Приглашаем на третий Большой Семинар AIRI, который пройдет 13 февраля в 19:30 ⤵️

Докладчиком выступит доктор философии, доктор физико-математических наук, заслуженный профессор Оксфордского университета, профессор Сколтеха Александр Михайлович Корсунский.
Тема выступления: «Практика и перспективы применения методов машинного обучения в материаловедении».

Модератор Большого Семинара AIRI — доктор физико-математических наук, профессор РАН, генеральный директор AIRI Иван Оселедец.

📌Подробное описание лекции и регистрация на очный формат по ссылке. Трансляция пройдет в VK Видео и на YouTube. Сбор гостей начинается с 19:00.

До встречи!

Сегодня — День российской науки! 💡

Поздравляем всех, кто посвящает свою жизнь науке: исследователей, преподавателей, аспирантов и студентов, чьи идеи и открытия меняют наш мир к лучшему. Пусть гипотезы подтверждаются, прогнозы сбываются, идеи находят поддержку. Желаем, чтобы вас никогда не покидало вдохновление и впереди было много новых свершений.

🎶В честь праздника мы собрали плейлист от наших исследователей, вдохновляющий на написание научных статей, послушать можно по ссылке. А чтобы знать, куда отправлять свои работы, ловите подборку международных конференций по ИИ, подготовленную совместно с Хайтеком.

С праздником!

На связи рубрика #хакатоны ⤵️

Соревнование BioNNE-L является частью воркшопа BioASQ, который пройдёт в рамках конференции CLEF 2025 в сентябре 2025 года в Испании. BioASQ — это крупный воркшоп по обработке биомедицинских текстов, фокусирующийся на задачах извлечения информации и ответов на вопросы.

Задача заключается в нормализации биомедицинских именованных сущностей (Entity Linking) — по упоминанию биомедицинской сущности необходимо найти ей понятие (концепт) в словаре UMLS.

📎Подробнее про задачу — в репозитории. Для участия в соревновании зарегистрируйтесь на сайте BioASQ.

Делимся подборкой недавних статей ⤵️

◼️Гессиан больше не нужен. Упрощаем оценку неопределенностей в машинном обучении

Инженер-исследователь группы «Адаптивные агенты» AIRI Максим Жданов рассказал о проблемах, с которыми сталкиваются методы оценки неопределённости, основанные на лапласовой аппроксимации. Команда исследователей показала, что замена гессиана на простую единичную матрицу не только сокращает время вычисления, но зачастую работает лучше классических вариантов аппроксимаций Лапласа, а иногда даже лучше небайесовских методов.

◼️DeepSeek-R1 для чайников

Руководитель группы «Интерпретируемый ИИ» лаборатории FusionBrain Антон Разжигаев подробно разобрал главные технические детали открытых моделей R1 и R1-Zero от команды DeepSeek.

◼️Новый датасет с молекулярными данными поможет обучать и проверять нейросети для предсказания химических свойств

Команда исследователей из групп «Глубокое обучение в науках о жизни» и «Прикладное NLP» AIRI, а также коллеги из EPFL, СПбГУ, ИСП РАН и ПОМИ РАН собрали обширный датасет малых молекул медицинской химии и бенчмарк графовых нейронных моделей размером 220 терабайт.

◼️Экспектильная регуляризация десятикратно ускорила оптимальный транспорт

Исследователи AIRI и Сколтеха обнаружили, что внедрение экспектильной регуляризации в решения на основе оптимального транспорта значительно ускоряет вычисления при обучении генеративных моделей для синтеза искусственных данных, а также для адаптации моделей к данным из новых источников. В ряде случаев учёным удалось достичь 10-кратного ускорения.

Больше интересного — на нашем Хабре и в блоге на сайте.