Фонд «Интеллект»
Фонд «Интеллект»
В этом году на конкурсе молодых ученых МГУ было подано 40 заявок по тематическим модулям: «Биомедицинские и химические применения искусственного интеллекта»; «Инженерные и естественнонаучные приложения искусственного интеллекта»; «Когнитивные системы и мозг»; «Математические аспекты алгоритмов искусственного интеллекта»; «Гуманитарные и бизнес-аспекты применения искусственного интеллекта».
10 аспирантов и 5 постдоков стали победителями в конкурсе молодых ученых МГУ-2024. Мы расспросили подробнее об их исследованиях, задачах и перспективах. Публикуем третью часть.
Модуль: «Биомедицинские и химические применения искусственного интеллекта»
Сергей Пушкарев, аспирант факультета биоинженерии и биоинформатики МГУ
Тема исследования: «Применение методов машинного обучения в вычислительной энзимологии»
Тема моего исследования затрагивает применение машинного обучения как альтернативы квантовым расчетам в биологии. Здесь многое еще предстоит сделать. Лично мне интересна мультидисциплинарность области, возможность позаниматься как машинным обучением, так и квантовыми расчетами. В то же время тема не находится в вакууме, и работа может пригодиться нашей лаборатории.
Мое исследование можно разделить на 3 этапа:
Валидация перспективного подхода EMLE для использования машинного обучения в квантово-механическом/молекулярно-механическом расчете. Поиск слабых мест этого подхода.
Закрытие слабых мест и улучшение подхода EMLE.
Соединение EMLE с поляризуемыми силовыми полями для повышения точности расчета.
Яков Пчелинцев, кандидат физико-математических специалист лаборатории математических методов обработки изображений факультета вычислительной математики и кибернетики МГУ
Тема исследования: «Разработка методов искусственного интеллекта для задач обнаружения и анализа рентгенологических синдромов на рентгенограммах грудной клетки при компьютерной диагностике туберкулеза легких»
Выбранная тема исследования заинтересовала меня с двух сторон: научной (возможность разработать новые методы и алгоритмы для решения непростой задачи) и практической (возможность создать инструменты для повышения эффективности диагностики туберкулеза).
Основными задачами исследования являются разработка алгоритма обнаружения и локализации основных рентгенологических синдромов на рентгенограммах грудной клетки, создание размеченного набора рентгенограмм грудной клетки и разработка алгоритма автоматической предобработки рентгенограмм грудной клетки для задачи диагностики туберкулеза.
Никита Волошин, аспирант факультета фундаментальной медицины МГУ
Тема исследования: «Методы глубокого обучения для детекции ядер клеток на фазово-контрастных изображениях в целях мониторинга роста клеточной популяции и автоматического трекинга одиночных клеток»
Мы изучаем способы улучшения возможностей микроскопии в области клеточной биологии. Микроскопия — удивительный инструмент, позволяющий увидеть внутреннее устройство клетки, рассмотреть её на разных уровнях. Однако большинство методов микроскопии требуют фиксации клеток и/или использования красителей, что существенно влияет на клеточную физиологию и во многих случаях затрудняет исследование клеточных процессов в динамике. Нам интересно разработать методы, которые позволят отвечать на те же вопросы с использованием изображений, полученных без окраски и фиксации, что значительно расширит наши возможности по исследованию временной динамики клеточных процессов. Таким образом, тема нашего исследования заинтересовала нас новыми возможностями в микроскопии, которые позволят более точно и объективно оценивать клеточные процессы во времени.
В задачи нашего исследования входит не только сбор датасета и обучение моделей, но и генерализация полученных алгоритмов для различных микроскопов, параметров съемки и клеточных линий, чтобы нашими разработками смогли пользоваться специалисты в других лабораториях. Также в наши планы входит разработка программного обеспечения, с помощью которого воспользоваться разработанными алгоритмами будет возможно без использования кода. Таким образом, мы стремимся к тому, чтобы результаты нашего исследования были максимально доступны для широкого круга пользователей.
Модуль: «Инженерные и естественнонаучные приложения искусственного интеллекта»
Тема исследования: «Глубокое обучение в идентификации новых оптических мишеней в организме человека для применения технологий биофотоники»
Грант выделен на разработку новых подходов в предсказании оптических свойств молекул по их структуре с использованием методов машинного обучения и ИИ. Возможность предсказывать оптические свойства молекул позволит существенно продвинуть диагностику заболеваний с использованием биофотоники. В организме человека сотни тысяч молекул, и померить оптический отклик от каждой из них невозможно. Поэтому в моём проекте предложен альтернативный подход с использованием методов машинного обучения и ИИ, которые предсказывали бы оптические свойства органических молекул по их строению, чтобы затем применить этот подход для идентификации новых флуорофоров с использованием уже имеющихся баз данных молекул, которые присутствуют в организме человека. Таким образом, можно будет существенно сократить время поиска новых молекул-мишеней и идентифицировать новые классы флуорофоров в теле человека. Предстоит много работы, связанной с созданием предиктивных моделей и их экспериментальной верификацией на различных наборах данных. В нашей лаборатории мы стремимся сделать так, чтобы разработанные решения были доведены до практического применения. Например, с помощью построенных моделей можно будет выявить флуорофоры, ответственные за свечение паращитовидной железы, атеросклеротических бляшек, амилоидов в мозге – и построить на этом диагностические критерии. Также мы хотим понять, за счёт чего флуоресцентный отклик некоторых опухолевых тканей отличен от отклика здоровых тканей.
