- A
- A
- A
- АБB
- АБB
- АБB
- А
- А
- А
- А
- А
Адрес: 125319, г. Москва,
Кочновский проезд, д. 3 (станция метро "Аэропорт").
Телефон: +7 (495) 772-95-90 *12332
Email: computerscience@hse.ru
Декан – Аржанцев Иван Владимирович
Первый заместитель декана – Вознесенская Тамара Васильевна
Заместитель декана по научной работе и международному сотрудничеству – Объедков Сергей Александрович
Заместитель декана по учебно-методической работе – Самоненко Илья Юрьевич
Заместитель декана по развитию и административно-финансовой работе – Плисецкая Ирина Александровна
Коллоквиум
Для исследователя в такой разнообразной и быстро развивающейся области знаний, как компьютерные науки, важно сохранять широту кругозора и стремиться понимать, чем занимаются коллеги в смежных областях. Для этого нужна площадка, на которой специалисты встречаются и рассказывают друг другу о последних результатах понятным языком. Такой площадкой и является Коллоквиум факультета компьютерных наук ВШЭ — общефакультетский научный семинар, предназначенный для преподавателей и научных сотрудников факультета, аспирантов, магистрантов и студентов бакалавриата, а также для всех интересующихся компьютерными науками.
Заседания коллоквиума проходят, как правило, раз в две недели по вторникам в здании факультета компьютерных наук по адресу Кочновский проезд, дом 3, в аудитории 205.
Записи мероприятий доступны на канале факультета на YouTube
2018 – 2019
23 апреля, 18:10 – 19:30
Кочновский проезд, 3, ауд. 205
Павел Манахов (НИУ ВШЭ)
Очки дополненной реальности: пользовательские интерфейсы современных платформ и перспективы их развития
Очкам дополненной реальности пророчат большое будущее. Эксперты предполагают, что в скором времени они будут использоваться нами на протяжении всего дня для решения множества задач, что они станут единым интерфейсом ко всему цифровому. Приняв эти предположения, мы обсудим то, насколько пространственные интерфейсы современных AR-гарнитур, вроде HoloLens, Magic Leap One, DAQRI Smart Glasses и других, готовы к подобному будущему и что должно поменяться, чтобы этот переход прошел максимально безболезненно для пользователей, то есть нас с вами.
Афиша
Слайды
11 апреля, 18:10 – 19:30
Кочновский проезд, 3, ауд. 205
Андрей Щедров (Пенсильванский университет / НИУ ВШЭ)
Анализ кибер-физических протоколов безопасной передачи информации
Мы рассматриваем протоколы безопасной передачи информации, основанные на тех или иных предположениях о физических свойствах среды, в которой проводятся сессии протокола. Например, так называемые протоколы, ограничивающие расстояние (distance-bounding protocols), учитывают как точное время прохождения сообщений, так и скорость передачи, чтобы получить верхнюю оценку на расстояние между двумя участниками протокола.
Мы вводим общую вычислительную модель, основанную на логике переписывания, для формального анализа различных форм мошенничества на расстоянии, в том числе недавно обнаруженных атак на протоколы семейства Hancke-Kuhn. В рамках модели предлагается практический метод формального анализа, который призван помочь разработчикам систем преодолеть разрыв между концептуальными описаниями и низкоуровневыми конструкциями. Мы используем модель для определения новых стратегий атаки и количественных оценок их эффективности в реалистичных предположениях.
Афиша
26 марта, 18:10 – 19:30
Кочновский проезд, 3, ауд. 205
Константин Яковлев (ФИЦ ИУ РАН / НИУ ВШЭ)
Из А в Б: как мобильные роботы планируют траектории своего движения (современные методы и алгоритмы)
Способность перемещаться в пространстве — ключевая особенность мобильных интеллектуальных агентов, в частности, мобильных роботов. Проблеме автоматизации перемещения таких агентов всегда уделялось большое внимание в робототехнике и искусственном интеллекте. При этом одним из распространенных подходов к её решению является декомпозиция на ряд вспомогательных подзадач, таких как локализация, картирование, планирование, следование и т.д. В предлагаемом докладе мы рассмотрим одну из указанных задач, а именно - задачу планирования траектории, ознакомимся с современными методами и алгоритмами её решения, которые в последнее время находят всё большее применение на практике (в логистике, мониторинге, поиске и спасании и пр.).
