Сегодня у ребят финальный день на лекциях, семинарах и групповой работы над проектами!

Завтра - день Х! Желаем всем участникам Летней школы удачи☺️🙌🏻

#фонд_Интеллект

С 6 по 12 июля в Геленджике проходила Летняя школа по ИИ для студентов, магистров и аспирантов МГУ, организованная фондом "Интеллект", где участники слушали лекции от ведущих экспертов-практиков по ИИ, а также решали реальные кейсы от представителей бизнеса.

Среди участников были слушатели и выпускники курса "Нейронные сети и их применение в научных исследованиях" — 11 человек. Многие из них стали победителями и призёрами в конкурсе на лучшее решение кейсов от представителей бизнеса.

Преподаватели MSU.AI Виктор Немченко и Никита Беляков были кураторами и помогали ребятам в решении кейсов.
И кураторы, и участники поделились своими впечатлениями о Летней школе:

Виктор Немченко: Для меня Летняя школа стала очень тёплым и вдохновляющим опытом. Мне было приятно работать с такими умными, добрыми, весёлыми и дружными ребятами, они заряжали энергией каждый день. Отдельное спасибо представителям бизнеса за настоящие, живые кейсы с реальным применением — это дало смысл и глубину всей работе. Получилась мощная синергия образования и практики. Команды сделали классные решения и поделились креативными идеями, которые можно внедрить уже завтра. Горжусь, что был частью этого процесса!

Также одним из кураторов Летней школы был выпускник 4-го потока MSU.AI Андрей Быков:

Летняя школа по ИИ-2025 прошла просто шикарно: море, лето, много работы. У ребят были классные идеи, нетривиальные подходы к решению поставленных задач. Я вникал в их предложения, подсказывал, помогал найти оптимальные решения и тоже учился новому. Например, я узнал несколько библиотек, которые планирую применить в своей исследовательской работе.

Гавриил Куприянов, выпускник 8-го потока MSU.AI, занявший с командой 1-е место:

Летняя школа стала для меня ярким лучиком этого лета, увлекательным приключением, в котором совмещались и умственная деятельность, и работа в команде и, конечно же, яркий отдых со своими единомышленниками.

Отмечу, что знания, которые я получил на курсе "Нейронные сети и их применение в научных исследованиях", помогли мне разобраться в новой теме, связанной с большими языковыми моделями, а также во многом помогли мне в работе над кейсами. Эти знания были основным источником, к которому я обращался в процессе решения поставленной задачи. Также в моей команде был ещё один выпускник курса, с которым мы многое решали вместе и делились мнением. У меня остались только положительные впечатления от участия в Летней школе. Большое спасибо фонду "Интеллект" за предоставленную возможность.

Олег Василевский,выпускник 8-го потока MSU.AI, занявший с командой 1-е место:

Летняя школа прошла потрясающе: очень здоровские лекции, кейсы. Мы плодотворно пообщались с представителями бизнеса, преподавателями. Несмотря на плотный учебный график, мы успевали ходить на море, гулять по Геленджику. Единственный минус — мне не хватило времени, проведённого здесь 😁 Во всём остальном — только сплошные плюсы.

Мне очень помогли знания, полученные на курсе MSU.AI. Без них я бы вообще не понимал ни слова, ни на лекциях Летней школы, ни в своей работе над кейсом 🙈. Считаю, что наша победа достигнута за счёт этих знаний.

Огромное спасибо команде MSU.AI за курс "Нейронные сети и их применение в научных исследованиях", фонду "Интеллект" за организацию Летней школы и представителям бизнеса за классные кейсы и нетворкинг! Мне всё очень понравилось!

Своим впечатлением поделился и преподаватель MSU.AI, выпускник 4-го потока курса, который был куратором на Летней школе по ИИ-2025, Никита Беляков:

На мой взгляд, такие мероприятия крайне полезны для молодых специалистов в области data science и открывают ряд новых возможностей. Живое общение со студентами, экспертами и представителями бизнеса позволяют расширить кругозор в области ИИ. Я получил настоящее удовольствие от работы в такой атмосфере, с такими заряженными людьми!

