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

Тема «исследования и аналитика»

Новый способ описания графена упростит анализ наноматериалов

Новый способ описания графена упростит анализ наноматериалов
Международная команда с участием НИУ ВШЭ предложила новый математический способ анализа структуры графена. Ученые показали, что характеристики решетки графена можно связать с моделью трехшагового случайного блуждания частицы. Такой подход позволяет описывать графеновую решетку быстрее и без громоздких вычислений. Исследование опубликовано в журнале Journal of Physics A: Mathematical and Theoretical.

Ученые проверили асимметрию материи и антиматерии

Ученые проверили асимметрию материи и антиматерии
Международная команда ученых с участием сотрудников НИУ ВШЭ собрала и проанализировала данные десятков экспериментов о превращениях нестабильных частиц чарм-мезонов  в их античастицы и обратно. Выяснилось, что такие превращения происходят всего четыре раза на тысячу распадов и полностью совпадают с предсказаниями Стандартной модели. Это значит, что следов новой физики в этих процессах пока не найдено, а если неизвестные частицы и существуют, то они слишком тяжелые, чтобы современные установки смогли их заметить. Работа опубликована в журнале Physical Review D.

«Наш результат признан не только в рамках защиты проекта, но и на международном уровне»

«Наш результат признан не только в рамках защиты проекта, но и на международном уровне»
В этом году на Европейскую конференцию по ИИ (ECAI 2025) была принята статья Multi-Agent Path Finding For Large Agents Is Intractable второкурсника бакалавриата «Прикладная математика и информатика» (ПМИ) факультета компьютерных наук ВШЭ Артема Агафонова. Работа написана в соавторстве с Константином Яковлевым, заведующим базовой кафедрой «Интеллектуальные технологии системного анализа и управления» ФИЦ ИУ РАН, доцентом ФКН. Как возникла идея написать статью и как удалось попасть на конференцию уровня А, Артем Агафонов рассказал в интервью.

Ученые ВШЭ оптимизировали обучение генеративных потоковых нейросетей

Ученые ВШЭ оптимизировали обучение генеративных потоковых нейросетей
Исследователи факультета компьютерных наук НИУ ВШЭ улучшили метод обучения генеративных потоковых нейросетей для работы с неструктурированными задачами. Это поможет искать новые лекарства эффективнее. Результаты работы были представлены на одной из ведущих конференций по машинному обучению — ICLR 2025. Текст работы доступен в репозитории Arxiv.org.

Научный дайджест 2025. Часть 1

Научный дайджест 2025. Часть 1
Рассказываем о главных научных событиях факультета компьютерных наук за первую половину 2025 года.