Афиша
28 февраля, 16:40 – 18:00
Кочновский проезд, 3, ауд. 622
Андрей Голутвин (Imperial College London)
Взгляд на будущие проекты в ЦЕРНе
Триумф Стандартной модели полностью состоялся в 2012 году после открытия бозона Хиггса в экспериментах на Большом адронном коллайдере в ЦЕРНе. Стандартная модель успешно описывает почти все экспериментальные данные, но в то же время нам хорошо известны «большие» вопросы, на которые эта теория не даёт ответов. В 2019 году начинается работа комиссии по выработке стратегии развития физики элементарных частиц в Европе. В своей лекции я попытаюсь дать свою, очень персональную, оценку возможности реализации будущих проектов, которые сегодня обсуждаются в ЦЕРНе.
Афиша12 февраля, 18:10 – 19:30
Кочновский проезд, 3, ауд. 205
Степан Кузнецов (МИАН/НИУ ВШЭ)
Линейная логика и функциональное программирование
Линейная логика (Жирар, 1987) — это система, в которой логические формулы воспринимаются не как высказывания, а как ресурсы, которые разрешается использовать ровно один раз. В связи с этим в линейной логике отсутствуют обыкновенные для логики классической правила сокращения (ресурс A нельзя заменить на две его копии, A и A) и ослабления (каждый ресурс должен быть использован). При этом в линейной логике есть механизм, позволяющий восстанавливать эти правила в ограниченном виде и тем самым моделировать классические рассуждения. Интерес к логическим системам со стороны функционального программирования основан на изоморфизме Карри – Говарда: выражение A → B можно понимать и как логическую операцию импликации, и как обозначение для типа функций из A в B. Обыкновенным системам типов, применяемым в функциональных языках, по Карри – Говарду соответствует интуиционистская логика. Если, однако, заменить её на линейную, то система типов обогатится новыми возможностями — в частности, синтаксическим механизмом отслеживания того факта, что данный объект используется в данный момент ровно одним процессом в многопоточной среде.
4 декабря, 18:10 – 19:30
Кочновский проезд, 3, ауд. 317
Василий Власов (НИУ ВШЭ)
Развитие эпидемиологических методов: все более приблизительные оценки
Последние десятилетия отмечены разочарованиями, связанными с низкой воспроизводимостью результатов исследований мозга, поведения, в цитологии и генетике. Эпидемиология как наука о распространении событий и их связях никогда не претендовала на большее, чем способность обнаружить события масштабов катастрофы. Тем не менее работы последних десятилетий привели эпидемиологов к существенному изменению методов исследований, чему способствовало развитие регистрации разнообразных данных и повышение мощности и методической изощренности систем анализа этих данных. Технический и социальный прогресс привели не только к уточнению многих оценок и улучшению некоторых методов исследований, но и к разочарованиям в накоплениях 20 века в научном багаже (research record). На ряде примеров мы проследим, как последовательное уточнение эпидемиологических оценок ведет к признанию в принятии решений весьма неформального баланса научных оснований для решений и оснований из-за пределов науки.
27 ноября 18:10 – 19:30
Кочновский проезд, 3, ауд. 317
Юрий Янович, НИУ ВШЭ / Bitfury
Блокчейн: определения, приложения, задачи
Блокчейн-технология была впервые реализована в криптовалюте Биткоин и впоследствии нашла применение во многих областях: государственные реестры, цепочки управления поставками, биомедицина, финансовый сектор и проч. В докладе будет рассказано, что такое блокчейн, какие возможности и ограничения есть у данной технологии, а также о существующих и перспективных направлениях ее развития.
13 ноября 18:10 – 19:30
Кочновский проезд, 3, ауд. 205
Михаил Биленко, Яндекс
О сетях и соседях: как совершенствовать системы машинного обучения в процессе их использования
Как построить промышленную систему машинного обучения, которую можно было бы эффективно дообучать, избегая рисков и технических затрат, характерных для онлайн-методов машинного обучения? Эффективное решение достигается за счет сочетания самых современных и давно известных алгоритмов. Лучшие результаты на стандартных тестовых наборах данных и в соревнованиях по машинному обучению сейчас показывают методы параметрического обучения, такие как нейронные сети, бустинг деревьев решений, методы факторизации и ансамблевые методы. Однако при использовании систем машинного обучения на практике ситуация кардинально иная. Мы обсудим различия между промышленными и академическими системами машинного обучения, которые приводят к необходимости комбинирования параметрических и непараметрических моделей — современных вариантов алгоритмов ближайших соседей. Комбинированный подход оказывается особенно полезен в случае систем, в которых дообучение должно производиться оперативно, как, например, в системах голосовых помощников.
