Automation in physics - NFPL242

• Title: Automatizace ve fyzice
• Guaranteed by: Department of Condensed Matter Physics (32-KFKL)
• Faculty: Faculty of Mathematics and Physics
• Actual: from 2023
• Semester: winter
• E-Credits: 4
• Hours per week, examination: winter s.:1/2, MC [HT]
• Capacity: unlimited
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: taught
• Language: Czech
• Teaching methods: full-time
• Teaching methods: full-time
• Additional information: https://cermak.science/teaching/automation/
• Guarantor: RNDr. Petr Čermák, Ph.D.

Annotation

English

Last update: Mgr. Kateřina Mikšová (10.05.2023)

The lecture will cover the role of automation and robotics in data treatment, including automatic data acquisition and analysis, machine learning, and artificial intelligence. The gained knowledge has direct application in materials science, quantum physics or research on large infrastructures. We will also touch on large language models and how to use them efficiently. In fact, this annotation and syllabus are written by ChatGPT :). Very basic knowledge of Python is expected. The course is suitable for all grades, English is possible.

Czech

Last update: Mgr. Kateřina Mikšová (10.05.2023)

Přednáška se bude zabývat úlohou automatizace a robotizace při zpracování dat, včetně automatického sběru a analýzy dat, strojového učení a umělé inteligence. Získané znalosti mají přímou aplikaci v materiálové vědě, kvantové fyzice či výzkumu na velkých infrastrukturách. Dotkneme se také velkých jazykových modelů a toho, jak je efektivně využívat. Ve skutečnosti tuto anotaci napsal ChatGPT :). Základní znalost programování v jazyce Python výhodou. Předmět je vhodný pro všechny ročníky.

Course completion requirements

English

Last update: Mgr. Kateřina Mikšová (10.05.2023)

Creating a program to automate a given experimental problem.

Czech

Last update: Mgr. Kateřina Mikšová (10.05.2023)

Klasifikovaný zápočet se bude udílet za vytvoření programu na automatizaci daného experimentálního problému.

Literature

English

Last update: RNDr. Petr Čermák, Ph.D. (10.05.2023)

G.R. Bradski, A. Kaehler: Learning OpenCV, O'Reilly 2008

All resources at the web autonomous-discovery.lbl.gov

C.E. Rasmussen, K.I. Williams, Gaussian Processes for Machine Learning, MIT Press, 2006.

K.G. Reyes and B. Maruyama, MRS Bull. 44, 530 (2019)

Czech

Last update: RNDr. Petr Čermák, Ph.D. (10.05.2023)

G.R. Bradski, A. Kaehler: Learning OpenCV, O'Reilly 2008

Zdroje na webu autonomous-discovery.lbl.gov

C.E. Rasmussen, K.I. Williams, Gaussian Processes for Machine Learning, MIT Press, 2006.

K.G. Reyes and B. Maruyama, MRS Bull. 44, 530 (2019)

Syllabus

English

Last update: RNDr. Petr Čermák, Ph.D. (10.05.2023)

1. Instrument architecture and PLC programming

• Communication protocols used at large scale infrastructures

2. Communication with 6-axis robotic arm

3. Computer Vision

• Object recognition, evaluation 2D images from microscope

4. Machine learning basics

5. Artificial intelligence and expert systems

6. Automatic planning of experiments

7. Bayesian optimization of measurements

8. AI driven data analysis

9. Publishing the data

• F.A.I.R. principles

• Describing data by the scripts

• Storing data for generations

10. Future trends in automation

• Using of the Large language models for writing papers

Czech

Last update: RNDr. Petr Čermák, Ph.D. (10.05.2023)

1. Architektura přístrojů a programování PLC

• Komunikační protokoly používané ve velkých infrastrukturách

2. Komunikace se šestiosým robotickým ramenem

3. Počítačové vidění

• Rozpoznávání objektů, vyhodnocování 2D snímků z mikroskopu

4. Základy strojového učení

5. Umělá inteligence a expertní systémy

6. Automatické plánování experimentů

7. Bayesovská optimalizace měření

8. Analýza dat řízená umělou inteligencí

9. Koncept Open data

• Zásady F.A.I.R.

• Popisování dat pomocí skriptů

• Ukládání dat pro další generace

10. Budoucí trendy v automatizaci

• Využití velkých jazykových modelů pro psaní dokumentů