Summer 2022 Seminar Series
HMC正在邀请演讲者并组织活动，作为我们的Stauffer系列讲座的一部分. 我们有一个伟大的太阳2平台小组，他们将讨论他们所产生的奖学金和/或他们的具体研究兴趣. Seminars will be held on Thursdays at 11 a.m. 我们鼓励我们的哈维穆德社区加入我们的这些信息和有趣的研讨会!
5月26日| Katherine Van Heuvelen, Harvey Mudd学院化学副教授
Location: Zoom – link shared via email
Seminar Topic: Responsible Conduct of Research
Abstract负责任和道德的研究行为(RCR)是卓越的关键, as well as public trust, in science and engineering. RCR教育被认为是培养未来科学家和工程师的必要条件.
6月2日| Brian Shuve, Harvey Mudd学院物理学助理教授
Location: Shan 1430
Seminar Topic: Uncovering the Hidden Side of the Universe
Abstract当前位置宇宙中80%以上的物质是不可见的:它们不与光相互作用, 它不是由任何已知的基本粒子构成的. 这种暗物质可能是什么，它来自哪里? 探究宇宙最早期暗物质的起源, 我将描述我们可以推断出的暗物质粒子的性质，以及我们如何在地球上的实验中寻找它们. Remarkably, 物质隐藏状态的证据可能隐藏在现有的实验数据集中，因为这些数据没有经过正确的检验. 然后，我将展示我们如何在高能粒子对撞机的数据中引领对物质隐藏状态的新搜索.
6月23日|杰米·哈多克，太阳2平台数学助理教授
Location: Shan 1430
Seminar Topic: Tensor Models, Methods, and Medicine
Abstract当前对效率的需求是前所未有的, quantitative, 以及研究大规模(通常是多模态)数据的可解释方法. One key area of interest is that of tensor decomposition, 它寻求自动学习复杂数据集的潜在趋势或主题, 为从业者提供数据中“正在发生”的情况的视图. 本讲座将探讨矩阵和张量数据的主题建模工具. 这些工具在许多领域和行业生产中都很有兴趣, capturing, and analyzing big data, 但是在有专家监督的应用中特别感兴趣，而且往往是必不可少的.g., medicine). We will describe an application of these methods to medical data; an ongoing application to cardiovascular imaging data.
June 30 | Stauffer Social Event
Boba Happy Hour, Sprague Outdoor Tent, Noon
July 7 | Alberto Soto and Joe Wirth, 跨学科计算(PIC)项目招收博士后, Harvey Mudd College
Location: Shan 1430
Title and Abstract (Dr. Soto):
In pursuit of prey…and other locomotor behaviors
运动是动物最重要的行为之一. 它在捕食者-猎物相互作用的结果中起着巨大的作用. Predators must decide when and how to pursue evasive prey, 而猎物必须把握时机，指挥自己的动作，以逃离逼近的捕食者. 为了了解运动在这些动态相互作用中的作用，索托实验室正在努力开发一个生物启发的实验平台，用于水生捕食者-猎物相互作用. 我们还与海洋生物学家合作，调查南加州海岸外白鲨的运动行为.
Title and Abstract (Dr. Wirth):
自动化微生物分类系统基因组方法
生物的分类是一个早在现代生物学之前就存在的问题. For centuries, 科学家们一直在寻找有用的方法来对微生物进行分类，并对微生物界中“物种”一词的含义进行提炼. Unlike higher organisms such as plants and animals, 微生物不能通过容易观察到的特征，如有性繁殖或身体特征来分类. Over the past three-hundred years, 随着技术的进步，我们可以从地球上最古老、最丰富的生命形式中收集到越来越多的细节，适用于微生物的物种定义也发生了变化. In this talk, 我将讨论为什么微生物分类学很重要，以及我开发的软件，它允许微生物学家用最少的计算经验来执行复杂的分类学分析.
July 14 | CS Open House
Department of Computer Science.
July 21 | Sarah Kavassalis, 跨学科计算(PIC)项目博士后, Harvey Mudd College
Location: Shan 1430
Seminar Topic: Can we predict and understand air pollution using machine learning?
Abstract传统上，在区域或全球尺度上模拟大气成分是大量进行的, 需要大量计算时间的确定性模型. Even at their highest resolutions, 这些模型只能代表我们认为调节主要污染物和气候强迫因子的化学反应的一小部分, like ozone. 我将介绍我的学生今年在创建数据驱动模型方面所做的一些工作, 哪些可能运行起来更有效率，并且表现出了出色的性能. 然而，这些机器学习模型也有自己的缺点, 因为它们的好坏取决于它们所依据的数据(而这些数据通常是有偏见的). 我将分享我们在处理有偏差和稀疏数据集方面的一些进展，以及来自 explainable machine learning techniques.