ИСТИНА

• Член программного комитета: Дудко Л.В.
• Охват: Всероссийская
• Даты проведения: 18 ноября 2021
• Место проведения: МГУ, Russia
• Организатор:
  МГУ имени М.В. Ломоносова, Научно-исследовательский институт ядерной физики имени Д.В. Скобельцына
• Число участников: 40
• Число участников из МГУ: 20
• Число докладчиков: 8
• Веб-сайт: https://godnauki.msu.ru/november
• Описание конференции:

  Круглый стол МГУ «Машинное обучение: эффективный инструмент для познания физической картины мира», проводимого в рамках Года науки и технологий в РФ по теме «Искусственный интеллект». Дата проведения 18.11 .2021 (https://godnauki.msu.ru/november) http://sinp.msu.ru/ru/conference/26471 На состоявшемся Круглом столе были рассмотрены восемь тем связанных с различными направлениями применения методов машинного обучения (МО) и искусственного интеллекта (ИИ) в различных задачах. В первой теме был представлен обзор методов и задач МО и ИИ. Кратко представлены реализации для задач обратной электроразведки поверхности Земли, прогнозирования состояния магнитосферы Земли и создания электронного носа. Во второй теме был дан краткий обзор истории развития методов нейронных сетей (NN) и их применения в анализе данных коллайдерных экспериментов. Описаны некоторые методы применения NN для проверки теорий описывающих микромир на наиболее мощных современных коллайдерах. Описаны основные направления применения NN в коллайдерных экспериментах. В третьей теме были рассмотрены перспективные направления развития методов МО и ИИ. В частности, для задач символьной регрессии и саморазвивающихся лабораторных исследований на основе спирального цикла применения ИИ. Четвертая тема была посвящена применению NN для задач гамма-астрономии, методам идентификации различных событий в детекторах широких атмосферных ливней и выделении искомых высокоэнергичных сигналов из Космоса. В пятой теме были представлены методы использования NN для задач выявления химического состава веществ на основе методов оптической спектроскопии. В частности, проверка наличия вредных примесей в алкогольной продукции и выделение наличия некоторых химических примесей. Шестая тема была посвящена дискретным задачам и методам применения причинных нейронных сетей “тензорного поезда”. На примере некоторых типичных задач был описан сам метод, являющийся авторской разработкой, и способы формирования причинно-следственных дискретных структур. Седьмая тема была посвящена методам компьютерной алгебры и различных современным достижениям в этой области. В последней теме были рассмотрены методы оптимизации применения глубоких нейронных сетей в анализе данных коллайдерных экспериментов. В частности, методы настройки архитектуры сетей, гиперпараметров и пространства входных наблюдаемых. Проведено сравнение с методами AutoML. Все темы оформлены в виде докладов. Слайды докладов и видео запись обсуждений доступны на странице Круглого стола.

• Добавил в систему: Дудко Лев Владимирович

Доклады:

• 2021 Искусственный интеллект, машинное обучение и обработка данных: полезные ископаемые, магнитные бури и электронный нос (Приглашенный)
• Автор: Доленко С.А.

• 2021 Компьютерная алгебра (Приглашенный)
• Автор: Еднерал В.Ф.

• 2021 Методология применения нейронных сетей в анализе данных коллайдерных экспериментов (Устный)
• Авторы: Дудко Л.В., Волков П.В., Воротников Г.А., Заборенко А.Д.

• 2021 Методы оптимизации архитектуры и метапараметров глубоких нейронных сетей в анализе данных коллайдерных экспериментов (Устный)
• Авторы: Дудко Л.В., Заборенко А.Д., Волков П.В., Воротников Г.А.

• 2021 Обработка данных косвенных измерений а спектроскопии с помощью методов машинного обучения (Приглашенный)
• Авторы: Исаев И.В., Сарманова О.Э., Буриков С.А., Доленко Т.А., Лаптинский К.А., Доленко С.А.

• 2021 Применение искусственных нейронных сетей для решения задач гамма-астрономии (Приглашенный)
• Авторы: Крюков А., Гресь Е.