Подведены итоги Круглого стола: "Машинное обучение: эффективный инструмент для познания физической картины мира"


Уважаемые коллеги!
В прошедший четверг состоялось заседание Круглого стола на тему: "Машинное обучение: эффективный инструмент для познания физической картины мира".

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 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.