Определены победители Летней школы машинного обучения Сколтеха
1 сентября завершилась Летняя школа машинного обучения Сколтеха (SMILES-2023 https://smiles.skoltech.ru/) в Белокурихе Горной - уникальной предгорной местности Алтайского края.
Студенты, успешно прошедшие все этапы 12-дневого интенсивного курса, включая презентацию постерного доклада и защиту группового проекта в ходе хакатона «Методы ИИ для решения индустриальных задач устойчивого развития», получили соответствующие сертификаты за подписями ректора Сколтеха Александра Кулешова и руководителя Центра прикладного ИИ Сколтеха Евгения Бурнаева.
«Мы не случайно решили в это раз провести SMILES вдали от Москвы: это помогло привлечь больше участников из регионов, кроме того, находясь в таком достаточно удалённом от цивилизации месте, студентам было легче сфокусироваться и на занятиях, и на работе над проектами, — отметил директор SMLES-2023 профессор Евгений Бурнаев. – Мы постарались максимально охватить в 12-дневном курсе все современные достижения глубинного машинного обучения, донести до участников темы, которые сейчас действительно интересны мировому научному сообществу в этой области. Некоторые результаты, описанные в лекциях, изначально были впервые представлены в мае этого года на ведущей международной конференции по машинному обучению ICLR 2023, и вот, их читают на Алтае, практически «с корабля на бал». Из общих впечатлений о школе - здесь собрались сильные студенты из разных регионов, которые сообща смогли сделать очень интересные проекты, и это позволит им по возвращении домой заниматься машинным обучением ещё с большим успехом и мотивацией».
Победителями постерной сессии стали:
-
Александр Толмачев, представивший постер «Анализ глубоких нейросетей на основе метода информационного узкого места с помощью сжатия с потерями». Исследование посвящено оценке взаимной информации в нейронных сетях с помощью сжатия с потерями. Авторами был предложен метод для анализа взаимной информации между выходами слоев нейронной сети, основанный на сжатии внутренних представлений с помощью автоэнкодеров. «В дальнейшем планируется применить технику нормализационных потоков к нашему методу, - говорит Александр. - Кроме того, будут проведены новые эксперименты с разными нейронными сетями для более подробного исследования соответствующих им информационных плоскостей».
-
Татьяна Зайцева с результатами исследования «Регулярность тайловых B-сплайнов», в котором изучаются системы тайловых B-сплайнов, их показатели гладкости и соответствующие приложения. Татьяна планирует далее использовать методы машинного обучения для аппроксимации гладкости сплайнов больших порядков.
-
Артем Галлямов с постером «Разработка суррогатной модели для процесса очистки трещины ГРП», где были представлены результаты разработки суррогатной модели машинного обучения с целью значительного ускорения симулятора очистки трещины гидроразрыва пласта. Дальнейшее развитие исследования заключается в применении многослойного перцептрона (MLP) и улучшении качества синтетических данных.
Победители хакатона:
- Команда проекта «Прогнозирование динамики радарных спутниковых снимков на основе нейросетевых уравнений в частных производных» - Анатолий Онищенко и Стефан Мария Айлуро - разработали модель предсказания динамики льда в пределах залива для повышения безопасности судоходства в условиях серьезного недостатка пространственно-временных данных. В планах по дальнейшему развитию проекта - исследование физически-информированных архитектур и адаптация современных подходов к построению нейронных дифференциальных уравнениях на случай недостатка данных.
- Команда проекта «Оценка непрерывного энтропийного вассерштейнова барицентра на основе модели энергии», Игорь Удовиченко и Александр Колесов, осуществляли поиск барицентра Вассерштейна нескольких непрерывных распределений, заданных конечными выборками из них, с произвольной функцией цены с помощью энергетических моделей. «Мы разработали алгоритм поиска барицентра и проверили его на задаче с аналитическим решением, а также на нескольких более сложных задачах, в том числе на датасете Colored MNIST, - комментируют авторы проекта. - Далее планируем провести больше экспериментов на реальных данных и сложных функциях стоимости, сравнить их с существующими методами поиска барицентров и опубликовывать статью с нашими результатами».
- Команда проекта «Применение методов машинного обучения для исследования влияния потока плазмы в газовом разряде на динамику микрочастиц в конденсированном состоянии» - Даниил Колотинский, Богдан Кириллов и виртуально - Петр Ховенталь исследовала левитирующие в плазме газового разряда микрочастицы конденсированного состояния, которые взаимодействуют друг с другом невзаимным образом, обусловленным их плазменным окружением. «В рамках проекта нам удалось обучить нейросеть предсказывать силы, действующие на микрочастицы конденсированного состояния в плазменном потоке, для системы из трех микрочастиц, - объясняет Даниил Колотинский. - В будущем мы планируем адаптировать наше решение на системы больших размеров».
Очно в SMILES-2023 приняли участие 65 студентов, магистров и аспирантов ведущих вузов России, активно вовлеченных в исследования в области машинного обучения и его применения для моделирования технических и физических систем. Для реализации проектов участникам школы был предоставлен доступ к суперкомпьютеру «Жорес» Сколтеха, специально предназначенному для решения задач машинного обучения и моделирования, основанного на данных.
Свыше 200 слушателей присоединились к школе онлайн. Участие в Летней школе машинного обучения Сколтеха для всех слушателей бесплатное. Информационными партнерами школы выступили федеральный проект «Искусственный интеллект» национального проекта «Цифровая экономика» и открытая платформа «Россия – страна возможностей».