Четвертая летняя школа «Машинное обучение в физике высоких энергий»

В этом году научно-учебная лаборатория методов анализа больших данных провела четвертую летнюю школу машинного обучения в физике высоких энергий (Machine Learning for High Energy Physics - MLHEP). Организаторы решили провести эксперимент выделив в программе больше места продвинутым темам машинного обучения, привлекающим значительное внимание в физике частиц за последние годы: глубинные нейронные сети, сети для работы с графами, методы оптимизации, рекуррентные сети.

Мероприятие проходило в одном из колледжей Оксфорда - Saint Ann’s College.

В отличие от предыдущих школ в этом году мы провели эксперимент выделив в программе больше места продвинутым темам машинного обучения, привлекающим значительное внимание в физике частиц за последние годы: глубинные нейронные сети, сети для работы с графами, методы оптимизации, рекуррентные сети. Если составить облако слов из всех лекций, получится

Основную часть учебной программы читали преподаватели Вышки: Алексей Артемов, Максим Борисяк, Никита Казеев, Екатерина Черняк и заведующий лабораторией Андрей Устюжанин. Приглашенные лекторы рассказывали о перспективных трендах использования глубинного обучения в самых различных контекстах - астрофизика (поиск темной материи, ранжирование параметрических моделей новой физики) и физика частиц (быстрая генерация следов частиц в детекторах ускорителей, классификация следов). Были так же и доклады наших партнеров - Nvidia, Oracle, DeepMind - про задачи и тренды машинного обучения в индустрии.

В школу участники приехали из 36 различных университетов и лабораторий, среди которых были CERN, DESY, University of Cambridge, University of Oxford, ETH Zurich, Nikhef, University of Edinburg, Duke University, Columbia University, EPFL, KIT.  

Практические задачи включали семинары, которые можно найти в репозитории школ . Также специально для школы совместно с сообществом deep physics мы организовали конкурс по анализу данных. Набор данных содержит события, регистрируемые типичным детектором нейтринных экспериментов (MicroBooNE, DUNE). В отличие от обычной постановки задачи данные были представлены в виде 3-мерного объема, содержащего следы распада различных частиц. Необходимо было составить алгоритм, способный сегментировать следы частиц по их типу. Базовое решение было составлено сотрудниками нашей лаборатории -  Владиславом Белавиным, Артемом Рыжиковым, Сергеем Широбоковым. Для организации конкурса использовались платформа CodaLab. Конкурс состоял из нескольких этапов, часть которых закончилась во время школы, но последний этап еще длится до конца сентября. Лучшее решение будет представлено на зимнем воркшопе PHYSTAT-nu, посвященном нейтринной физике.

Вычислительные мощности для работы школы любезно предоставила компания Microsoft.

Студенты признаются, что было непросто совмещать изучение нового материала с участием в конкурсе, но тем не менее студентам удалось предложить решения, превосходящие качество базовых.

Фрагменты некоторых отзывов:

“Most of all I liked the atmosphere of interest as a result of training from both motivated students and excellent teachers who love their subject. In such an environment, it is very interesting to develop your skills. But perhaps the overall structure of the program should be improved, because now, people who were not familiar with programming, it was necessary to deal literally in one day with all the necessary technological stack, and then move on to even more complex architectures, work with which requires some experience.”  -- Alexey Kharlamov

“I definitely widened my repertoire of machine learning methods that I understand, and did get a few ideas about where the techniques can be useful in my own (and group members') work. “ -- Mikkel Bjoern

“The school gave me a solid starting point to most of the most interesting ML techniques up to date” -- Michele Atzeni

К истории успеха предыдущих школ в Санкт-Петербургском академическом университете, Лундском университете и Имперском Колледже Лондона добавилась еще одна яркая история. И хотя не все отзывы однозначно положительны, подавляющее большинство на вопрос «порекомендуете ли Вы эту школу своим друзьям и коллегам» отвечают: «с высокой вероятностью». Можно сказать что в целом эксперимент по углублению программы удался, но нам есть над чем работать дальше, и что учесть до следующего года. Stay tuned!