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

Адрес: 109028, г. Москва, Покровский бульвар, д. 11

Телефон: +7 (495) 531-00-00 *27254

Email: computerscience@hse.ru

 

Руководство
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
Образовательные программы
Бакалаврская программа

Прикладная математика и информатика

4 года
Очная форма обучения
117/80/30
117 бюджетных мест
80 платных мест
30 платных мест для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Бакалаврская программа

Программа двух дипломов НИУ ВШЭ и Лондонского университета "Прикладной анализ данных"

4 года
Очная форма обучения
80/12
80 платных мест
12 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Бакалаврская программа

Программная инженерия

4 года
Очная форма обучения
110/70/30
110 бюджетных мест
70 платных мест
30 платных мест для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Анализ данных в биологии и медицине

2 года
Очная форма обучения
20/5/1
20 бюджетных мест
5 платных мест
1 платное место для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Магистр по наукам о данных

2 года
Заочная
100
100 платных мест
ENG
Обучение ведётся на английском языке
Магистерская программа

Науки о данных

2 года
Очная форма обучения
60/15/20
60 бюджетных мест
15 платных мест
20 платных мест для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Системная и программная инженерия

2 года
Очная форма обучения
25/5/15
25 бюджетных мест
5 платных мест
15 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Системное программирование

2 года
Очная форма обучения
15/5/2
15 бюджетных мест
5 платных мест
2 платных места для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Статистическая теория обучения

2 года
Очная форма обучения
15/5/2
15 бюджетных мест
5 платных мест
2 платных места для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Финансовые технологии и анализ данных

2 года
Очная форма обучения
35/1
35 платных мест
1 платное место для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Статья
Convergence rates for empirical barycenters in metric spaces: curvature, convexity and extendable geodesics

Ahidar-Coutrix A., Le Gouic T., Paris Q.

Probability Theory and Related Fields. 2019.

Статья
Machine Learning on data with sPlot background subtraction

M. Borisyak, N. Kazeev.

Journal of Instrumentation. 2019. Vol. 14. No. 08. P. 1-8.

Статья
Parsimonious Generalization of Fuzzy Thematic Sets in Taxonomies Applied to the Analysis of Tendencies of Research in Data Science

Frolov D., Nascimento S., Fenner T. et al.

Information Sciences. 2020. Vol. 512. P. 595-615.

Глава в книге
Subspace Inference for Bayesian Deep Learning

Vetrov D., Izmailov P., Maddox W. J. et al.

In bk.: Proceedings of the 35th Uncertainty in Artificial Intelligence Conference (UAI-2019). 2019. P. 1-11.

Глава в книге
The logic of action lattices is undecidable

Kuznetsov S.

In bk.: 34th Annual ACM/IEEE Symposium on Logic in Computer Science (LICS 2019). IEEE, 2019. Ch. 36. P. 1-9.

Нейросеть ученых из ВШЭ и "Яндекса" ускорит поиск новых частиц на БАК

Российские математики и физики создали систему искусственного интеллекта, которая существенно ускорит анализ поведения частиц внутри детекторов БАК и поможет быстрее открывать их.

Нейросеть ученых из ВШЭ и "Яндекса" ускорит поиск новых частиц на БАК

Российские математики и физики создали систему искусственного интеллекта, которая существенно ускорит анализ поведения частиц внутри детекторов БАК и поможет быстрее открывать их. Ее описание и итоги работы были представлены в журнале NIMA.
"Удивительно, как методы, разрабатываемые, грубо говоря, для генерации реалистичных фотографий котов, позволяют на несколько порядков ускорить физические расчёты", — рассказывает Никита Казеев, аспирант Высшей школы экономики, чьи слова приводит пресс-служба вуза.

В последние годы, благодаря развитию математики и росту вычислительных мощностей компьютеров, у ученых появилась возможность создавать сложные нейросети, системы искусственного интеллекта, способные исполнять нетривиальные задачи и даже "мыслить" креативно, создавая новые образцы искусства и технологий.

Многие из этих "творческих" достижений искусственного разума стали возможными благодаря появлению так называемых состязательных, или GAN-сетей, способных не только распознавать какие-то объекты или решать задачи, но и самостоятельно вырабатывать что-то новое.

Как правило, такая система ИИ состоит из двух соперничающих между собой блоков – один из них, "генератор", предлагает новые варианты, а другой, "инспектор" – пытается понять, сделала ли первая половина сети ошибку и укладываются ли ее выкладки в определенные критерии.

Такую сеть сложнее обучить нужным действиям и достичь максимума производительности, но зато она работает гораздо надежнее после обучения. С другой стороны, ее можно научить даже тому, что сам человек плохо себе представляет и не может сформулировать.

Казеев и его коллеги по ВШЭ, а также специалисты из компании "Яндекс", создали GAN-сеть, предназначенную для решения серьезных научных, а не бытовых или художественных задач. Ее главная цель – ускорить работу компьютерных систем, просчитывающих то, как ведут себя все мыслимые и немыслимые частицы, возникающие внутри детекторов Большого адронного коллайдера.
Зачем нужны подобные расчеты? Дело в том, что БАК и прочие ускорители частиц определяют то, что внутри них возник "божественный" бозон Хиггса, "дьявольский" пентакварк или какая-то другая частица не напрямую, а по тому, как продукты их распадов сталкиваются со стенками детекторов.

Каждую секунду внутри коллайдера рождается бесчисленное множество частиц, большая часть которых уже давно известна ученым и не вызывает у них никакого интереса. Найти интересные события в этом объеме данных невозможно не только вручную, но и при помощи классических компьютерных алгоритмов, из-за чего специалисты ЦЕРН уже давно используют нейросети для "просеивания" данных. 

Каждое обновление БАК или постройка еще более мощных ускорителей, в свою очередь, заметно увеличит число возможных типов частиц, возникающих при столкновениях протонов или тяжелых ионов. Российские математики и физики выяснили, как можно ускорить просчет их поведения внутри детекторов, используя особую GAN-сеть.
Для проверки ее работы ученые выбрали оптоволоконные детекторы, применявшиеся на эксперименте BaBar для поиска возможных объяснений того, почему антиматерия почти полностью отсутствует во Вселенной.
Его манера взаимодействия с частицами была хорошо изучена и просчитана другими путями за десять лет работы BaBar, что позволило математикам натренировать искусственный разум и проверить его в деле. 
Эти проверки завершились успешно - GAN-сеть правильно предсказала то, какие частицы должны возникать в этой установке, и при этом ускорила расчеты примерно в 80 раз. Как надеются ученые, их детище поможет предсказать то, как будут вести себя еще не открытые частицы, которые БАК обнаружит после завершения его очередного большого обновления в 2021 году.