Игры разумов 16 февраля 2018 г.

“Не знать что-то не стыдно, стыдно не хотеть что-то знать”, - такими словами ведущий российский теоретик-кристаллограф Артем Оганов напутствовал москвичей, собравшихся в историческом особняке на Солянке, где находится Российский научный фонд (РНФ), чтобы проверить научность своих представлений о мире на “Открытой лабораторной”.    А во второй части акции участников ждали выступления молодых цчёных, ведущих исследования при поддержке РНФ.

И машины учатся!

Григорий Рубцов, заместитель директора Института ядерных исследований РАН, победитель Президентской программы исследовательских проектов, рассказал участникам “Открытой лабораторной” о том, как учёные подключают искусственный интеллект к исследованиям Вселенной. Он описал базовые принципы, на которых строятся системы машинного обучения, рассказал об особенностях их работы, показал примеры их создания и применения.

- Исследование, которое мы выполняем по гранту РНФ, называется “Методы машинного обучения для астрофизики элементарных частиц”, - пояснил учёный после лекции. - Астрофизиками накоплено огромное количество информации о Вселенной. Результаты множества измерений, сделанных на спутниках и наземных телескопах, доступны для учёных всего мира. Однако для того, чтобы получить из них новое научное знание, нужны новые методы обработки данных.

Если раньше можно было построить график по точкам и получить научный результат, то сейчас точек стало так много, что классическими методами уже не обойтись. Приходится прибегать к упрощению, из многомерной задачи выделять двумерную. Но если мы хотим добиться предельной точности, нужно использовать все данные. Представьте себе: информация о космическом излучении поступает с нескольких десятков детекторов. Каждый детектор регистрирует ее с нескольких слоев, каждый из которых записывает временную развертку сигнала с интервалом между точками от 1 до 20 наносекунд.

Данные такого объема и структуры можно анализировать без потери информации только с использованием нейронных сетей специального типа - сверточных.

Мы применяем эти методы для решения нескольких астрофизических задач. Одна из них - поиск фотонов и нейтрино ультравысоких энергий (больше 10 в 18 степени электронвольт). Мы строим архитектуру сети, готовой к восприятию и анализу такой многомерной информации. Задаем сети рамки и правила функционирования. На учебном наборе данных сеть учится делать ряд преобразований над данными, которые приводят к заключению о типе первичной частицы. Благодаря повышению точности вычислений, развертыванию новых методов учёным для получения нового научного знания не потребуется проводить новые сложные эксперименты, стоящие сотни миллионов долларов.

Вторая задача гранта - создание наиболее чувствительного метода детектирования глитчей (скачкообразных изменений частоты вращения пульсаров).

Природа этого явления до сих пор достоверно неизвестна, поэтому крайне важно узнать, как часто оно происходит, изучить его характеристики. С помощью разрабатываемого метода планируется построить наиболее полный каталог глитчей гамма-пульсаров, зарегистрированных спутником Fermi.

- Мне очень приятно, что нашу группу поддержал РНФ и мы можем заниматься этой работой, - заключил учёный.

Наталия БУЛГАКОВА. Фото Николая Степаненкова.