В конце ноября Google DeepMind сообщила об открытии сотен тысяч новых стабильных материалов с помощью нейросети Graph Networks for Materials Exploration (GNoME) ― сервиса для предсказания неорганических кристаллических структур. Сами разработчики в статье в Nature говорят об экономии 800 лет научных исследований.
В этой статье разберем, что эта новость означает с точки зрения химика и как может быть полезна научным группам ИТМО.
Если вы полагаете, что фундаментальные исследования всегда скучны и с трудом находят применение на практике, то прочитайте эту статью. Старший научный сотрудник нашей лаборатории Сергей Муравьев, занимающийся автоматизацией решения задач кластеризации, рассказывает о собственном проекте, у которого, кажется, есть всё, что только можно пожелать: научная фундаментальность, хитрые задачи на пути к цели, а также впечатляюще широкие возможности применения.
Источник изображения: commons.wikimedia.org
Почему это круто
Кластерный анализ неформально можно определить как разбиение множества объектов так, чтобы похожие объекты попали в одно и то же подмножество, а объекты из разных подмножеств существенно различались. От обычной классификации по заданным признакам кластерный анализ отличается тем, что не алгоритм, а человек выявляет критерий кластеризации данных. Эта задача относится к классу «обучения без учителя» (англ. unsupervised learning), так как размеченного набора данных или какой-то заведомо известной информации о нём не предоставляется.
У задачи кластеризации нет общепризнанного математически корректного определения. Дело в количестве разнообразных применений: в маркетинге для сегментирования целевой аудитории, в медицине для классификации болезней, в рекомендательных системах при организации баз данных для поисковых запросов, при изучении социальной стратификации, для сегментирования изображений и распознавания образов, при обнаружении и сегментации артефактов различных периодов в археологии и много ещё для чего.
Уже два года подряд Центр искусственного интеллекта в химии ИТМО проводит DataCon - это сочетание образовательного интенсива и хакатона. Ученые Центра “делегируют” участникам хакатона обработку данных, собранных в ходе экспериментов и по открытым источникам. Результат - обученные ML-модели, прогнозирующие характеристики новых наночастиц из проектов Центра. В то же время DataCon - бесплатный образовательный интенсив, который проходит онлайн для школьников и студентов, уже имеющих базу в области химии. Они расширяют свои знания по нейросетям и работе с ними в контексте обработки экспериментальных данных. В этой статье расскажем о том, как это работает и какие результаты дает.
В серии статей по теме DevOps мы вместе с Lead DevOps инженером департамента информационных систем ИТМО Михаилом Рыбкиным рассказываем о проверенных инструментах выстраивания инфраструктуры, которыми с недавнего времени пользуемся сами. В предыдущих статьях мы уже рассмотрели предпосылки перехода на новую инфраструктуру и познакомились с азами Kubernetes, теперь пора перейти к следующему шагу – доставке кода. В рамках этой статьи мы подробно рассмотрим методологию GitOps и ее реализацию на примере ArgoCD.
В сфере кибербезопасности доступ к актуальной информации о возможных угрозах — это решающий фактор обеспечения защиты. Поэтому специалисты активно используют матрицу MITRE Atlas — обширную базу знаний о техниках и тактиках злоумышленников, совершающих атаки на системы искусственного интеллекта. Но эффективно работать с ней могли только пользователи с хорошим знанием языка, ведь интерфейс был полностью на английском. Факультет ФБИТ ИТМО перевел её на русский язык — теперь русскоязычная версия матрицы доступна всем на сайте факультета. В этой статье рассказываем о проекте — что это за матрица, кому она полезна и зачем вообще нужен был перевод.
Сегодня мы расскажем о библиотеке для Питона под названием rupersonaagent. Это небольшой пакет с функциями и классами для разработки русскоязычного персонифицированного диалогового агента с динамической долговременной памятью. Каждый алгоритм, представленный в библиотеке, может быть переиспользован отдельно для других задач — например, представленные в ней методы оптимизации можно применить для различных генеративных и ранжирующих моделей.
Совместно с компанией АСКОН Университет ИТМО постепенно преобразует учебное производство в умную фабрику. Ремонт учебных помещений почти закончен, идет подготовка к обновлению производственных. Оборудование частично установлено, и на ближайшее время перед студентами и магистрантами "промышленных" учебных программ поставлена задача внедрения специализированного софта для управления производством и объединения всех компонент в общую цифровую среду. Созданная таким образом лаборатория поможет не только обучать новые кадры, но и разрабатывать новые подходы к совершенствованию производственных процессов.