Подробнее о том, как прошла Летняя школа по ИИ-2025, о кейсах и командах-победителях можно узнать из материалов фонда "Интеллект"

#MSU_AI

Физически-информированные нейросети - мощный инструмент для восстановления параметров турбулентного течения

#фонд_Интеллект
#фонд_Вольноедело

Одна из победительниц Конкурса публикаций 6-го потока обучения курса «Нейронные сети и их применение в научных исследованиях» Юлия Руденко опубликовала свою статью в научном журнале HeatTransfer Research (Q2).

В статье «Complete characterization of axisymmetric turbulent jet using background oriented schlieren and physics-informed neural network» журнала Heat Transfer Research (Q2) представлены результаты восстановления всех параметров турбулентной струи горячего воздуха, включая турбулентную вязкость, из экспериментально измеренных теневым фоновым методом полей температуры с помощью Physics-Informed Neural Network (PINN). В данном случае нейросеть показала себя как удобный способ ассимиляции данных, с помощью которого по измеренному распределению одной величины можно восстановить остальные, которые на практике измерить сложно и даже невозможно.
В отличие от PINN, для обучения обычной нейронной сети требуется массив «решенных задач». В экспериментальной гидродинамике с этим труднее: часто оказывается недостаточно экспериментальных данныхдля обучения. Конечно, можно использовать результаты численного моделирования. Но всегда остается вопрос — насколько они соответствуют реальному течению? Особенно, если рассматривается турбулентное течение, для моделирования которого используют полуэмпирические модели турбулентности, верифицированные только для некоторых течений. И если так мало данных, целесообразно ли использовать нейросеть? Да, PINN предназначена для таких задач.

«До применения PINN мы попробовали использовать другой подход - численное решение уравнений гидродинамики с подставленным экспериментальным полем температуры. Но такой способ восстановления требует сглаживания исходных данных, регуляризации уравнений. PINN оказалась более удобным инструментом для ассимиляции данных», – рассказывает один из авторов статьи, аспирант и младший научный сотрудник кафедры молекулярных процессов и экстремальных состояний вещества физического факультета МГУ Юлия Руденко.

PINN не требует полной математической постановки задачи.

«То, что вы твердо знаете про течение, можно включить в целевую функцию, что не знаете, можно не включать. Поскольку подход новый, никто не знает, сколько нужно входных данных, чтобы нейросеть выдала правильное решение (глобальный минимум целевой функции). Это очень похоже на нелинейную аппроксимацию какой-нибудь функции с несколькими неизвестными параметрами, вот только подбираемых параметров тут десятки тысяч — значения всех физических величин в узлах сетки. Подход очень гибкий, хотя и еще недостаточно изученный. Со временем станет понятнее, как получать с помощью PINN правильные результаты и как отличить правильный результат от неправильного», – отмечает один из авторов, к.ф.-м.н., доценткафедры молекулярных процессов и экстремальных состояний вещества физического факультета МГУ Николай Аркадьевич Винниченко.

✅ Исследование выполнено при поддержке фонда «Интеллект», а также благодаря инициативе и поддержке Фонда «Вольное Дело» Олега Дерипаска.

Преподаватель курса MSU.AI представила свой доклад на конференции IMS-2025

#фонд_Интеллект
#фонд_Вольноедело

В Санкт-Петербурге прошла международная научная конференция «Интернет и современное общество», которая проводится ежегодно с 1998 года. Участниками конференции стали более 400 преподавателей и научных сотрудников университетов и академических организаций, представителей государственных учреждений и коммерческих компаний, общественных деятелей и деятелей цифрового искусства. Участники представили Англию, Индию, Италию, Китай, Объединенные Арабские Эмираты, Россию, Саудовскую Аравию, Соединенные Штаты Америки, Узбекистан, Францию и другие страны.
На сессиях конференции IMS-2025 прозвучало более 150 докладов: 141 в Санкт-Петербурге и 15 в Дубае.

На конференции IMS-2025 выступила с докладом аспирантка филологического факультета МГУ, преподаватель курса «Нейронные сети и их применение в научных исследованиях» Ксения Студеникина.

