#нейронные сети

Разработанные в Центре искусственного интеллекта НИУ ВШЭ нейросетевые модели значительно улучшают прогнозирование риска ожирения, диабета первого типа, псориаза и других многофакторных заболеваний. Совместное исследование с компанией Genotek показало, что алгоритмы глубокого обучения эффективнее традиционных методов, особенно при сложных взаимодействиях генов (эпистазах).

Исследователи из МФТИ впервые систематически изучили, как изменяется и стабилизируется процесс обучения нейронных сетей по мере добавления новых данных. Их работа, сочетающая теоретический анализ и обширные эксперименты, показывает, что так называемый «ландшафт функции потерь» нейросети сходится к определенной форме при увеличении размера выборки, что имеет важные последствия для понимания глубинного обучения и разработки методов определения необходимого объема данных.

Множество ученых по всему миру объединились, чтобы составить и опубликовать всеобъемлющую дорожную карту разработки межатомных потенциалов машинного обучения в области материаловедения и инженерии. Они подробно описали, как машинное обучение должно привести к революции в нашем понимании в проектировании и открытии новых материалов, позволяя проводить компьютерное моделирование атомов.

Исследование, проведенное коллективом российских ученых, в том числе МФТИ, — шаг вперед в области нейронных сетей и их обучения. В своей работе они предложили новую структуру биполярного морфологического нейрона и метод обучения, который может повысить вычислительную эффективность нейронных сетей.

Группа российских ученых из компании Smart Engines и МФТИ предложила новый способ квантования бинарных нейронных сетей. Им удалось добиться лучших результатов для обучения таких сетей.

Для работы лифтов, прессов, металлорежущих станков и других электроприводных систем используют двигатели постоянного тока. Они преобразуют поступающую электроэнергию в механическое вращение. При этом током, скоростью, положением и другими важными параметрами управляют специальные электронные регуляторы, которые поддерживают все переменные на нужном уровне, не допуская отклонений. Но случается так, что они не всегда обеспечивают необходимую точность и быстроту, что приводит к замедленному реагированию на изменение условий, рывкам, толчкам и нестабильной работе механизма. Поэтому широкое применение в подобных системах начинают находить нейросети. Ученые Пермского Политеха разработали эффективный подход к их обучению, который позволяет тонко настраивать регулятор и избегать возникновения ошибок.

Команда российских ученых, работающих в МФТИ, Иннополисе и Сколково, совершила научный прорыв в области генеративного моделирования — создании новых изображений, похожих на настоящие фотографии или рисунки. Они разработали новый метод, который значительно ускоряет и упрощает процесс генерации в теории и на практике.

Температура плавления — одно из наиболее важных свойств материала, которое определяет потенциал его применения в различных областях промышленности. Экспериментальное измерение температуры плавления сложно и требует больших затрат, в то время как вычислительные методы помогут добиться не менее точного результата быстрее и проще. Ученые из Сколтеха провели исследование, в котором рассчитали максимальную температуру плавления высокоэнтропийного карбонитрида — соединения титана, циркония, тантала, гафния и ниобия с углеродом и азотом.

Ученые из БФУ имени И. Канта в сотрудничестве с болгарскими коллегами из Медицинского университета Пловдива провели исследование, направленное на выявление нейронных коррелятов, специфичных для депрессивных и параноидных симптомов.

По данным Государственного доклада за 2022 год, объемы твердых коммунальных отходов (ТКО) в России составили почти 46 миллионов тонн, из них пять миллионов — пластиковый мусор. При этом ежегодно только 14–18 процентов от его общего количества собирается для повторного использования, а остальное отправляется на захоронение. Частицы микропластика обнаружены во всех сферах природной среды, а также в живых организмах. Во всем мире ищут способы быстро и точно находить пластиковые частицы в почве, воде и воздухе. Ученые ПНИПУ разработали технологию определения микропластика с помощью нейронных сетей и машинного зрения.

