尽管在接下来很长一段时间，都没人研究明白这些高能射线到底是如何产生、又是从哪儿来的，但因为这项发现的重要性，Hess还是获得了1936年的诺贝尔物理学奖。
这些高能射线就是我们所说的宇宙线，宇宙线的起源问题也已成为了世纪之谜，至今未解。
这些年来，科研人员从未停止探索宇宙线起源的脚步。
现在，你也有机会参与其中，一起探索宇宙线起源之谜！
近日，由中科院高能物理研究所主办的《高能宇宙线背景噪声过滤挑战赛》正式开启，目前比赛已经在图灵联邦竞赛社区开放 名，个人、高等院校、科研单位、互联 企业、创业团队、学生社团等人员均可登陆官 名参赛。
但是～
很多同学一听这个高大上的名称是不是有被吓到？
是不是有一种只有物理学霸才能参加的错觉？
别害怕，理解这个比赛要干什么其实很简单，总共分三步：
1、我们要探索宇宙线的起源，所以就建立了一个叫LHAASO（谐音“拉索“）的高海拔宇宙线观测站（这个观测站很有名，感兴趣的同学自行百度）；
2、LHAASO很给力，每年都产生近40PB的观测数据；
3、问题来了，这些原始数据大部分都是背景噪声，经过在线快速遍举法过滤后还有近 6 PB的数据，怎么过滤这些噪声数据，就是本次挑战赛你需要发挥聪明才智的地方了！
对赛题、数据集不理解怎么办？
为了帮助参赛选手尽快上手比赛，主办方专门录制了讲解视频，助你事半功倍，千万不要错过！
https://www.turingtopia.com/competitionnew/detail/e771814b400a4db383183ae48f2c048a/discuss
如果您还有问题， 名后记得加派小僧进微信群，里面会有专业的小哥哥、小姐姐给你答疑！
（ 名后扫他，备注注册名称哦～）
值得一提的是，本次比赛优秀选手除了可以共享1万元的奖金池，还可以：
正经版赛题介绍
这些噪声会对后续的重建及粒子鉴别产生影响，会降低重建精确度和粒子鉴别的准确性，而且还加大了存储与计算的压力。
噪声过滤有两个方面，一方面是纯背景噪声信号的过滤，这可以大幅减少需要保存的原始数据量，提高信噪比；另一方面是从真正宇宙线信号中扣除背景噪声的影响，使得真正的信号更加准确，这也是粒子鉴别中需要做的事情。
本次竞赛的目的是希望大家能够对这个噪声过滤问题给出优秀的解决方案。
数据说明
每个记录的信号是一个事例 event，由多个hit组成。其中包含触发的探测器 id、触发时间及信号大小。信号大小可以用电荷量来描述。无论是高能宇宙线还是背景噪声，只要达到一定的触发条件，探测器就会把一个时间窗口（~2000 ns）内的所有hit记录下来，因此原始数据很大部分由噪声组成。
具体到本次比赛给到的数据集：
相对于背景噪声， 真实信号类似于异常点，所以针对单纯噪声信号过滤的情况，可以考虑使用异常检测的相关算法，比如 KNN – K 最近邻，Isolation Forest 孤立森林，支持向量机等等方法。
初赛：
参赛者通过构建去噪模型，在测试数据集对粒子的hit进行判别，识别噪声或信号，将对测试集的判断结果以csv的格式提交。
分数说明:本次比赛的初衷是找到优于传统方法的模型,因此线上测试集最终得分是与传统方法的差异分数，负数为劣于传统方法。
决赛：
入伍队伍带参赛模型，答辩PPT现场答辩
时间及赛程安排
名及组队时间：2020年2月11日 ~ 2020年3月31日
初赛提交时间：2020年2月11日 ~ 2020年4月7日
初赛发榜时间：2020年4月8日
决赛提交时间：2020年4月9日 ~ 2020年4月17日
决赛发榜时间：2020年4月20日
更多详细介绍，请戳阅读原文！
声明：本站部分文章内容及图片转载于互联 、内容不代表本站观点，如有内容涉及侵权，请您立即联系本站处理，非常感谢！