Course Syllabus
Obiettivi
1. Conoscenza e capacità di comprensione
Al termine del corso si acquisiranno:
• conoscenze dei concetti fondamentali dell'utilizzo di Big Data Analytics per l'interpretazione dei dati in Fisica
2. Conoscenza e capacità di comprensione applicate
Si acquisiranno capacità di :
• utilizzo degli strumenti di Big Data Analytics per l'interpretazione dei dati in Fisica
3. Autonomia di giudizio
Si sarà capaci di:
• Interpretare correttamente le scelte strategiche per l'analisi dei dati in Fisica
4. Abilità comunicative
Si saprà:
• esporre con chiarezza gli argomenti oggetto del corso, utilizzando correttamente il linguaggio scientifico.
5. Capacità di apprendimento
Verranno fornite:
• le competenze metodologiche per affrontare lo studio degli argomenti oggetto del corso.
Contenuti sintetici
Il Laboratorio intende fornire esempi dettagliati ed aggiornati dell'uso dei Bg Data Analytics nella ricerca in Fisica, con introduzione teorica alle varie metodologie, esempi su dati reali e possibilità di analizzarte in profondità casi concreti.
Programma esteso
Il corso è organizzato come un laboratorio informatico di 28 ore, interamente pratico su notebook Jupyter, strutturato in dieci sessioni da 2 ore più il tempo introduttivo di setup e la revisione finale/progetto.
Sessione 1 – Introduzione alla fisica delle alte energie e all'ecosistema scikit-hep
Basi del Modello Standard e degli acceleratori di particelle; la libreria particle e il database PDG; prima analisi di eventi reali di dimuoni dai CMS Open Data; la massa invariante come osservabile fisica chiave; panoramica del toolkit scikit-hep.
Sessione 2 – Formati dati HEP: file ROOT, uproot e awkward-array
Lettura di file ROOT con uproot; gestione di dati di collisione a lunghezza variabile con awkward-array; aritmetica dei 4-vettori con la libreria vector; ricostruzione della massa del bosone Z; elaborazione efficiente a blocchi (chunk) di grandi dataset.
Sessione 3 – Spettro dei dimuoni: ricerca di risonanze e analisi esplorativa
Costruzione dello spettro completo della massa invariante dei dimuoni da dati reali CMS su più intervalli di energia; ricerca automatica dei picchi; stima segnale/fondo con il metodo delle sideband; misura della risoluzione del rivelatore; studi di correlazione cinematica.
Sessione 4 – Feature engineering per il machine learning in HEP
4-vettori di Lorentz come base delle feature fisiche; simulazione di un segnale Higgs-a-quattro-muoni e del relativo fondo; misura del potere separatore delle feature con la divergenza di Jensen-Shannon; feature engineering motivata dalla fisica; energia trasversa mancante; analisi di correlazione tra feature.
Sessione 5 – Classificazione del bosone di Higgs con BDT e XGBoost
Il dataset dell'ATLAS Higgs Machine Learning Challenge; pre-elaborazione dei dati; la metrica AMS per la significatività di scoperta; addestramento di un classificatore XGBoost con pesi degli eventi; importanza delle feature; controlli di overtraining; prestazioni per categoria di evento.
Sessione 6 – Identificazione di particelle: il telescopio MAGIC per raggi gamma
Un classico flusso di lavoro di machine learning su dati tabellari; analisi esplorativa di dati da telescopio Cherenkov; confronto tra selezione classica a taglio e classificatori moderni; selezione della soglia motivata dalla fisica; importanza delle feature e interpretazione fisica.
Sessione 7 – Analisi statistica in HEP: test di ipotesi e metodo CLs
Esperimenti di conteggio e significatività di scoperta; verosimiglianza profilata con parametri di disturbo (nuisance); il metodo CLs per la determinazione di limiti di esclusione; modelli HistFactory professionali con pyhf; il grafico di sensibilità Brazil-band; test di bontà dell'adattamento.
Sessione 8 – Fit di picchi con iminuit: misura delle masse delle particelle
Modellazione di segnale e fondo; fit della risonanza J/ψ con un modello gaussiano più esponenziale; fit del bosone Z con un profilo di Voigt; ricerca di risonanze ignote (bump hunting) e il rischio dell'effetto look-elsewhere.
Sessione 9 – Rilevamento di anomalie per la ricerca di nuova fisica
Ricerche di nuova fisica indipendenti dal modello; autoencoder e Isolation Forest per il rilevamento di anomalie; visualizzazione dello spazio latente; mass-sculpting e la tecnica CWoLa (weak supervision); confronto tra metodi tramite curve ROC.
Sessione 10 – Deep learning per il jet tagging
Fisica e simulazione dei jet; immagini di jet e reti neurali convoluzionali; Particle Flow Network (Deep Sets) su dati a nuvola di punti; confronto con feature ad alto livello motivate dalla fisica; reti neurali su grafi con EdgeConv.
Ogni sessione unisce una breve introduzione teorica a esercitazioni guidate su notebook Jupyter con dati reali o realisticamente simulati CERN/ATLAS/CMS, e si conclude con esercizi pratici da completare in modo autonomo.
