Ученые Центра ИИ и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ применили классические алгоритмы обучения с подкреплением для настройки генеративных потоковых сетей ( GFlowNets ). Это позволило улучшить работу GFlowNets , которые применяются уже три года для решения сложнейших научных задач на этапах моделирования, генерации гипотез и экспериментального проектирования. Результаты работы вошли в 5% лучших публикаций на Международной конференции по искусственному интеллекту и статистике AISTATS, которая состоялась 2–4 мая 2024 года в Валенсии.
Тема «инновации»
Ученые Центра искусственного интеллекта НИУ ВШЭ зарегистрировали в Реестре отечественного ПО программное обеспечение, которое предсказывает расположение функциональных элементов генома методами глубинного обучения на основе омиксных данных молекулярной биологии. Программа востребована широким кругом пользователей – в первую очередь, в фармакологических компаниях – в задачах, требующих анализа омиксных данных или обучения нейросетей для улучшения геномной аннотации.
Центр ИИ НИУ ВШЭ, Лаборатория естественного языка НИУ ВШЭ и MTS AI организуют семинар, посвященный промпт-инжинирингу, техникам написания эффективных промптов и задачам, которые уже решаются с помощью LLM в бизнесе и повседневной жизни. Мероприятию пройдет онлайн 16 апреля в 17:00.
Проект Центра ИИ НИУ ВШЭ, реализованный в интересах партнера АО «Новое сервисное бюро», вошёл в число победителей конкурса стартапов MITT Travel Start 2024.
В новом выпуске подкаста «Что будет» Мария Попцова, заведующая международной лабораторией биоинформатики Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ, и ведущий Дмитрий Шепелев обсудили самые актуальные вопросы биоинформатики.
Что такое биоинформатика? Какие задачи она решает? Как искусственный интеллект помогает в изучении человеческого генома и его мутаций? И самое главное — спасут ли ученые-биоинформатики человечество от смертельных заболеваний?
Что такое биоинформатика? Какие задачи она решает? Как искусственный интеллект помогает в изучении человеческого генома и его мутаций? И самое главное — спасут ли ученые-биоинформатики человечество от смертельных заболеваний?
До 20 октября открыта регистрация на национальную премию «Лидеры искусственного интеллекта» за достижения в области разработки и внедрения искусственного интеллекта. К участию приглашаются ученые, компании и муниципальные органы власти, которые в 2021-2023 годах реализовали проект или новаторское исследование в сфере ИИ. Премия проводится при поддержке АНО «Цифровая экономика», Альянса в сфере искусственного интеллекта и Правительства РФ.
Ученые Центра искусственного интеллекта НИУ ВШЭ провели семинар на площадке МТS AI. Дмитрий Ветров и Андрей Охотин рассказали про применение Star-Shaped вероятностных диффузионных моделей для задачи улучшения и восстановления изображений и/или звука.
17-18 августа в Университете Иннополис состоялась международная конференция по искусственному интеллекту для бизнеса «AI IN 2023». В течение двух дней эксперты провели 19 дискуссий, где анализировали опыт внедрения ИИ в производство, нефтегазовую, энергетическую промышленность, медицину и другие отрасли. НИУ ВШЭ на конференции представляли ведущий научный сотрудник лаборатории методов анализа больших данных ФКН Федор Ратников и научный сотрудник лаборатории Михаил Лазарев.
Руководитель проекта «Цифровая модель для динамической идентификации промышленных источников выбросов и прогнозирования пространственного распределения вредных веществ в атмосферном воздухе» Алексей Кычкин и стажер-исследователь Олег Горшков получили патент на систему прогнозирования пространственного распределения вредных веществ в атмосферном воздухе с использованием блока искусственного интеллекта. Изобретение может быть использовано для комплексного планирования и уведомления о рисках загрязнений атмосферного воздуха вредными веществами. Работы были выполнены в рамках гранта Центра искусственного интеллекта НИУ ВШЭ.
Исследование предлагает метод прогнозирования дефектов двумерных материалов на основе машинного обучения. Разработки позволили сократить в несколько раз ошибки в прогнозировании свойств двумерных материалов.
1
2