فوری)) با توجه به اعلام نتایج درخواست حذف،آقایان نوید نوری و دانیال یوسفی و خانم آمنه بیات در اسرع وقت به آموزش مراجعه نمائید.

آقای حامد اکبری در اسرع وقت به آموزش مراجعه نمائید.

کلاس درس فیزیک محاسباتی از کلاس 21 به کلاس 15 منتقل شد.

برنامه نهایی دروس ارائه شده در نیمسال دوم 97-96 در دوره تحصیلات تکمیلی دانشکده فیزیک

آقای محسن جعفربكلو در اسرع وقت به آموزش تحصیلات تکمیلی مراجعه نمایید

آقای نوید نوری در اسرع وقت به آموزش تحصیلات تکمیلی مراجعه نمایید

آقای محمد حسین مسعودی در اسرع وقت به آموزش مراجعه نمایید

کارگاه یک روزه فلسفه مکانیک کوانتومی
پیوند اینترنتی ثبت نام: http://shahroodut.ac.ir/_pq
wphysics@shahroodut.ac.ir
https://news.1rj.ru/str/joinchat/Bc1NRBIFa2Tu-t0xckmfNA
instagram.com/quantumphilosophy

دانشجویان تحصیلات تکمیلی که استاد حل تمرین درس و یا دستیار آزمایشگاه می باشند لازم است هر چه سریعتر نسبت به تکمیل فرم مربوطه که در سایت دانشکده فیزیک موجود می باشد،اقدام نمایند و پس از امضاء استاد درس فرم خود را تا قبل از روز چهارشنبه جهت طرح در شورا به آموزش تحویل نمایند.

با سلام
سخنران ماده چگال و اپتیک دو شنبه پیش رو در دانشکده فیزیک، به تاریخ14ر12ر1396، دکتر اسماعیل اسکندری از پژوهشگاه دانشهای بنیادی خواهند بود. مشخصات سمینار به شرح زیراست.
با تشکر
واعظ
دریافت اطلاعیه سمینارها از طریق تلگرام: https://telegram.me/UTPhysicsWeeklySeminars

Title: The interaction of light with nanoparticles and quantum dots
Speaker: دکتر اسماعیل اسکندری (پژوهشگاه دانشهای بنیادی)
Date/Time: Monday, 1396/12/14, 15:30 دوشنبه
Place: Conference Hall, Department of Physics, University of Tehran, Kargar Avenue, 19th Street, Tehran.
Abstract:
یادگیری ماشین شاخه ای نوین و رو به رشد از علم است که از ترکیب علوم آمار، کامپیوتر و هوش مصنوعی به وجود آمده است. اگر چه ارائه و توسعه نظری آن به بیش از ۵۰ سال قبل بر می گردد ولی کاربردهای وسیع و فزاینده آنها عملا با آغاز هزاره سوم و در ساز و کار تجارت های عظیم اینترنتی مبتنی بر علوم کامپیوتر و دارای داده های بزرگ شروع شده است. در ۱۰ سال اخیر بالا گرفتن تب استفاده از یادگیری ماشین در بسیاری از شاخه های علوم و صنعت، جهان فیزیک را نیز تحت تاثیر خود قرار داده است. در حیطه مسائل آماری فیزیک نظیر مطالعه سیستم های بس ذره ای در فیزیک ماده چگال و یا رویداهای با نرخ تولید زیاد در فیزیک انرژی های بالا، الگوریتم های یادگیری ماشین با قدرت وسرعت بسیار بالاتر نسبت به الگوریتم های رایج حل عددی، ابزاری مناسب برای حمله به مسائل پیچیده و حل نشده این حوزه ها و نوید بخش ارائه راه حلی برای آنها در آینده ای نه چندان دور می باشند. حل مسئله در فیزیک یا به طور کلی در علم با استفاده از ماشین یا کامپیوتر به مفهوم نوشتن یک الگوریتم قابل فهم برای ماشین به منظوراستفاده از ورودی شامل داده های معلوم مسئله و تعیین خروجی مجهول آن می باشد. در الگوریتم های یادگیری ماشین برعکس عمل می کنیم. با تغذیه ماشین با انواع خروجی های درست از پیش تعیین شده مسائل طبقه بندی شده تحت یک کلاس، ماشین را مانند انسان به یادگیری از روی آن خروجی های تعیین شده وا می داریم تا یاد بگیرد که خروجی های چنین مسائلی چگونه رفتار می کنند و بر طبق یادگیری خود یک الگوریتم حل مسئله برای تعیین خروجی مجهول دیگر مسائل طبقه بندی شده تحت همان کلاس را ارائه کند. در این سخنرانی به معرفی شاخه یادگیری ماشین و الگوریتم های مبتنی بر شبکه های عصبی مصنوعی آن می پردازیم و کاربرد هایی از آن را برای حل مسائلی در فیزیک ماده چگال و فیزیک انرژی های بالا مرور می کنیم.