Prerequisiti
È consigliata una conoscenza di base della programmazione in Python (variabili, strutture di controllo, funzioni), ma non è obbligatoria, in quanto viene brevemente richiamata nelle prime sessioni. Non è richiesta alcuna conoscenza pregressa di fisica.
Modalità didattica
28 ore di didattica di laboratorio (pratica, al computer), organizzate in dieci sessioni da 2 ore ciascuna, ciascuna delle quali unisce una breve introduzione teorica a esercitazioni guidate su notebook Jupyter con dati reali e simulati di fisica delle particelle.
Materiale didattico
Una copia di quanto mostrato e altro materiale in inglese verrà fornito agli studenti.
Periodo di erogazione dell'insegnamento
Secondo semestre.
Modalità di verifica del profitto e valutazione
Esame orale. Discussione di esercizi assegnati nel corso del laboratorio.
Orario di ricevimento
Su appuntamento.
Sustainable Development Goals
Aims
1. Knowledge and Understanding
Upon completion of the course, students will acquire:
• knowledge of the fundamental concepts of using Big Data Analytics to interpret data in Physics
2. Applied Knowledge and Understanding
Students will acquire the following skills:
• use Big Data Analytics tools to interpret data in Physics
3. Independent Judgment
Students will be able to:
• correctly interpret strategic choices for data analysis in Physics
4. Communication Skills
Students will be able to:
• clearly explain the course topics, using appropriate scientific language.
5. Learning Skills
Students will be provided with:
• the methodological skills needed to study the course topics.
Contents
The Laboratory intends to provide detailed and updated examples of the use of Bg Data Analytics in Physics research, with a theoretical introduction to the various methodologies, examples of real data and the possibility of analyzing concrete cases in depth.
Detailed program
The course is organised as a 28-hour computer laboratory, entirely hands-on with Jupyter notebooks, structured in ten 2-hour sessions plus introductory setup and final review/project time.
Session 1 – Introduction to High Energy Physics and the scikit-hep Ecosystem
Basics of the Standard Model and particle colliders; the particle library and the PDG database; first analysis of real CMS Open Data dimuon events; the invariant mass as the key physics observable; overview of the scikit-hep toolkit.
Session 2 – HEP Data Formats: ROOT Files, uproot and awkward-array
Reading ROOT files with uproot; handling variable-length collision data with awkward-array; 4-vector arithmetic with the vector library; reconstructing the Z boson mass; efficient chunked processing of large datasets.
Session 3 – Dimuon Spectrum: Resonance Finding and Exploratory Analysis
Building the full dimuon invariant mass spectrum from real CMS data across multiple energy ranges; automated peak finding; signal-to-background estimation with the sideband method; detector resolution measurement; kinematic correlation studies.
Session 4 – Feature Engineering for HEP Machine Learning
Lorentz 4-vectors as the basis for physics features; simulating a Higgs-to-four-muons signal and background; measuring feature separation power with the Jensen-Shannon divergence; physics-motivated feature engineering; missing transverse energy; feature correlation analysis.
Session 5 – Higgs Boson Classification with BDTs and XGBoost
The ATLAS Higgs Machine Learning Challenge dataset; data preprocessing; the AMS metric for discovery significance; training an XGBoost classifier with event weights; feature importance; overtraining checks; performance across event categories.
Session 6 – Particle Identification: the MAGIC Gamma-Ray Telescope
A classic tabular machine learning workflow; exploratory analysis of Cherenkov telescope data; comparing classical cut-based selection to modern classifiers; physics-motivated threshold selection; feature importance and physical interpretation.
Session 7 – Statistical Analysis in HEP: Hypothesis Testing and CLs
Counting experiments and discovery significance; profile likelihood with nuisance parameters; the CLs method for setting exclusion limits; professional HistFactory models with pyhf; the Brazil-band sensitivity plot; goodness-of-fit testing.
Session 8 – Peak Fitting with iminuit: Measuring Particle Masses
Signal and background modelling; fitting the J/ψ resonance with a Gaussian-plus-exponential model; fitting the Z boson with a Voigt profile; bump hunting for unknown resonances and the danger of look-elsewhere effects.
Session 9 – Anomaly Detection for New Physics Searches
Model-agnostic searches for new physics; autoencoders and Isolation Forests for anomaly detection; latent-space visualisation; mass-sculpting and the CWoLa (weak supervision) technique; ROC comparison of methods.
Session 10 – Deep Learning for Jet Tagging
Jet physics and simulation; jet images and convolutional neural networks; Particle Flow Networks (Deep Sets) on point-cloud data; comparison with physics-motivated high-level features; graph neural networks with EdgeConv.
Each session combines a short theoretical introduction with guided Jupyter notebook exercises on real or realistically simulated CERN/ATLAS/CMS data, and closes with practice exercises to be completed independently.
Prerequisites
Basic knowledge of Python programming is recommended (variables, control flow, functions) but not mandatory, as it is briefly reviewed in the first sessions. No prior knowledge of physics is required.
Teaching form
28 hours of laboratory teaching (hands-on, computer-based), organised in ten 2-hour sessions, each combining a brief theoretical introduction with guided practice on Jupyter notebooks using real and simulated particle physics data.
Textbook and teaching resource
Slides and additional material in english will be provided to students.
Semester
Second semester.
Assessment method
Oral exam. Discussion of exercises proposed during the laboratory sessions.
Office hours
On appointment.
