В рамках воркшопа, подготовленного центром глубинного обучения и байесовских методов и лабораторией LAMBDA,
мы обсудим, какую пользу можно извлечь из обмена идеями между
представителями наук о данных, в частности, машинного обучения, и
традиционных наук, в нашем случае, - физики. Результаты своих
исследований в этой новой междисциплинарной области представят ученые из
НИУ ВШЭ и не только: в числе докладчиков представители Университета
Аризоны, Миланского университета, ФНЦ НИИ системных исследований
РАН, Физического института имени П.Н. Лебедева РАН, МГУ им. М.В.
Ломоносова, Сколтеха.
Воркшоп «Машинное обучение, инспирированное физикой»
Даты: 20 и 21 января 2020 г.
Место: Покровский бульвар, 11
Язык мероприятия: русский
Программа:
20 января, аудитория R 208
12.10 – 12.50
Использование генеративных моделей в физике частиц
Денис Деркач, НИУ ВШЭ
12.50 – 14.00
From Spin Glasses to Neural Networks
Риккардо Фаббрикаторе, University of Milan
14.05 – 14.55
Combinatorial and Neural Graph Vector Representations
for Graph Isomorphism and Classification
Евгений Бурнаев, Сколтех
15.40 – 16.05
Neural ODE and Hamiltonian Systems
Александра Волохова, НИУ ВШЭ
16.05 – 16.30
Гамильтоновские потоки
Виктор Оганесян, НИУ ВШЭ
16.30 – 16.55
Неявный MCMC
Евгений Егоров, Сколтех
17.00 – 18.00
Interpretable & Tractable Machine Learning for Natural
and Engineering Sciences
Михаил Чертков, University of Arizona
21 января, Малый конференц-зал Культурного центра (корпус Z)
11.00 – 12.10
Метод n-окрестностей для вычисления
свободной энергии
Леонид Литинский, ФГУ ФНЦ НИИСИ РАН
12.10 –12.50
Open ML challenges for High-Energy Physics experiments
Андрей Устюжанин, НИУ ВШЭ
13.00 – 14.30
Статистическая физика и реконструкция
зашумленных паттернов
Андрей Леонидов, Физический институт им. П. Н. Лебедева РАН
15.30 – 16.20
Hamiltonian Networks & Model-Based RL
Дмитрий Кропотов, МГУ, НИУ ВШЭ
Источник: НИУ ВШЭ
