Научно-учебная лаборатория методов анализа больших данных LAMBDA

Обучаем
Разрабатываем
Внедряем

LAMBDA – это:

Команда

Деркач Денис Александрович

Заведующий лабораторией

Красноженов Григорий Григорьевич

Руководитель индустриальных проектов

Талайкова Наталья Анатольевна

Руководитель внутреннего сопровождения исследований

Ратников Федор Дмитриевич

Руководитель фундаментальных исследований

Гущин Михаил Иванович

Руководитель индустриальных исследований

 

Лаборатория в цифрах

    • 65+

      образовательных курсов

    • 150+

      статей

    • 35+

      сотрудников

    • 7

      лауреатов стипендии им. Сегаловича

    • 7

      аспирантов

Партнеры

Публикации

  • Книга

    Derkach D., Artemev M.

    ELVM Efficient Large Vision Models CVPR Workshop

    2024.

  • Статья

    Ibrahim A., Derkach D., Ratnikov F. et al.

    Reinforcement learning for accelerator beamline control: A simulation-based approach

    International Journal of Modern Physics E. 2026. No. 35.

  • Глава в книге

    Каграманян Д. Г.

    Генерация правдоподобных снимков микроструктур композитного сплава WC/Co при помощи нейронных сетей

    Исследование статистических свойств микроструктур композитных материалов проводится путем анализа микрофотографий срезов материала. Часто анализ снимков может быть ограничен из-за малого размера выборки снимков. В работе исследуется возможность создания искусственных микроструктур с помощью генеративных нейронных сетей: диффузионная сеть и GAN. Мы хотим ответить на вопрос, можно ли при помощи генеративных сетей усиливать статистические свойства исходных данных. Критерием правдоподобности является сравнение соответствующих распределений для реальных и искусственных микроструктур.

    В кн.: ТЕЗИСЫ XXVI ВСЕРОССИЙСКОЙ КОНФЕРЕНЦИИ МОЛОДЫХ УЧЁНЫХ ПО МАТЕМАТИЧЕСКОМУ МОДЕЛИРОВАНИЮ И ИНФОРМАЦИОННЫМ ТЕХНОЛОГИЯМ. 2025.

  • Препринт

    Derkach D., Efremenko D., Чупров И. А. et al.

    Application of Physics-Informed Neural Networks for Solving the Inverse Advection-Diffusion Problem to Localize Pollution Sources

    arxiv.org. Computer Science. Cornell University, 2025. No. 2503.18849.

Все публикации

Контакты

109028, Москва, Покровский бульвар, д. 11, S-924

lambda-industry@hse.ru