LIP no UMinho Research & Innovation Open Days
"A iniciativa da Universidade do Minho teve contributos de Nuno Castro, diretor do LIP, e dos alunos Gabriela Oliveira, Maura Barros e Fernando Souza."
Nos dias 30 e 31 de janeiro, realizou-se na Universidade do Minho os "UMinho Research and Innovation Open Days”. No evento foram apresentados não só diversos projetos científicos desenvolvidos na instituição e devidamente enquadrados nos objetivos de desenvolvimento sustentável, como também os laboratórios associados à mesma e a sua importância. Os dois dias foram repletos de diversas iniciativas, desde palestras e workshops à apresentação de posters. O LIP fez-se representar e marcou presença em mais que uma das atividades.
Nuno Castro, diretor do LIP, integrou o painel do evento no primeiro dia, participando em duas mesas redondas: uma, pela manhã, que visava discutir o papel dos laboratórios associados, e outra, da parte da tarde, para debater alianças a nível internacional.
Três alunos do LIP deram também o seu contributo, apresentando posters de sua autoria:
Gabriela Oliveira apresentou o seu poster que se centra na aplicação da computação quântica à cromodinâmica quântica. O foco do trabalho é o estudo do quark-gluon plasma, uma sopa densa e quente de quarks e gluões, que esteve presente nos primórdios do Universo, através da simulação da dinâmica de jatos, que são excelentes sondas indiretas do plasma, num computador quântico.
O poster de Maura Barros foca-se no uso de anomaly detection para a pesquisa de nova Física. Usando simulações de Monte Carlo, um autoencoder é treinado para reconstruir eventos do Modelo Padrão. Dados que se desviem e sejam detetados como uma anomalia poderão ser eventos de nova Física.
Maura foi ainda selecionada para subir ao palco e fazer um pitch, apresentando o seu trabalho à audiência presente.
Fernando Souza apresentou igualmente o seu poster, que representa um projeto que tem como objetivo a validação de modelos teóricos para a Física além do Modelo Padrão, quando confrontados com os dados experimentais. O uso de machine learning e algoritmos de otimização procura tornar esse processo mais eficiente e reduzir significativamente a carga computacional.
