В МГУ создали новую архитектуру вычислительной инфраструктуры с ИИ
#наука_мгу
Ученые Междисциплинарной научно-образовательной школы МГУ «Мозг, когнитивные системы, искусственный интеллект» предложили архитектуру вычислительной инфраструктуры нового поколения, основанную на использовании методов машинного обучения и мультиагентных систем. Работа представлена на Международной конференции «Математика в созвездии наук».
Новый подход позволяет управлять распределением ресурсов в масштабируемых сетевых средах, обеспечивая высокую производительность, отказоустойчивость и безопасность.
Будущие исследования будут направлены на интеграцию NPC с системами искусственного интеллекта и создание гибридных архитектур, сочетающих облачные и периферийные вычисления. Также планируется изучение вопросов безопасности и защиты данных в распределенных вычислительных средах.
#наука_мгу
Ученые Междисциплинарной научно-образовательной школы МГУ «Мозг, когнитивные системы, искусственный интеллект» предложили архитектуру вычислительной инфраструктуры нового поколения, основанную на использовании методов машинного обучения и мультиагентных систем. Работа представлена на Международной конференции «Математика в созвездии наук».
Новый подход позволяет управлять распределением ресурсов в масштабируемых сетевых средах, обеспечивая высокую производительность, отказоустойчивость и безопасность.
Будущие исследования будут направлены на интеграцию NPC с системами искусственного интеллекта и создание гибридных архитектур, сочетающих облачные и периферийные вычисления. Также планируется изучение вопросов безопасности и защиты данных в распределенных вычислительных средах.
ИИ помогает расшифровать спектры космического излучения: новые горизонты в исследовании полициклических ароматических углеводородов
#наука_мгу
Химики МГУ с помощью искусственного интеллекта научились предсказывать спектры сложных органических молекул (ПАУ), которые встречаются как в дыме костра, так и в далеком межзвездном пространстве. Исследование демонстрирует, как методы ИИ помогают в экологических исследованиях на Земле и в разгадке химических тайн Вселенной. Результаты работы опубликованы в Journal of Chemical Information and Modeling.
Одним из основных методов исследования ПАУ является инфракрасная (ИК) спектроскопия. Однако интерпретация спектров – сигналов из межзвездного пространства, загрязненного воздуха или продуктов сгорания – остается крайне сложной задачей. Это связано с тем, что экспериментальные спектры известны лишь для ограниченного числа молекул ПАУ, а теоретический расчет требует огромных ресурсов.
В исследовании предложен инновационный подход на основе методов машинного обучения для предсказания ИК-спектров ПАУ. Особенностью работы было особое внимание к кодированию структуры молекулы, чтобы учесть и её заряд.
Так, впервые была решена задача предсказания спектров одновременно и заряженных, и нейтральных молекул. Такая постановка задачи позволила использовать для обучения моделей все известные к настоящему времени спектры ПАУ. Универсальность модели обеспечила высокую точность предсказаний спектров нейтральных и ионизованных молекул ПАУ.
#наука_мгу
Химики МГУ с помощью искусственного интеллекта научились предсказывать спектры сложных органических молекул (ПАУ), которые встречаются как в дыме костра, так и в далеком межзвездном пространстве. Исследование демонстрирует, как методы ИИ помогают в экологических исследованиях на Земле и в разгадке химических тайн Вселенной. Результаты работы опубликованы в Journal of Chemical Information and Modeling.
Одним из основных методов исследования ПАУ является инфракрасная (ИК) спектроскопия. Однако интерпретация спектров – сигналов из межзвездного пространства, загрязненного воздуха или продуктов сгорания – остается крайне сложной задачей. Это связано с тем, что экспериментальные спектры известны лишь для ограниченного числа молекул ПАУ, а теоретический расчет требует огромных ресурсов.
В исследовании предложен инновационный подход на основе методов машинного обучения для предсказания ИК-спектров ПАУ. Особенностью работы было особое внимание к кодированию структуры молекулы, чтобы учесть и её заряд.
Так, впервые была решена задача предсказания спектров одновременно и заряженных, и нейтральных молекул. Такая постановка задачи позволила использовать для обучения моделей все известные к настоящему времени спектры ПАУ. Универсальность модели обеспечила высокую точность предсказаний спектров нейтральных и ионизованных молекул ПАУ.