Stefania Beolè
Professore/Professoressa ordinario/a
- Dipartimento di Fisica
- SSD: FIS/01 - fisica sperimentale
- ORCID: orcid.org/0000-0003-4673-8038
Contatti
- 011-670 7368
- 011-669 9579
- Chiama stefania.beole
- stefania.beole@unito.it
- Studio: I piano, Istituto Vecchio
(a sinistra dell'aula Wataghin)
Via P. Giuria, 1. 10125 Torino - https://fisica.campusnet.unito.it/persone/stefania.beole
- VCard contatti
Presso
- Dipartimento di Fisica
- Corso di laurea in Fisica
- Corso di laurea in matematica
- Corso di laurea in Ottica e Optometria
- Corso di laurea magistrale in Fisica
- Scuola Universitaria Interdipartimentale in Scienze Strategiche (SUISS)
- Phd in Physics
Curriculum vitae
Curriculum Vitae
(0.1 MB) Insegnamenti
- Esperimentazioni II (corso A) (FIS0112)
Corso di laurea in Fisica - Fisica 3 (MAT0319 )
Corso di laurea in matematica - Laboratorio di fisica nucleare e subnucleare II (MFN1339)
Corso di laurea magistrale in Fisica - Ottica Geometrica con laboratorio (FIS0008)
Corso di laurea in Ottica e Optometria
Attività in agenda
Organi
Ricevimento studenti
Tutti i giorni, previo appuntamento via e-mail, presso lo studio della docente.Proposte di tesi, tirocini e stage
- Sviluppo di algoritmi di Machine Learning per l’identificazione di adroni leggeri in ITS e MFT con l’esperimento ALICE
- Sviluppo e caratterizzazione di rivelatori monolitici al silicio super sottili e curvi, per il progetto ITS3 ALICE a LHC - tesi triennale
- Sviluppo di profilo su social media TikTok e Instagram per il progetto SpaceTrack
- Sviluppo di algoritmi di Machine Learning per l’identificazione di adroni leggeri in ITS con l’esperimento ALICE
- Sviluppo e caratterizzazione di rivelatori monolitici al silicio super sottili e curvi, per il progetto ITS3 ALICE a LHC - tesi magistrale
- Sviluppo e caratterizzazione di rivelatori monolitici al silicio super sottili e curvi, per il progetto ITS3 ALICE a LHC - tesi magistrale
- Sviluppo e caratterizzazione di rivelatori monolitici al silicio super sottili e curvi, per il progetto ITS3 ALICE a LHC - tesi triennale
- Metodi basati sul machine learning per lo studio della produzione di quark pesanti e nuclei leggeri in interazioni p-p e Pb-Pb con il rivelatore ALICE
- Tracciatori di particelle nello spazio
- Modellizzazione con software TCAD di sensori monolitici al silicio per misure di tempo
- Studio della performance dell'Inner Tracking System dell'esperimento ALICE
- Sviluppo di algoritmi di Machine Learning per l’identificazione di adroni leggeri con l' Inner Tracking System dell’esperimento ALICE
- Studio di collisioni pp, pPb e Pb-Pb a LHC con l'esperimento ALICE