與加州大學團隊合作,利用自注意力機制(Self-ttention)及機器學習方法,改善對雙頂夸克衰變事件的重建的效率以及準確率。
與費米國家實驗室團隊合作,利用圖像辨識技術(ResNet-50)頂夸克產生的噴流進行建模,並結合FPGA硬體建立加速模型推論平台。
論文連結:https://www.computer.org/csdl/proceedings-article/h2rc/2020/235400a038/1pVHdDr0PzG
1. 利用機器學習方法(TensorFlow, PyTorch)改善粒子物理研究分析效率及正確率,並利用機器學習方法提升對撞事件重建的準確度。
2. 教學助理
3. 規劃及建構研究室伺服器及工作站運維系統(Docker, K8s)。
協助物理所研究員進行高能粒子對撞模型之數據產生以及分析(C/C++, Python, Shell Script)。
1. 模擬、分析並利用機器學習方法重建高能粒子對撞事件。[1]
2. 與美國大學合作研究利用機器學習方法改善粒子物理研究分析效率、正確率以及加速機器學習推論。[2]
1. 於大學三年級期間,前往日本新潟大學理學院交換留學,並在此期間向當地粒子物理相關研究者學習粒子物理研究相關學識。
2. 於留學期間,抽空參加於日本舉辦的物理相關研討會並積極吸收新知。
1. 主修四大力學並於在學期間完成兩項專案並發表於物理年會;在校期間至印度馬尼帕爾大學進行研究訪問。
2. 獲得大專生研究計畫補助並取得校內大專生研究創作獎。
從小對於物理、數學以及程式設計有了很大的好奇心。常常在課餘時間透過圖書以及網路資源來了解科技新知,並應用於生活之中。
不論在教學場域或是研究現場,樂於幫助同伴以及學生。自己遇上困難時,不恥於向他人請求協助。相信無論是助人或是向他人求助,都是讓彼此有更多的學習機會。舉例來說,在研究所期間所參與的工作坊,以及我自己舉辦的大數據分析工作坊都讓我在準備以及參與時,對各種題材有更多的了解以及嘗試。
在國高中的啟蒙後,於課程以及自學中累積對不同科目的多面向了解,也讓我確信了我對於物理以及數據分析相關領域的興趣。在大學時期,我在課程中應用各種數據分析以及程式能力,將抽象的物理公式轉化為可見的數據結構,讓我在物理的研究上有了更加飛躍的表現。我積極將此類程式技能以及機器學習方法應用於不同的基礎科學研究。在大學以及研究所的專業環境中,我強化了數據視覺化、大數據處理、機器學習建模以及統計分析的能力,並且在管理伺服器叢集的經驗中學衍生了對虛擬化、容器化技術(Kubernetes、Docker)以及DevOps(持續整合、持續佈署)技術的了解及經驗。
在研究所期間,與頂尖國際研究機構(FermiLab以及UC Irvine) 使用圖像辨識(ResNet-50)、自注意力機制(Self-Attention)、圖神經網路(GNN)、生成對抗模型(GAN)及FPGA來研究高能物理對撞事件的重建以及效率改善,並且將結果發表於SciPost期刊以及H2RC 2020會議。這些合作經驗也讓我將化抽象為實際的能力以及跨領域能力以更加受到磨練。
除了研究上的精進與團隊合作,我也曾在研究團隊中組織工作坊以及實作練習,讓一起研究的同伴能夠在專業領域以外,能夠一同學習跨領域的程式設計、數據分析以及機器學習技巧,並在工作坊之中腦力激盪,相互分享各自的成果。我也在網路上撰寫技術手冊,紀錄自己學習各種技術知識的過程以及理解。
個人認為無論是在研發或是教學的場域,跨領域的合作以及整合都是未來的趨勢。技術無時無刻都在推陳出新。我認為持續深化己身技術,並隨時接收新知,方能將自己置於領先的潮流。我期待我自己能夠深化並結合更多跨領域新知,持續將跨領域的技術以及知識加以整合,並輔以團隊合作,讓自己能夠有更寬更遠的視野,並深化應用於專業上,為公司帶來更高的價值。
