidade chegou a alcançar, na semana passada, a marca de 14º centro que mais processou essas informações, no mundo. Os principais projetos que atualmente utilizam os recursos computacionais do laboratório são: COVID19_FoldingAtHome, COVID19_Stanford_Das, COVID19_WeNMR e também o COVID19_UCSD_Hsiao.

Projetos Atendidos

Disciplinas da graduação

Disciplina Aprendizagem de Máquina

Professor: Antonio Vilela e Maria Clemencia Mora Herrera 

Instituto de Física da UERJ

Disciplina Análise de dados

Professor: Dilson de Jesus Damião, Eliza Melo da Costa, Maurício Thiel

Instituto de Física da UERJ

Projetos de pesquisa em andamento

Estudos de desenvolvimento de trigger de L1 baseado redes neurais profundas implementadas em FPGA

Professor: Murilo Rangel

Instituto de Física da UFRJ

Busca por produção de pares de bósons de Higgs com IA no ATLAS

Professora: Marisilvia Donatelli

Instituto de Física da UERJ

Regressão e classificação de eventos usando bibliotecas de ML em dados do LHC

Professora: Maria Clemencia Mora Herrera

Instituto de Física da UERJ

Construção de um detector a gás do tipo GEM (Gas Electron Multiplier) e Thick-GEM (GEM espesso) para a aquisição de imagens de raios X

Professores: José Brant de Campos e Jorge Luís Machado do Amaral 

Faculdade de Engenharia da UERJ - LARISA

Desenvolvimento de técnicas de aprendizagem de máquina para implementação em hardware com o objetivo de detectar sinais de formas de ondas de detectores de partículas

Professor: Helio Nogima

Instituto de Física da UERJ

Estudos de desenvolvimento de trigger de L1 baseado redes neurais profundas implementadas em FPGA 

Professor: Andre Sznajder

Instituto de Física da UERJ

Análises de dados associadas aos seguintes projetos de pesquisa no CMS: 

Busca pela produção de matéria escura em associação com quarks bottom e um jato gordo ou um par de léptons

Medição dos coeficientes de EFT na produção de um par de quarks top-antitop utilizando redes neurais parametrizadas

Implementação de  modelos de redes neurais artificiais listados abaixo no HEPHeroML visando seu uso em atividades de análise e serviço do CMS. Para isso, eu precisei usar a GPU disponível no HEPGrid. 

Pesquisador: Gilson Correia Silva

Centro Brasileiro de Pesquisas Físicas

Projeto de pesquisa concluídos

Projeto: Estudo de problemas fundamentais de Cientometria e Bibliometria usando computação e construção de modelos matemáticos na área da Ciência da Informação.

Professor: Gerson Pech

Instituto de Física