• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Дни компьютерных наук: Открытое заседание ученого совета

Мероприятие завершено

Приглашаем всех желающих принять участие в открытом заседании Ученого совета Факультета компьютерных наук.

Дата проведения: 14 апреля 2022 года
Время проведения: 18:00-19:00
Место проведения: Культурный центр ВШЭ, Малый зал (Покровский бульвар 11, корпус Z)

Повестка открытого заседания:

Тема: Тензорные разложения в глубинном обучении

Докладчик: Максим Рахуба, доцент, старший научный сотрудник Международной лаборатории теоретической информатики

Аннотация: Наряду с матрицами многомерные массивы (тензоры) являются фундаментальной структурой данных, возникающей в широком круге приложений. В частности, в глубинном обучении с помощью тензоров естественным образом представляются как сами данные, так и параметры нейронных сетей. Причем количество параметров в современных нейросетях может быть очень велико (сотни миллиардов параметров в самых больших моделях), что затрудняет их использование на устройствах с ограниченными ресурсами. В докладе пойдет речь об одном из эффективных способов уменьшения числа параметров в нейросетях – о подходе тензорных разложений. Помимо вопроса сжатия в докладе будет рассмотрен контроль константы Липшица в процессе обучения нейронных сетей, которая, в свою очередь, влияет на обобщающую способность и устойчивость к состязательным атакам. В частности, я расскажу о новом применении тензорных разложений для повышения эффективности существующих методов контроля константы Липшица сверточных слоев.

 

Тема: Применение генеративных моделей машинного обучения в физике частиц

Докладчик: Денис Деркач, доцент, старший научный сотрудник лаборатории LAMBDA

Аннотация: Применение методов машинного обучения стало стандартом при анализе данных в физике частиц. Эти методы применяются на всех стадиях от первичного сбора данных до финального анализа. Новый запуск Большого адронного коллайдера, запланированный на 2022 год, откроет новую страницу применения машинного обучения из-за возросшей скорости обработки данных и новых технологий, доступных для их анализа. Одной из важных проблем при этом станет наличие достаточного количества симулированных событий, необходимых для детального понимания происходящего в данных. В докладе мы опишем специфические требования к генеративных моделей для быстрой симуляции взаимодействия частиц с детектором, рассмотрим текущие разработки и подходы, а также обсудим направления и точки приложения усилий для будущего развития этого направления.