Междисциплинарный семинар САЕ «Математика, компьютерные науки и информационные технологии»
В рамках деятельности стратегической академической единицы «Математика, компьютерные науки и информационные технологии» начался регулярный научный семинар, целью которого является обмен результатами исследований, проводимых в научных подразделениях САЕ «МАКНИТ», и выявление перспективных междисциплинарных направлений. Семинар предполагается сделать регулярным и проводить поочередно на базе различных подразделений, входящих в САЕ.
Первое заседание междисциплинарного семинара прошло в МИЭМ им. А.Н. Тихонова. Представители научных лабораторий ФКН рассказали студентам и преподавателям МИЭМ о своих исследованиях в области анализа процессов, медицинской информатики, машинного обучения и его применения к изучению физических явлений. В апреле факультет компьютерных наук ожидает исследователей из МИЭМ с ответным визитом.
Process mining — методы синтеза и анализа моделей процессов
Process mining — дисциплина, сочетающая приёмы анализа данных, статистические и вероятностные методы, а также алгоритмы формального моделирования и анализа. Задача состоит в извлечении полезной информации из так называемых журналов событий, представляющих собой запись поведения информационной системы. Такие журналы производятся современными информационными и программными системами для целей архивирования, документирования, отладки. На семинаре в докладе Алексея Мицюка из научно-учебной лаборатории процессно-ориентированных информационных систем был дан краткий обзор process mining как области исследований. Подробнее была рассмотрена задача исправления моделей процессов, над разработкой способов решения которой докладчик работает в Лаборатории ПОИС.
Исследования в области медицинской информатики
В докладе Сергея Кузнецова (Международная научно-учебная лаборатория интеллектуальных систем и структурного анализа) был сделан краткий обзор исследований, проводимых в этой лаборатории, и подробно рассмотрены некоторые проекты и задачи в области анализа медицинских данных.
Машинное обучение в разделении нейтральных частиц в калориметре LHCb
Для детектирования незаряженных частиц используются калориметры — установки, измеряющие потерю энергии при пролёте частиц через среду. Из-за низкого разрешения прибора две частицы, летящие рядом, могут быть идентифицированы как одна. Для разделения сдвоенных и одиноких частиц можно применять методы машинного обучения. В докладе Виктории Чекалиной из Научно-учебной лаборатории методов анализа больших данных рассказала о подходе, использующем как признак разделения форму отклика, а также описан подход, использующий всю информацию об отклике.
Глубинное обучение и байесовские методы
В последние несколько лет в мире происходит взрывное развитие технологий, основанных на нейронных сетях. Эти методы получили название «глубинное обучение». На их основе решены многие задачи, которые десятилетиями считались невозможными для компьютера, например, понимание содержимого изображения, распознавание речи, игра в Го на профессиональном уровне. В докладе Михаила Фигурнова были представлены исследования по глубинному обучению (ускорение и сжатие нейронных сетей), проведенные сотрудниками Международной лаборатории глубинного обучения и байесовских методов ФКН ВШЭ. Также речь шла о том, как байесовские методы позволяют решить более сложные задачи, которые не решаются одними лишь нейронными сетями. В качестве примера были рассмотрены работы сотрудников лаборатории по различению смыслов слов в контексте и прореживанию нейронных сетей.
Кузнецов Сергей Олегович
Руководитель Департамента анализа данных и искусственного интеллекта
Мицюк Алексей Александрович
Младший научный сотрудник Научно-учебной лаборатории процессно-ориентированных систем
Фигурнов Михаил Викторович
Научный сотрудник Международной лаборатории глубинного обучения и байесовских методов