Своеобразным символом и материализованной целью проекта стал макет учебного производства, представленный компанией АСКОН на выставке Иннопром 2023.
В серии статей по теме DevOps мы рассказываем о проверенных инструментах выстраивания инфраструктуры, которыми с недавнего времени пользуемся сами. В первой части мы остановились на основных предпосылках внедрения и выбранном подходе. В этой статье вместе с Lead DevOps инженером департамента информационных систем ИТМО Михаилом Рыбкиным рассмотрим подробнее фундамент нашей инфраструктуры — Kubernetes.
Разумеется, статей об этом оркестраторе огромное множество, и можно на протяжении всей карьеры узнавать о нем что-то новое. Сразу уточним — в этой части мы не планируем копать глубоко. Попытаемся дать основы, описать Kubernetes так, чтобы сложилось базовое представление об этом инструменте.
Год назад в ИТМО открылась новая магистратура по искусственному интеллекту. Мы отказались от академического подхода, посмотрели на примеры лучших инженерных школ и стажировок, да и в целом от мира образования, и пригласили ИТ-компании для участия в подготовке высококвалифицированных кадров.
В этой статье рассказываем о том, как построено обучение и над какими проектами здесь можно работать. В конце вы найдете ссылку на конкурс проектов для поступления на следующий учебный год.
Не так давно мы в департаменте информационных систем (далее – ДИС) ИТМО начали выстраивать новую инфраструктуру для деплоя наших проектов. Образовательным организациям обычно с бюрократической точки зрения сложно прийти к масштабным внедрениям. Нам повезло ― мы смогли путем проб и ошибок выбрать удобные проверенные технологии и реализовать единую среду, которая задала формат взаимодействия между администраторами и разработчиками.
В общей сложности подбор инструментов и их внедрение заняли полтора года. Конечно, иногда был непросто: наступали на “грабли” и возвращались, чтобы выбрать более удачный путь. И это несмотря на то, что в общих чертах было изначально понятно, куда двигаться.
Проанализировав свой опыт, мы решили поделиться основными предпосылками и выводами. Хочется надеяться, что это облегчит внедрение тем, кто пойдет аналогичной дорогой.
В рамках университетского блога мы вводим новую рубрику по DevOps, в которой Lead DevOps инженер ДИС Михаил Рыбкин расскажет, как вместе с командой внедрил платформу деплоя для разработчиков.
Лаборатория гибкой электроники и мягкой робототехники химико-биологического кластера ИТМО занимается металлами, жидкими при комнатной температуре, в основном сплавами галлия. Сегодня перед такими материалами открывается масса новых практических применений ― от нательной электроники до энергетики. В этой статье поговорим о том, в каких направлениях работают студенты и аспиранты университета ― чем уникальны выбранные сплавы и какие методы можно использовать для работы с ними.
ИТМО активно поддерживает движение открытого кода, часть проектов разрабатывается для научных задач, другая же доступна и бизнесу. Однако учитывая масштабы и количество научных групп, у каждой из которых есть множество собственных инициатив, полного актуального перечня открытых разработок даже в масштабах одного только университета попросту не существует. Начав решать эту проблему, подразделения ИТМО пришли к необходимости формирования сообщества вокруг открытого исходного кода, которое будет доступно и широкой общественности. Для развития этого коммьюнити в университете открыли программу поддержки открытого кода, о которой мы и поговорим в этой статье.
В этой статье расскажем о проекте, реализованном во время первой и второй волн пандемии COVID-19. Сегодня его идеолог и основной разработчик — Евгений Бакин — учится в магистратуре в ИТМО на программе Public Health Sciences (мы писали о ней в блоге). Проект реализовывался вне стен университета, но, во‑первых, он интересен сам по себе — математические методы, примененные к стандартным анализам крови, на пике заболеваемости COVID-19 немного упорядочили хаос для врачей и помогли спасти жизни людей. А во‑вторых, проект и подтолкнул специалиста в магистратуру. Пандемия имела огромные социально‑экономические последствия и повлияла на систему здравоохранения — Евгений заинтересовался более высокоуровневым взглядом на проблему.
