Algorithmic and Machine Learning Approaches in Physics: From Hyper- Kamiokande to Cosmology
El objetivo principal de esta tesis doctoral es desarrollar y aplicar metodologías computacionales avanzadas para abordar desafíos clave en la física de neutrinos y en la cosmología. Esta investigación se fundamenta en la premisa de que los neutrinos, a pesar de ser partículas extremadamente abundan...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Fecha de publicación: | 2025 |
| País: | España |
| Institución: | Universidad de Oviedo (UNIOVI) |
| Repositorio: | RUO. Repositorio Institucional de la Universidad de Oviedo |
| Idioma: | inglés |
| OAI Identifier: | oai:digibuo.uniovi.es:10651/81466 |
| Acceso en línea: | https://hdl.handle.net/10651/81466 |
| Access Level: | acceso abierto |
| Palabra clave: | Cosmología Soluciones algorítmicas Hyper- Kamiokande |
| Sumario: | El objetivo principal de esta tesis doctoral es desarrollar y aplicar metodologías computacionales avanzadas para abordar desafíos clave en la física de neutrinos y en la cosmología. Esta investigación se fundamenta en la premisa de que los neutrinos, a pesar de ser partículas extremadamente abundantes, siguen siendo uno de los componentes más enigmáticos de la física fundamental. Sus propiedades únicas, como su masa extremadamente pequeña, su débil interacción con la materia y su capacidad de oscilar entre distintos sabores, los convierten en herramientas privilegiadas para explorar fenómenos más allá del Modelo Estándar y para comprender la estructura y evolución del Universo a gran escala. Aprovechar todo su potencial científico requiere cada vez más de técnicas computacionales sofisticadas que permitan enfrentar problemas complejos de optimización experimental, análisis de datos e inferencia estadística. |
|---|