Maskininlärning i fysik

Antagningspoäng hösten 2026

Eget urval. Den här utbildningen antar inte på meritvärde eller högskoleprov, så det finns ingen poänggräns.

Lägsta antagna i senaste antagningen (hösten 2026) enligt UHR. Ingen garanti för nästa antagning.

Om utbildningen

Den här kursen introducerar fysikstudenter till centrala maskininlärningskoncept, med tonvikt på fysikspecifika tillämpningar och utmaningar. Kursen täcker de viktigaste paradigmen för maskininlärning - övervakad och oövervakad, och förstärkningsinlärning - och studenterna kommer att lära sig att tillämpa dessa metoder på ett brett spektrum av fysikproblem. Inom övervakad inlärning kommer tekniker som Support Vector Machines, linjär och logistisk regression, Gradient Boosting och Lasso att tillämpas för att klassificera partikelkollisionshändelser, förutsäga materialegenskaper och analysera fasövergångar i komplexa system. Viktiga algoritmer introduceras, som Naïve Bayes, K-Nearest Neighbors, Decision Trees och Random Forests. Dessa används som verktyg för att modellera relationer i fysiska system och förutsäga resultat under varierande förhållanden, med fokus på tolkningsbarhet och prediktionsförmåga i experimentella och teoretiska fysiksammanhang. Inom oövervakad inlärning behandlas metoder för klustring och dimensionsreduktion som är skräddarsydda för att identifiera mönster och strukturer i stora, omärkta dataset som är vanliga inom astrofysik, kondenserad materia och kärnfysik. Tillämpningarna omfattar upptäckt av avvikelser i experimentella data, identifiering av galaxmorfologier och minskning av komplexa datadimensioner i högenergipartikelfysik för att avslöja underliggande dynamik. I avsnittet om Reinforcement Learning introduceras värdebaserade, modellbaserade och policybaserade metoder som används för att optimera styrsystem i laser- och optiska experiment, simulera partikelinteraktioner och förbättra noggrannheten i simuleringar inom plasmafysik och andra dynamiska system. Studenterna kommer att lära sig grundläggande neurala nätverksarkitekturer, till exempel Convolutional Neural Networks (CNN) för astrofysiska bilder och Recurrent Neural Networks (RNN) för tidsseriedata som gravitationsvågssignaler. Kursen omfattar fysikfokuserade optimeringstekniker, inklusive gradientbaserade metoder, evolutionära strategier och maximum likelihood och Bayesianska metoder för parameteruppskattning och modellreglering. De praktiska momenten är fokuserade på förbehandling av data, feature engineering och implementering av modeller för fysikdatauppsättningar, vilket inkluderar partikelfysik, astronomiska undersökningar och laboratoriemätningar. Studenterna samarbetar med forskare om forskningsproblem vid institutionen för fysik och tillämpar maskininlärning för att simulera fysiska processer, förutsäga experimentella resultat och analysera storskaliga observationsdata. Kursen förbereder studenterna för att använda maskininlärning i avancerad forskning eller industriella tillämpningar. I kursen ingår en teorimodul omfattande 4,5 hp, samt en projektmodul som omfattar 3 hp.

Behörighet

Tidigare högskolestudier om minst 90 högskolepoäng inklusive Kvantmekanik, 6 hp, Elektrodynamik, 6 hp, Termodynamik, 6 hp, Fasta tillståndets fysik,7,5 hp samt Programmeringsteknik i C och Matlab 7,5hp och Teknisk beräkningsvetenskap I, 4,5 hp, eller motsvarande. Engelska och svenska för grundläggande behörighet för högskolestudier. Krav på svenska gäller endast om utbildningen ges på svenska.

Praktiskt

Start

31 augusti 2026

Slut

1 november 2026

Språk

Engelska

Studietakt

50 %

Studieform

På plats i Umeå

Studieavgift

19 038 kr (gäller bara sökande utanför EU/EES)

Anmälningskod

UMU-5300L

Vanliga frågor

Vad krävs för att komma in på Maskininlärning i fysik vid Umeå universitet?

Utbildningen har ingen poänggräns (eget urval) – den antar inte på meritvärde eller högskoleprov. Du måste också uppfylla behörighetskraven.

Hur lång är utbildningen?

7,5 hp, studietakt 50 %.

Går den på distans?

Nej, den ges på plats i Umeå.

Vad betyder BI och HP?

BI är betyg utan komplettering och HP är högskoleprovet. Läs guiden.

Överblick

• Alla program och kurser vid Umeå universitet
• Alla kurser i Fysik