Тема «исследования и аналитика»

Команда ученых и медиков впервые в России провела масштабное генетическое исследование пациентов с легочной артериальной гипертензией. Исследователи, включая сотрудников Международной лаборатории биоинформатики факультета компьютерных наук НИУ ВШЭ, изучили геномы более ста пациентов и обнаружили, что примерно у каждого десятого встречаются опасные мутации в гене BMPR2, отвечающем за рост сосудов. Три мутации были описаны впервые. Исследование опубликовано в журнале Respiratory Research.

В прошлом году факультет компьютерных наук (ФКН) ВШЭ запустил два исследовательских проекта, нацеленных на вовлечение студентов в научную деятельность с первого курса. Один из них — трек «AI360: Инженерия искусственного интеллекта» — реализуется в рамках бакалавриата «Прикладная математика и информатика» (ПМИ) совместно с Яндексом и Сбером. На другом треке, который называется «Исследовательская программа», могут учиться студенты первого и второго курса всех программ бакалавриата ФКН.

В Институте искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ предложили новый подход, основанный на современных методах машинного обучения, для определения генетического происхождения человека. Графовые нейросети позволяют с высокой точностью различать даже очень близкие популяции.

Международная команда ученых при участии НИУ ВШЭ разработала новый алгоритм машинного обучения Wyckoff Transformer для генерации симметричных кристаллов. Нейросеть позволит создавать материалы с желаемыми свойствами для полупроводников, солнечных батарей, медицинского оборудования и других высокотехнологичных областей. Ученые представят разработку 15 июля на ведущей конференции по машинному обучению ICML в Ванкувере. Препринт статьи опубликован на сайте arhiv.org, код и данные выложены под открытой лицензией.

Исследователи из ВШЭ и AIRI предложили метод быстрой донастройки нейросетей: данные обрабатываются по группам, которые затем перемешивают оптимальным образом, чтобы улучшить их взаимодействие. Метод лучше аналогов справляется с генерацией и анализом изображений, дообучением текстовых моделей. При этом он требует меньше памяти и времени на обучение. Результаты работы были представлены на конференции NeurIPS 2024.