Используя пространственный модулятор света и небольшой набор программируемых параметров, ученые проводили нелинейно-оптические вычисления внутри многомодовых волокон. Итоговая производительность работы их сети была сопоставима с нейросетями с более чем в 100 раз большим количеством параметров.

В декабре 2023 года «Яндекс» стал единственной российской компанией, вошедшей в рейтинг мировых лидеров в области развития искусственного интеллекта. Этот список был составлен компанией Epoch AI вместе с учеными из Массачусетского технологического института. Naked Science решил побеседовать с Артемом Бабенко, главой Yandex Research, и узнать, что позволило российской компании попасть в этот престижный рейтинг и каких свершений в области ИИ нам стоит вскоре ожидать.

Коллектив ученых из Сколтеха и Санкт-Петербургского государственного университета аэрокосмического приборостроения представил работу, в которой предложил альтернативный метод определения гнилых и плесневых участков яблок на послеуборочной стадии, когда фрукты хранят на складах, а потом доставляют к потребителям. Система компьютерного зрения позволит выявлять разные типы дефектов на ранней стадии, когда они еще могут быть недоступны человеческому глазу.

Команда исследователей из НИУ ВШЭ и Института AIRI доказала эффективность разработанного ими ранее метода PSIICOS при построении карты нейронных сетей головного мозга. В отличие от других методов, он ищет не отдельные нейрональные источники, а сразу сети и делает это максимально быстро и точно.

Результаты исследований позволят нейробиологам ННГУ разработать оптогенетические подходы для управления активностью астроцитов и нейронов стареющего головного мозга.

Чжан Цзинвэй, аспирант ЮФУ, победитель федерального конкурса управленцев «Лидеры России», разработал упрощенную модель нейронных сетей для беспилотных летательных аппаратов, выполняющих задачу быстрого обнаружения небольших объектов в реальном времени. В сравнении с аналогами беспилотники на новом алгоритме показывают большую эффективность, точность, скорость и низкую энергозатратность.

Международная коллаборация с участием ученых факультета компьютерных наук НИУ ВШЭ предложила новый подход к проектированию детекторов для физики элементарных частиц с помощью дифференцируемого программирования и глубоких нейронных сетей. Он позволит оптимизировать производительность инструментов и повысит научную ценность результатов экспериментов.

Ученые из Института когнитивных нейронаук НИУ ВШЭ совместно с коллегами из Лондонского университета и Института когнитивных исследований человека и мозга имени Макса Планка изучили с помощью магнитоэнцефалографии работу головного мозга у людей с низким и высоким уровнями личностной тревожности во время решения вероятностных задач. Выяснилось, что в ситуации неопределенности между двумя группами испытуемых существуют различия в активности медиальной префронтальной, орбитофронтальной и передней поясной коры. У людей с высоким уровнем тревожности нейрональная активность оказалась выше, а эффективность в решении задач — ниже. Причина этого — в особенностях восприятия условий неопределенности.

Группа американских исследователей в области химической инженерии разработала самоуправляемую лабораторию, способную выявлять и оптимизировать сложные многоступенчатые пути реакций для синтеза как новых, так и уже известных материалов и молекул. Во время демонстрации концепции система под управлением нейронной сети нашла более эффективный способ производства высококачественных полупроводниковых нанокристаллов, которые используются в оптических и фотонных устройствах.

Пожалуй, самая популярная и перспективная задача нейросетей — технологии распознавания образов. Они либо по отдельности, либо в интегрированном виде используются в таких сферах, как безопасность и наблюдение, сканирование и создание изображений, маркетинг и реклама, дополненная реальность и поиск изображений. Обучение — очень важная часть создания этой технологии. Слишком маленькое или наоборот большое количество данных в нейросети приводит к некорректной работе. Порой даже оптимальный размер данных может привести к плохим результатам, если объекты, по которым обучалась программа будут захвачены с одного ракурса или находятся на одном фоне. Сегодня специалистам приходится определять границы изучаемых объектов вручную в специальных программах. Этот процесс очень длительный и трудоемкий. Ученые Пермского Политеха создали программу с генератором случайных синтетических изображений, которая позволит обучать нейросеть быстрее.