Сфера искусственного интеллекта показательна тем, что здесь успешно развиваются множество проектов с открытым исходным кодом. Это отличная тенденция, поскольку позволяет сторонним исследователям лучше понять особенности работы моделей, использовать их в собственных разработках в области ИИ или применять для обработки данных в своей предметной сфере.
Уделяя много внимания подготовке специалистов и развитию проектов в области искусственного интеллекта, Университет ИТМО поддерживает этот курс на открытость. В этой статье мы собрали небольшую подборку уже реализованных библиотек с открытым исходным кодом, предназначенных для решения различных задач машинного обучения. Сотрудники лабораторий ИТМО создают универсальные решения, не ограниченные своей предметной областью. И готовы развивать их, расширяя спектр возможных применений.
Все эти проекты написаны на Python с использованием стандартного стека технологий для задач обработки данных и графов: numpy, scipy, networkx. Их можно найти на GitHub и даже поучаствовать в дальнейшем развитии.
В ИТМО создали облачный сервис, который помогает специалистам получить доступ к возможностям машинного обучения практически без навыков программирования на Python.
Для целого ряда типовых задач сервис позволяет визуально набросать пайплайн решения, импортировать в него данные, подобрать соответствующую модель машинного обучения и проверить ее качество. Эксперименты показывают, что для среднего специалиста по данным на типовых задачах инструмент ускоряет работу в 3-5 раз, позволяя в итоге выгрузить код модели на Python, чтобы вставить в сторонний проект.
В этой статье рассказываем, откуда появилась идея инструмента и на какой стадии находится его разработка.
Если вы успели поэкспериментировать на дачном участке с ветряками с Aliexpress, то, скорее всего, уже в них разочаровались. Скорости ветра на большей части территорий страны недостаточно, чтобы вывести генерацию на нужный уровень. Непостоянного ветра хватает в лучшем случае на медленную зарядку телефона. Порывы не позволяют использовать установку для полноценного питания электроприборов в загородном доме.
В ИТМО разрабатывают ветроэнергостанцию, которая потенциально применима в частных хозяйствах и способна производить электрическую энергию уже при малых скоростях ветра. В основе — идея технологии из судостроения.
В этой статье рассказываем, как это работает.
Тема фотонных резервуарных вычислений сейчас довольно популярна в научном мире, но в основном подходят к ней с теоретической точки зрения — существенная часть статей посвящена компьютерному моделированию.
Группа Антона Ковалева в ИТМО взялась за практический аспект, выбрав для серии экспериментов относительно простое физическое устройство — полупроводниковый лазер с оптоэлектронной обратной связью. Система не обладает всеми преимуществами лучших из предложенных теоретических резервуаров, зато за счет своей простоты позволяет приблизиться к глубокому пониманию, почему и как все это работает.
В этой статье расскажем о том, что такое резервуарные вычисления, где они могут быть применимы, и к каким выводам относительно устройств с оптоэлектронной обратной связью пришли в ИТМО.
Сегодня хотим поделиться сторонним взглядом на Университет ИТМО.
Яли Сунь (Yali Sun) приехала в ИТМО из Китая для продолжения обучения после магистратуры в области нанофотоники. В интервью ученая рассказывает о том, чем процесс обучения в ИТМО отличается от китайских вузов, с какими сложностями сталкивается иностранец, приехавший в Россию по научной работе, и где на практике можно применять разрабатываемые ее группой оптические наноантенны.
Аспирант Университета ИТМО Даниил Абрашин разрабатывает систему охлаждения для серверов и персональных компьютеров, которая при помощи термоэлектрических эффектов преобразует излишнее тепло от процессора в электроэнергию. В теории ее можно даже использовать для питания дополнительного оборудования.
В этой статье расскажем о сути проекта.
В ИТМО есть отдельная структура, которая помогает ученым коммерциализировать свои разработки, ― Центр трансфера технологий. Задачи эта служба решает непростые, и для автоматизации части рутины внутри университета разрабатывается модульная интеллектуальная информационно-аналитическая платформа (или сокращенно МИИА). В этой статье расскажем, что это за платформа, чем она похожа на системы для бизнеса и почему нельзя было взять готовое решение, а пришлось на основе ядра от партнеров создавать что-то свое.