«В своем докладе я рассказала о результатах тестирования моделей на созданном бенчмарке КВаС. В дальнейшем я планирую протестировать больше моделей и сравнить, насколько модели и люди устойчивы в оценках приемлемости при изменении лексического материала», — уточнила молодая ученая.

По итогам конференции будет сформировано четыре сборника научных трудов. Избранные тексты будут рекомендованы к публикации в специализированных номерах шести российских и зарубежных журналов.

Фонд "Интеллект" благодарит основателя фонда "Вольное дело" Олега Дерипаска за содействие в развитии науки и предоставленные возможности молодым ученым МГУ для реализации исследований.

Продолжается набор на магистерскую программу для биологов и программистов

На факультете биоинженерии и биоинформатики МГУ имени М.В. Ломоносова идет прием документов для поступления на образовательную программу магистратуры «Применение машинного обучения в биологии».
Самый удобный способ подать документы и сэкономить время - онлайн. Вот два проверенных способа:
• Через сайт веб-анкеты МГУ: https://vk.cc/avPUuq
• Через сервис «Поступление в вуз онлайн» на Госуслугах: https://vk.cc/cd4F6k
Срок приема документов на программу магистратуры — до 10 августа. Вступительное испытание будет 12 августа онлайн.
Эта программа предназначена для биологов и программистов, которые хотят использовать методы машинного обучения и искусственного интеллекта в исследованиях в области биологии и медицины. В рамках обучения студенты изучают различные методы — от регрессий до глубоких нейронных сетей — и применяют их к реальным задачам в биологии, медицине и биоинформатике.
Обучение включает более 30 курсов, созданных практикующими специалистами. Студенты осваивают базовые дисциплины, такие как молекулярная и общая биология, биохимия, генетика и микробиология, а также приобретают навыки в области структурной биоинформатики и анализа трёхмерных структур биомолекул. Это дает выпускникам возможность разбираться в современных научных задачах и использовать методы машинного обучения для их решения.
Поступить на программу можно по двум направлениям: «Биология» и «Информационные технологии». Вступительное испытание представляет собой письменный экзамен, на котором абитуриент выбирает один из блоков в зависимости от своей подготовки. На основе результатов экзамена формируются индивидуальные образовательные траектории, направленные на доведение знаний студента до необходимого уровня.
Фонд «Интеллект» не только финансирует разработку новой образовательной программы, но и полностью оплачивает обучение студентов, прошедших конкурсный отбор на программу в 2025 году.

Инициатором образовательной программы выступил Фонд "Вольное Дело" Олега Дерипаска.


#фонд_Интеллект

Есть ли душа у животных и растений? Почему ученые больше не считают человека единственным носителем сознания

#фонд_Интеллект
#фонд_Вольноедело

Что такое сознание? Обладают ли им животные? А растения? Может ли оно быть растворено во Вселенной? Действительно ли человек - единственный носитель сознания на планете? Об этом в программе «Время науки» на Радио «Комсомольская правда» говорил директор Института перспективных исследований мозга МГУ имени Ломоносова, академик РАН, нейрофизиолог Константин Анохин. Информация взята с сайта КП.

ТЕМНАЯ МАТЕРИЯ НАШЕГО «Я»

- Мы говорим: люди - сознательные существа. А что это такое сознание - ученые определились?

Константин Анохин:
— Это одна из самых неизведанных областей человеческого познания. Мы много поняли в биологическом мире, даже в происхождении жизни. Очень многое знаем об устройстве нервных систем. За последние полвека наука сделала огромный скачок, но устройство нашего внутреннего мира до сих пор одна из самых темных материй. И задача науки – попробовать сейчас войти в эту область кромешной тьмы, где раньше вопросы - «Кто я такой?», «Откуда я взялся?», «Что меня ждет?» - имели ответ в области религии. Какие ответы дает религия? Я — это душа. Откуда я взялся? Меня сотворил Бог. Что меня ждет? Бессмертие.
Могут ли естественные науки пролить свет на эту тьму? В этой области есть определенный прогресс. Одна из принципиальных вещей — это некий консенсус относительно того, что считать сознанием. Мы выросли в традиции, что сознание — это высокоуровневое свойство социального человека, наделенного языком и живущего внутри культуры. Вначале философское, а потом научное понимание сознания за последние полвека сильно изменилось, и это то, что является сегодня предметом дальнейших исследований.
Надо понимать, когда наука входит в темную область, она пользуется рабочими определениями. Окончательное научное определение - итог того, как наука разобралась в предмете. Есть два рабочих определения сознания, которыми сегодня пользуются ученые. Сознание — это все, что происходит с нами, что мы чувствуем, переживаем, думаем, от момента, когда просыпаемся, и до момента, когда засыпаем, переходим в сон без сновидений, впадаем в кому или умираем. То есть вся наша внутренняя жизнь. Второе определение дает больше научного ориентира: сознание — это любые ощущения о том, каково это - быть этим существом. Внутренние ощущения своего тела, своих мыслей, внешнего мира. Наука пытается разобраться в этой темной материи.

