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.

Екатерина Диффинэ стала победителем секции молодых ученых на конференции GLP-PLANET VI

#фонд_Интеллект
#фонд_Вольноедело

Победитель конкурса молодых ученых 2022 года Екатерина Диффинэ успешно представила доклад на международной конференции GLP, где стала лауреатом секции «Молодые ученые». Ее доклад под названием «Зрительная категоризация в биологических и искусственных системах» вызвал живой интерес аудитории и был высоко оценен экспертным жюри.
В своем выступлении Екатерина представила результаты сравнительных исследований, посвященных механизмам зрительной категоризации у животных и возможностям ее моделирования с помощью искусственных сетей. Особое внимание было уделено экспериментальной модели быстрого категоризационного обучения. В рамках доклада были также представлены перспективы применения этой модели в развитии систем ИИ.
По словам организаторов, работа Екатерины Диффинэ стала ярким примером междисциплинарного подхода, объединяющего нейробиологию и искусственный интеллект. Победа в секции молодых ученых открывает перед исследовательницей новые перспективы и подчеркивает важность фундаментальных исследований.
GLP-PLANET является ежегодной конференцией, которая собирает ведущих специалистов в области доклинических исследований, представителей фармацевтических компаний и регулятора, представителей профессиональных объединений и сообществ, экспертов в области систем менеджмента качества и надлежащей лабораторной практики (GLP).

Поездку молодой ученой поддержали фонд «Интеллект», фонд «Вольное дело» Олега Дерипаска.

Окончен второй набор на программу магистратуры «Применение машинного обучения в биологии» на ФББ МГУ

#фонд_Интеллект

При поддержке фонда «Интеллект» состоялся очередной набор на программу «Применение машинного обучения в биологии», которая была запущена в 2024 году на факультете биоинженерии и биоинформатики МГУ имени М.В. Ломоносова.
Особенность программы состоит в том, что она ориентирована одновременно на и биологов, и программистов, которые хотят научиться использовать методы искусственного интеллекта в биологии и биоинформатике. На программе готовят специалистов с глубокими знаниями в области искусственного интеллекта и биологии.

«Наша программа готовит специалистов, которые умеют не только разрабатывать модели ИИ, но и понимают, как решать задачи, связанные с моделированием биологических объектов. Прикладное применение ИИ в биологии долгое время оставалось менее популярным из-за высокого порога входа, требующего глубоких междисциплинарных знаний. Однако именно здесь сейчас происходят ключевые прорывы: развивается синтетическая биология, создаются подходы ИИ для дизайна элементов живых систем (так, за ИИ-модель AlphaFold для моделирования структур белков была присуждена последняя Нобелевская премия). Приятно видеть, что абитуриенты все сильнее чувствуют тренд развития технологий – конкуренция в этой области пока что не так высока, что позволяет потратить больше времени на вход в область», – отметил менеджер программы Арсений Зинкевич.

В сравнении с прошлым годом конкурс на программу значительно вырос. Всего в этом году было подано 99 заявок на поступление. Конкурс составил 4.95 человека на место.
По итогу вступительного испытания были отобраны 20 лучших абитуриентов, обучение которых будет полностью профинансировано фондом «Интеллект».

Реализация образовательной программы стала возможной благодаря инициативе Олега Дерипаска и его фонду "Вольное дело".

Дорогие студенты, магистры и аспиранты!

Сердечно поздравляем вас с началом нового учебного года! Этот день символизирует не только новый виток образовательного процесса, но и новые возможности для личностного и научного роста.

Фонд «Интеллект» стремится создать для вас максимально комфортные условия для развития в науке и обучении, и готовы поддерживать вас на каждом шагу. Наша команда всегда готова оказать помощь, поделиться знаниями и опытом, а также предоставить ресурсы, необходимые для достижения ваших целей.

Пусть этот учебный год станет для вас временем вдохновения, интересных открытий и плодотворного сотрудничества. Мы уверены, что вместе мы сможем достичь новых высот в науке и образовании!

С наилучшими пожеланиями,
Фонд «Интеллект»