Слушатели МФК по искусственному интеллекту защитили свои проекты

22 апреля состоялась первая проектная конференция для слушателей межфакультетских курсов по искусственному интеллекту, разработанных при поддержке фонда «Интеллект».

Участниками конференции стали студенты МГУ имени М.В. Ломоносова, которые прошли МФК по ИИ: «Введение в программирование», «Основы программирования и анализа данных на Python», «Машинное обучение для решения прикладных задач и «Введение в глубокое обучение». Всего выступило 13 человек с физического, химического, экономического, механико-математического факультетов, а также с факультета журналистики. Они смогли продемонстрировать практическое применение своих знаний, полученных на межфакультетских курсах, защитив свои проекты, и получить рекомендации от экспертной комиссии.

Так, студент химического факультета Алексей Полухин и магистрантка экономического факультета Ольга Лаврухина представили программу PyPriroda – Python-библиотеку, которая позволяет исследовать сложные молекулярные системы и рассчитывать их свойства с помощью квантово-химических методов. Они рассказали, что благодаря программе в 240 раз сократилось время на работу с файлами. В планах у ребят усовершенствовать библиотеку так, чтобы она не просто автоматически производила расчеты, но и каждую итерацию расчетов производила в один клик.

Студент химического факультета Дмитрий Филатов использовал сочетание физико-химических параметров и методов машинного обучения в кластерном анализе водных дисперсий оксида графена. Оксид графена был открыт относительно недавно – в начале XXI века, у него много перспективных областей применения в фармакологии и биомедицине, в частности оксид графена используется для диагностики раковых заболеваний. «Выделив несколько кластеров, мы можем провести дополнительное исследование и сделать вывод о наличии либо отсутствии антиоксидантных свойств, что необходимо для развития возможностей в медицине», – подытожил Дмитрий Филатов. Студентка физического факультета Устина Багрянская кластеризовала функциональные участки тканей щитовидной и паращитовидной желёз по данным их флуоресцентного отклика. Для этого Устина использовала два метода: «ручной» способ и с помощью машинного обучения. В результате работе оказалось, что машинные методы обнаруживают закономерности, не заметные для исследователя: они относят каждый пиксель к какому-либо кластеру, в то время как ручной метод оставляет часть пикселей некластеризованными.

Студентка физического факультета Полина Усынина обучается на кафедре экспериментальной астрономии, поэтому решила применить свои знания, полученные во время обучения на МФК, для решения задач астрономии. Полина классифицировала гамма-всплески – космические выбросы энергии гамма-излучения, приходящие из других галактик. Их классификация существует, но остается неполной, так как все еще неизвестны механизмы их возникновения.

Магистрант физического факультета Андрей Петрушов в своем проекте использовал алгоритм оптимизации параметров численных методов для ускорения расчета турбулентных течений. Для улучшения производительности в этой задаче требуется конкретная настройка параметров, которая на практике может быть трудоемкой. В работе Андрей рассмотрел проблему автоматизации оптимизации параметров численного метода для увеличения производительности математических физических симуляций и упрощения процесса моделирования.

Работа студента механико-математического факультета Данилы Родионова была посвящена применению нейронных сетей к построению прозрачных граничных условий для волнового уравнения. Он показал, что методологии глубокого обучения могут использоваться и для решения задач в чисто абстрактных областях математики, в частности, в математической физике. Построение прозрачных граничных условий для уравнений в неограниченных областях – одна из наиболее актуальных задач математической физики, так как зачастую необходимо знать асимптотику решений.

Студент физического факультета Даниил Багаев создал детектор плагиата между двумя Python кодами. Разработанная им утилита принимает два Python кода и сравнивает их на схожесть двумя способами: с одной стороны с помощью машинного обучения, с другой стороны с помощью так называемого расстояния Левенштейна, а затем выдает оценку их схожести от 0 до 1.

Магистрант факультета журналистики Артем Колядко презентовал онлайн-сервис чтения книг «Инворд» с иммерсивным элементом и технологией машинного обучения. Технология основывается на трансформации обычного текста в иммерсивный на мобильных устройствах. По замыслу Артема, программа должна «оживлять» текст. К примеру, пользователь программы читает о том, как расцвел цветок, и видит около этой фразы на экране распускающиеся цветы. Основная цель проекта – увеличить вовлеченность и интерес школьников к чтению, а также повысить уровень запоминания и усвоения текстов.

Студент химического факультета Александр Демчук рассказал об использовании графовых нейронных сетей для QSPR-моделирования. QSPR – это компьютерное моделирование отношений структура-свойство, один из инструментов поиска новых лекарств. В своей работе Александр построил нейросетевую модель оценки величины липофильности по структуре органического соединения. Липофильность – важный фактор, оказывающий влияние на некоторые фармакокинетические характеристики химического вещества, например, на его способность проникать через стенку кишечника. По итогам работы Александру удалось построить модель оценки липофильности органических веществ с точностью предсказаний, сравнимой с результатами других недавних исследований в этой области.

Студентка химического факультета Анастасия Гребенкина работала над созданием метода выявления фальсификации пшеничной муки мелом и установления процентного содержания мела в образцах методом спектроскопии в ближней ИК области. Сегодня действительно существует проблема замены муки на мел. Используя портативный спектрометр ближней инфракрасной области, можно получить набор спектральных данных для образца муки, а затем с помощью их хемометрической обработки количественно оценить фальсификацию продукта. Анастасия сравнила несколько подходов к предварительной обработке спектров и построению хемометрической модели и выбрала те, что дают достаточно точный результат.

Студент физического факультета Тимур Нурхабинов сегментировал биомедицинские изображения при помощи сверточных нейронных сетей. В качестве примеров для обучения и оценки точности Тимур использовал снимки ПЭТ/КТ с размеченными участками опухолевых поражений. Исходя из коэффициентов оценки точности, полученных в результате экспериментов, Тимур сделал вывод, что сверточные нейронные сети действительно хорошо справляются с задачей сегментации.

Магистрант физического факультета Алишер Ибрагимов исследовал предсказательную модель для расчета профиля электромагнитных полей в многомодовом интегральном волноводе. Волновод – это устройство, которое может перенаправлять свет в зависимости от каких-либо внешних условий. На таких девайсах базируется система, которая может обрабатывать большие объемы данных.

Экспертная комиссия дала свои рекомендации каждому участнику конференции.

«Самое главное для меня и это по-хорошему удивляет, что у многих ребят проекты не связаны с их основной научной работой, они делают это для себя, – рассказала один из членов экспертной комиссии, кандидат химических наук, победитель конкурса грантовой поддержки фонда «Интеллект» Анастасия Смирнова. – Мне кажется, это очень хорошо характеризует все МФК, которые смогли так заинтересовать студентов, у которых обычно много сессий и различных учебных дел, что ребята находят время на реализацию проектов, им это интересно, они находят темы, сами в них разбираются, что-то пробуют. Мне это очень понравилось в выступающих, и я считаю, что это очень полезная конференция».

Итоги конференции подвела руководитель проекта МФК по искусственному интеллекту и программированию фонда «Интеллект» Ольга Мигачева: «Мы очень рады, что проектная конференция заинтересовала студентов наших курсов. Проекты интересные, ребята отлично выступали, задавали друг другу вопросы, была живая дискуссия. Когда выступающие говорили, что благодаря нашим курсам заинтересовались темой машинного обучения и решили применить изученные алгоритмы на практике, мы поняли, что работаем уже 2 года над данным проектом не зря. Будем стараться развивать новое для нас офлайн-направление, ждем всех студентов на наших курсах и дополнительных мероприятиях».