🔗Полное интервью можно прочитать по ссылке: https://vk.cc/cObjFd

фото: Иван МАКЕЕВ

Фонд "Интеллект" выражает благодарность фонду "Вольное дело" и его основателю Олегу Дерипаска за содействие в развитии науки и предоставленные возможности делать её открытой и доступной для всех желающих!

Ученые МГУ предложили алгоритм глубокого обучения для вычисления функциональных интегралов

#фонд_Интеллект
#фонд_Вольноедело

Всеволод Чистяков, аспирант кафедры теоретической физики Физического факультета МГУ стал победителем Конкурса публикаций 6-го потока обучения курса «Нейронные сети и их применение в научных исследованиях». Его научная статья «Application of Neural Networks for Path Integrals Computation in Relativistic Quantum Mechanics» опубликована в научном журналеMoscow University Physics Bulletin.

В квантовой механике и теории поля существуют различные подходы к вычислению средних значений физических величин. Один из подходов требует решение дифференциального уравнения в частных производных — уравнения Шредингера. Это уравнение может быть точно решено лишь в узком классе моделей, в остальных случаях приходится решать его численно. Сложность вычислений при заданной точности экспоненциально быстро растет с увеличением числа частиц (степеней свободы) модели.
Другим подходом к вычислению средних значений физических величин в квантовой механике и теории поля является построенный Р. Фейнманом формализм функционального интеграла, в котором среднее значение физической наблюдаемой представляется в виде интеграла по бесконечномерному функциональному пространству (по пространству траекторий). При численных расчетах такие интегралы аппроксимируют интегралами большой, но конечной кратности и вычисляют их с помощью метода Монте-Карло марковских цепей.
Как известно, сложность Монте-Карло алгоритмов не растет экспоненциально с увеличением числа степеней свободы модели. Поэтому в задачах квантовой механики, содержащих большое число степеней свободы, подход функционального интеграла является единственно возможным. Он также активно применяется в квантовой теории поля и статистической физике, например, при изучении кварк-глюонной плазмы, сверхпроводимости, сверхтекучести, магнетизма. Таким образом, ускорение Монте-Карло вычислений функциональных интегралов является важной задачей для многих разделов физики.
В работе был применен нейросетевой генеративный алгоритм нормализующих потоков (normalizing flow) для генерации траекторий с заданным распределением, что позволило ускорить вычисления в несколько раз. Авторытестировали алгоритм в квантовомеханических моделях релятивистской частицы с различной потенциальной энергией. Была выявлена зависимость качества генерации траекторий с помощью нормализующих потоков от числа узлов траекторий (размерности данных), а также замечены некоторые топологические эффекты.
В дальнейших исследованиях ученые МГУ планируютповысить качество генерации траекторий и за счет этого добиться еще большего ускорения Монте-Карло вычислений функциональных интегралов.

«В нашей работе мы применили нейросетевой генеративный алгоритм нормализующих потоков (normalizing flow) для генерации траекторий с заданным распределением, что позволило ускорить вычисления в несколько раз. В дальнейших исследованиях мы планируем применить данный метод к задачам квантовой теории поля и физики конденсированного состояния», — отметил Всеволод Чистяков, аспирант кафедры теоретической физики Физического факультета МГУ.

✅ Исследование выполнено при поддержке фонда «Интеллект», а также благодаря инициативе и поддержке Фонда «Вольное Дело» Олега Дерипаска.