AiConf

Конференция завершена.

Ждем вас

на AiConf

в следующий раз!

Физически обоснованное машинное обучение — что можно и что нужно

Академические исследования

Алгоритмы и их сравнение
Machine Learning
Обработка данных
Теория
Расширение кругозора

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Промтинжиниринг, LLM, RAG, BERT, агентные системы, GPT — НЕТ! Дифуры, операторы Фурье, PINN, вариационное исчисление, рой роботов, моделирование поведения плазмы — ДА! Возможно, самый «альтернативный» доклад на AIConf! Ты узнаешь о физически обоснованном МО и о том, как оно облегчает жизнь физиков.

Целевая аудитория

Специалисты по машинному обучению, учёные, инженеры физических систем.

Тезисы

В докладе поговорим о текущем состоянии области физически обоснованного машинного обучения. Затронем два больших острова — поиск уравнений по данным и решение с помощью PINN, а также мелкие вроде нейронных операторов Фурье.

Поговорим, какие задачи уже решены, что можно сделать уже сейчас, а что требует исследования, о том, как мы применяем физически обоснованные модели и методы в приложениях. Обсудим основные современные направления, почему где-то развитие остановилось, а где-то всё цветёт и пахнет. Наметим, куда можно двинуться дальше и почему это может быть интересно на практике.

Александр Хватов

Университет ИТМО

Заведующий лабораторией, научные интересы в целом описываются как математика в машинном обучении. Научный вдохновитель алгоритма поиска уравнений по данным EPDE и решения с помощью PINN TEDEouS.

Видео