29 октября, 16:40 – 18:00
Кочновский проезд, 3, ауд. 205
Олег Калашев, ИЯИ РАН
Использование машинного обучения в экспериментах по наблюдению космических лучей сверхвысоких энергий
Поток космических лучей сверхвысоких энергий (КЛСВЭ) настолько мал, что не представляется возможным детектировать их непосредственно в обозримой перспективе. По этой причине во всех существующих и планируемых экспериментах по измерению свойств КЛСВЭ, космические лучи детектируются косвенным образом из наблюдений широких атмосферных ливней (ШАЛ), инициированных частицами сверхвысоких энергий в верхних слоях атмосферы Земли. При этом свойства первичных частиц восстанавливаются из различных наблюдаемых характеристик ШАЛ, таких как видимый профиль ливня, вторичный радиосигнал и другие. Наибольшая статистика на сегодняшний день собрана в экспериментах, использующих наземную решетку детекторов, которая позволяет измерить горизонтальный профиль ШАЛ. Непосредственно наблюдаемой величиной в данном случае является временная развертка сигнала на каждом из сработавших детекторов. По ней с использованием Монте-Карло моделирования развития ливней в атмосфере восстанавливаются свойства первичной частицы, инициировавшей ШАЛ. Причем в традиционном подходе Монте-Карло моделирование используется лишь для того, чтобы фитировать несколько синтетических наблюдаемых величин, таких как плотность и кривизна фронта ливня или время нарастания сигнала. Мы расскажем об альтернативном подходе, основанном на использовании сверточной нейронной сети, на вход которой подаются непосредственно временные развертки сигнала в сработавших детекторах, а обучение производится на примерах, также полученных моделированием ШАЛ методом Монте-Карло.
16 октября, 18:10 – 19:30
Кочновский проезд, 3, ауд. 205
Luca Bernardinello (University of Milano-Bicocca)
Asynchronous games for Petri nets
Games on graphs and on trees have been used in the fields of semantics and verification. Usually, they are defined as sequential games, where a play is a sequence of moves by the players.
However, when synthesizing or analyzing distributed systems, in which events happen concurrently and the global state is not observable, this approach is not always appropriate, since concurrency is hidden in the interleaving of events. Therefore, several kinds of games in which the players can move asynchronously have been proposed in recent years. I will present an attempt to define such a game, originally conceived in order to tackle the problem of “observable liveness”, in which an agent tries to control a Petri net so that a given transition will fire over and over, assuming that only a subset of the transitions is directly controllable.
11 сентября, 18:10 – 19:30
Кочновский проезд, 3, ауд. 205
Head of vision modelling lab / HSE
Computational cognitive neuroscience: A brief primer
Computational models in psychology and neuroscience share many algorithms with machine learning, machine vision and artificial intelligence, but the focus of the research is different. Where applied fields try to create algorithms that solve or automate a specific problem, computational modelling uses these algorithms to better understand fundamental workings of human brain and cognition. Rather than optimizing a new process, we try to simulate and understand an existing process. While computational modelling is still a growing field, there have emerged a number of contenders that perform very well in simulating various neural and cognitive processes. Diffusion models of decision making, salience models of vision and more recently deep learning models of object classification have all shown promise on their respective tasks. This talk will give an overview of a number of these models and discuss possible points of overlap with computer science and cognitive psychology.
4 сентября, 18:10 – 19:30
Кочновский проезд, 3, ауд. 205
Елена Блантер, Институт теории прогноза землетрясений и математической геофизики РАН / Institut de Physique du Globe de Paris
Как увидеть ненаблюдаемое? Моделирование сложных систем с фазовой синхронизацией на примере меридионального потока Солнца
Сколько ни следи за рулеткой, следующий номер предсказать не удастся. Время восхода и заката Солнца может быть высчитано с астрономической точностью на много лет вперед или назад. А как моделировать сложные системы, которые совмещают периодичность с хаосом? Как использовать огромный объем наблюдений «снаружи» для понимания того, что происходит «внутри»? Написать уравнение исходя из законов физики? А что делать, если параметры «внутри» неизвестны или если физическая модель оказывается не менее сложной в предсказании, чем сама система? А если еще и наблюдения все время меняются, а характерные времена велики? Все эти «если», «что» и «как» возникают при изучении солнечной активности. Модель фазовой синхронизации Курамото в применении к Солнцу позволяет понять, что происходит «внутри» на основе наблюдений на поверхности, без написания сложных физических уравнений, через решение простой обратной задачи.
Будет рассказано о первых результатах применения модели фазовой синхронизации для исследования солнечной активности: что удалось определить и как это соотносится с параллельными исследованиями в моделировании магнитного гидродинамо и гелиосейсмологии. Полученные результаты открывают новые направления для применения методов компьютерных наук в исследовании больших природных систем, таких как Солнце, Земля и сложная система их взаимодействия.