Тема «исследования и аналитика»

Ученые Института искусственного интеллекта и цифровых наук (Института ИИиЦН) факультета компьютерных наук НИУ ВШЭ разработали модель, которая с точностью до 95% предсказывает, будут ли белки взаимодействовать друг с другом. GSMFormer-PPI использует три типа данных о белке, в том числе и о его поверхности, и анализирует связи между ними, в отличие от предыдущих моделей, где данные просто объединялись. Разработка может ускорить поиск молекулярных механизмов болезней, биомаркеров и потенциальных мишеней для лекарств. Работа опубликована в журнале Scientific Reports.

Ученые  Института искусственного интеллекта и цифровых наук (ИИиЦН) факультета компьютерных наук НИУ ВШЭ разработали метод Signature-Guided Data Augmentation (SGDA), который способен с точностью 99% определять неисправность двигателей и с точностью 86% классифицировать типы возникших поломок. Применение этой разработки может снизить расходы на ремонт промышленного оборудования, уменьшить простои и сделать производство безопаснее. Результаты исследования опубликованы в журнале Engineering Applications of Artificial Intelligence.

Исследователи из Центра искусственного интеллекта ФКН НИУ ВШЭ разработали ИИ-модель, которая открывает новые возможности для диагностики и лечения тяжелых заболеваний, включая рак мозга и нейродегенеративные нарушения. Ученые применили искусственный интеллект для изучения G-квадруплексов — структур, которые оказывают значительное влияние на работу наших клеток и развитие различных органов и тканей. Статья с результатами исследования опубликована в журнале Scientific Reports.

Международная команда исследователей, в том числе из НИУ ВШЭ, создала первую полную карту квадруплексов — нестабильных структур ДНК, участвующих в регуляции генов. Ученые впервые показали, что эти структуры работают парами: один находится в участке ДНК, который запускает считывание гена, а другой в соседнем участке, ускоряющем этот процесс. В нормальных тканях они регулируют работу тканеспецифичных генов, а в раковых — генов, отвечающих за рост и деление клеток. Результаты могут помочь в разработке новых противоопухолевых препаратов, нацеленных на квадруплексы. Исследование опубликовано в журнале Nucleic Acids Research.

Исследователи Центра ИИ НИУ ВШЭ разработали новый метод оценки надежности моделей машинного обучения. Они показали, что подход работает в восемь раз быстрее, чем полный перебор моделей, и существенно снижает объем ручной проверки. Метод можно использовать в задачах физики элементарных частиц с нейросетями различной архитектуры. Исследование опубликовано в журнале IEEE Access.

24–25 октября в московском кампусе НИУ ВШЭ на Покровке состоялась IV ежегодная конференция Fall into ML 2025, посвященная машинному обучению и искусственному интеллекту. Мероприятие прошло при поддержке генерального партнера — Сбербанка, а его идейным вдохновителем стал директор Института искусственного интеллекта и цифровых наук факультета компьютерных наук Алексей Наумов. Конференция уже в четвертый раз собрала всех, кто создает науку об ИИ в России — от студентов и аспирантов до ведущих ученых с мировыми именами.

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). Результаты опубликованы в журнале Frontiers in Medicine.

Ученые НИУ ВШЭ создали MLOps-платформу SmartMLOps. Она предназначена для исследователей в области искусственного интеллекта, которые хотели бы превратить свое изобретение в полноценный сервис. В будущем на платформе могут быть развернуты ИИ-помощники для упрощения образовательного процесса, оказания медицинской помощи, консультирования и решения многих других задач. Создатели ИИ-технологий смогут получить готовый к работе сервис в течение считанных часов. На суперкомпьютере Вышки этот сервис может быть запущен в несколько кликов.

Научный консультант Международной лаборатории биоинформатики Института искусственного интеллекта и цифровых наук Алан Герберт предложил новое объяснение одной из нерешенных загадок биологии — происхождения генетического кода. Согласно исследованию, опубликованному в журнале Biology Letters, современный генетический код мог возникнуть благодаря самоорганизующимся молекулярным комплексам — тинкерам. Новую гипотезу автор выдвинул на основе анализа вторичных структур ДНК с помощью нейросети AlphaFold3.

Центр искусственного интеллекта НИУ ВШЭ совместно с управляющей компанией в сфере гостеприимства АО «Новое сервисное бюро» разработали первую полностью автоматизированную систему для переобучения моделей машинного обучения. Решение, созданное на базе платформы предиктивной аналитики Data.Forecast, также включает сервис рекомендаций по ценообразованию.