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.
Forwarded from UT.Physics.Seminars
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.
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.
Telegram
UT.Physics.Seminars
Announcements of Weekly Seminars, Department of Physics, University of Tehran.
دانشجویان نامبرده در لیست هرچه سریعتر نسبت به تکمیل مراحل ثبت نام خود اقدام نمایند.
کلاس درس گرانش 2 با آقای دکتر عباسی امروز سه شنبه 15/12/96 تشکیل نمی شود.
کلاس درس کیهانشناسی ا با خانم دکتر فاطمه شجاعی فردا سه شنبه 96/12/22 تشکیل نمی شود.
Forwarded from Ut physics
با سلام و شادباش نوروز، دانشکده فیزیک سالی پر بار و همراه با سلامتی برای شما و خانواده محترمتان آرزو دارد.
کلاس درس مبانی فیزیک اتمی ملکولی با آقای دکتر قربانزاده فردا سه شنبه 14/1/97 تشکیل نخواهد شد
دانشجويان ورودی سال 1396موظف هستند حد اكثر تا ۳۱ خرداد ماه ۹۷ فرم زیر را به امضا رسانده و به آموزش تحصيلات تكميلي ارائه دهند.
آقای احسان حیدری در اسرع وفت به آقای دکتر محمدی زاده مراجعه نمایید.
آقای یونس عظیم زاده به آموزش تحصیلات تکمیلی مراجعه نمایید
مجددا یادآوری می شود آقای احسان حیدری حداکثر تا پایان هفته فرصت دارید به آقای دکتر محمدی زاده مراجعه نمایید.
Forwarded from UT.Physics.Seminars
باشگاه فیزیک: سخنرانی دکتر شیخ جباری
عنوان: مروری بر آثار علمی استیون هاوکینگ
عنوان: مروری بر آثار علمی استیون هاوکینگ