與加州大學團隊合作,利用自注意力機制(Self-ttention)及機器學習方法,改善對雙頂夸克衰變事件的重建的效率以及準確率。
與費米國家實驗室團隊合作,利用圖像辨識技術(ResNet-50)頂夸克產生的噴流進行建模,並結合FPGA硬體建立加速模型推論平台。
論文連結:https://www.computer.org/csdl/proceedings-article/h2rc/2020/235400a038/1pVHdDr0PzG
1. 利用機器學習方法(TensorFlow, PyTorch)改善粒子物理研究分析效率及正確率,並利用機器學習方法提升對撞事件重建的準確度。
2. 教學助理
3. 規劃及建構研究室伺服器及工作站運維系統(Docker, K8s)。
協助物理所研究員進行高能粒子對撞模型之數據產生以及分析(C/C++, Python, Shell Script)。
1. 模擬、分析並利用機器學習方法重建高能粒子對撞事件。[1]
2. 與美國大學合作研究利用機器學習方法改善粒子物理研究分析效率、正確率以及加速機器學習推論。[2]
1. 於大學三年級期間,前往日本新潟大學理學院交換留學,並在此期間向當地粒子物理相關研究者學習粒子物理研究相關學識。
2. 於留學期間,抽空參加於日本舉辦的物理相關研討會並積極吸收新知。
1. 主修四大力學並於在學期間完成兩項專案並發表於物理年會;在校期間至印度馬尼帕爾大學進行研究訪問。
2. 獲得大專生研究計畫補助並取得校內大專生研究創作獎。
從小對於物理、數學以及程式設計有了很大的好奇心。常常在課餘時間透過圖書以及網路資源來了解科技新知,並應用於生活之中。
不論在教學場域或是研究現場,樂於幫助同伴以及學生。自己遇上困難時,不恥於向他人請求協助。相信無論是助人或是向他人求助,都是讓彼此有更多的學習機會。舉例來說,在研究所期間所參與的工作坊,以及我自己舉辦的大數據分析工作坊都讓我在準備以及參與時,對各種題材有更多的了解以及嘗試。
在國高中的啟蒙後,於課程以及自學中累積對不同科目的多面向了解,也讓我確信了我對於物理以及數據分析相關領域的興趣。在大學時期,我在課程中應用各種數據分析以及程式能力,將抽象的物理公式轉化為可見的數據結構,讓我在物理的研究上有了更加飛躍的表現。我積極將此類程式技能以及機器學習方法應用於不同的基礎科學研究。在大學以及研究所的專業環境中,我強化了數據視覺化、大數據處理、機器學習建模以及統計分析的能力,並且在管理伺服器叢集的經驗中學衍生了對虛擬化、容器化技術(Kubernetes、Docker)以及DevOps(持續整合、持續佈署)技術的了解及經驗。
在研究所期間,與頂尖國際研究機構(FermiLab以及UC Irvine) 使用圖像辨識(ResNet-50)、自注意力機制(Self-Attention)、圖神經網路(GNN)、生成對抗模型(GAN)及FPGA來研究高能物理對撞事件的重建以及效率改善,並且將結果發表於SciPost期刊以及H2RC 2020會議。這些合作經驗也讓我將化抽象為實際的能力以及跨領域能力以更加受到磨練。
除了研究上的精進與團隊合作,我也曾在研究團隊中組織工作坊以及實作練習,讓一起研究的同伴能夠在專業領域以外,能夠一同學習跨領域的程式設計、數據分析以及機器學習技巧,並在工作坊之中腦力激盪,相互分享各自的成果。我也在網路上撰寫技術手冊,紀錄自己學習各種技術知識的過程以及理解。
個人認為無論是在研發或是教學的場域,跨領域的合作以及整合都是未來的趨勢。技術無時無刻都在推陳出新。我認為持續深化己身技術,並隨時接收新知,方能將自己置於領先的潮流。我期待我自己能夠深化並結合更多跨領域新知,持續將跨領域的技術以及知識加以整合,並輔以團隊合作,讓自己能夠有更寬更遠的視野,並深化應用於專業上,為公司帶來更高的價值。