.jpg)
The PhD defence and trial lecture will be streamed. The chair of the defence will moderate the disputation.
Ex auditorio questions: the chair of the defence will invite the audience to ask ex auditorio questions.
Live streaming of trial lecture and disputation:
Request for thesis copy
(available until the disputation starts)
Trial lecture
Time and place: October 7, 2022; 10:15 AM, Lille Fysiske auditorium, Fysikkbygningen
Title:
"Superconducting quantum circuits -- qubits -- as dark matter
direct detection detectors”
Main research findings
Both in physics and chemistry, it is common to encounter models with many undetermined parameters or possible configurations. How can we efficiently study such models? This thesis primarily focuses on particle physics, where supersymmetric extensions of the Standard Model are a paramount example. These introduce a host of new parameters and particles to explain how the Higgs boson can be as light as observed. Theoretical predictions of measurable physical quantities can change drastically as a function of the model parameters.
To find out which models are consistent with experimental data and which ones are excluded, we explore vast parameter spaces with global fits, evaluating for many parameter combinations whether the model predictions agree with various observations. Accurate theoretical calculations of cross-sections are expensive, forming a computational bottleneck in such global fits. Xsec, a new software tool described in this work, employs probabilistic machine learning techniques to alleviate this problem.
Furthermore, this thesis examines two supersymmetric scenarios involving the gravitino, the hypothetical supersymmetric counterpart of the graviton and a potential constituent of dark matter. While gravitinos only interact feebly, they can strongly affect decays of supersymmetric particles at colliders, as well as the evolution of the early universe. Preliminary results of global fits, using adaptive techniques to efficiently traverse the parameter space, point towards parameter regions where the considered scenarios remain viable in light of experimental results.
Shifting attention to drug design, the final part of this thesis addresses the challenge of exploring the immense number of possible molecular structures in chemical space. To accelerate the optimisation of novel therapeutic compounds, a new algorithm is implemented, inspired by natural evolution. Simultaneously leveraging both the quality and the diversity of small molecules leads to promising results on drug discovery benchmarks.
Main research findings - Norwegian
Både innan fysikk og kjemi er det vanleg å støyta på modellar med mange ubestemte parametrar eller moglege konfigurasjonar. Korleis kan vi effektivt studera slike modellar? Denne oppgåva fokuserer først og fremst på partikkelfysikk, der supersymmetriske utvidingar av standardmodellen er eit viktig døme. Desse introduserer ei rekke nye parametrar og partiklar for å forklara korleis Higgsbosonet kan vera så lett som observert. Teoretiske prediksjonar av målbare fysiske storleikar kan endrast drastisk som ein funksjon av modellparametrar.
For å finna ut kva for nokre modellar som er konsistente med eksperimentelle data og kva for nokre som er ekskluderte, utforskar vi enorme parameterrom ved hjelp av globale tilpassingar, og evaluerer for mange parameterkombinasjonar om modellprediksjonane stemmer overeins med diverse observasjonar. Nøyaktige teoretiske utrekningar av tverrsnitt er dyre, og dannar ein berekningsmessig flaskehals i slike globale tilpassingar. Xsec, eit nytt dataverktøy beskrive i dette arbeidet, bruker probabilistiske maskinlæringsteknikkar for å lindra dette problemet.
Vidare undersøker denne oppgåva to supersymmetriske scenario som involverer gravitinoet, den hypotetiske supersymmetriske motparten til gravitonet og ein potensiell bestanddel av mørk materie. Sjølv om gravitinoer berre vekselverkar veldig svakt, kan dei sterkt påverka sundfall av supersymmetriske partiklar i kollisjonsmaskiner, så vel som utviklinga av det tidlege universet. Førebelse resultat av globale tilpassingar, som bruker adaptive teknikkar for å gjennomkrysse parameterrommet effektivt, peikar mot parameterregionar der dei vurderte scenarioa framleis står ved lag i lys av eksperimentelle resultat.
Den siste delen av oppgåva flyttar merksemda til lækjemiddeldesign, og tar for seg utfordringa med å utforska det enorme talet moglege molekylære strukturar i det kjemiske rommet. For å akselerera optimaliseringa av nye terapeutiske sambindingar implementerte vi ein ny algoritme, inspirert av naturleg evolusjon. Samtidig utnytting av både kvaliteten og mangfaldet av små molekyl fører til lovande resultat på ytingstestar for lækjemiddeloppdaging.
Candidate contact information
Adjudication Committee
- Dr. Wolfgang Waltenberger, Austrian Academy of Sciences
- Dr. Melissa van Beekveld, University of Oxford
- Professor Erik Adli, University of Oslo
Supervisors
- Professor Are Raklev, Department of Physics, University of Oslo, Norway
- Professor Alexander Lincoln Read, Department of Physics, University of Oslo, Norway
Chair of defence
Professor Andreas Görgen, Department of Physics, University of Oslo, Norway
Contact information to Department: Line Trosterud Resvold