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

Адрес: 125319, г. Москва, 
Кочновский проезд, д. 3 (станция метро "Аэропорт").

Телефон: +7 (495) 772-95-90 *12332

Email: computerscience@hse.ru

 

Руководство

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

Мероприятия
26 августа – 6 сентября
Регистрация – до 12 мая 
26 августа – 30 августа
Registration and Poster Submission deadline — May 1, 2019 
Образовательные программы
Бакалаврская программа

Прикладная математика и информатика

4 года
Очная форма обучения
110/100/15
110 бюджетных мест
100 платных мест
15 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

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

4 года
Очная форма обучения
90/12
90 платных мест
12 платных мест для иностранцев
ENG
Обучение ведётся на английском языке
Бакалаврская программа

Программная инженерия

4 года
Очная форма обучения
80/120/15
80 бюджетных мест
120 платных мест
15 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Анализ данных в биологии и медицине

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

Науки о данных

2 года
Очная форма обучения
55/15/6
55 бюджетных мест
15 платных мест
6 платных мест для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Магистерская программа

Системная и программная инженерия

2 года
Очная форма обучения
25/5/8
25 бюджетных мест
5 платных мест
8 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
Обучение ведётся на русском языке
Магистерская программа

Статистическая теория обучения

2 года
Очная форма обучения
20/5/4
20 бюджетных мест
5 платных мест
4 платных места для иностранцев
ENG
Обучение ведётся на английском языке
Магистерская программа

Финансовые технологии и анализ данных

2 года
Очная форма обучения
35/3
35 платных мест
3 платных места для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Статья
Infinite transitivity, finite generation, and Demazure roots

Arzhantsev I., Kuyumzhiyan K., Zaidenberg M.

Advances in Mathematics. 2019. Vol. 351. P. 1-32.

Статья
Bias in False Discovery Rate Estimation in Mass-Spectrometry-Based Peptide Identification

Sulimov P., Voronkova A., Danilova Y. et al.

Journal of Proteome Research. 2019. Vol. 18. No. 5. P. 2354-2358.

Статья
Compression of recurrent neural networks for efficient language modeling

Grachev A., Ignatov D. I., Savchenko A.

Applied Soft Computing Journal. 2019. Vol. 79. P. 354-362.

Глава в книге
Numerical Pattern Mining Through Compression

Makhalova T., Kuznetsov S., Napoli A.

In bk.: 2019 Data Compression Conference Proceedings. IEEE, 2019.

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.