Сообщают, что на новую конференцию AIConf-2024 (спин-офф Highload++, проводится впервые) принято сразу три выступления от нашей лаборатории:

- Физически-обоснованное машинное обучение - что можно и что нужно - Александр Хватов

"В докладе поговорим о текущем состоянии области физически-обоснованного машинного обучения. Затронем два больших острова - поиск уравнений по данным и решение с помощью PINN, а так же мелкие вроде нейронных операторов Фурье. Поговорим, какие задачи уже решены, что можно сделать уже сейчас, а что требует исследования, о том как мы применяем физически-обоснованные модели и методы в приложениях. Обсудим основные современные направления, почему где-то развитие остановилось, а где-то всё цветёт и пахнет. Наметим куда можно двинуться дальше и почему это может быть интересно на практике."

- Обеспечат ли LLM прорыв в эффективности AutoML? - Николай Никитин

Несмотря на множества интересных исследований и реализующих их open-source проектов в области автоматического машинного обучения (AutoML), их практическое внедрение в бизнес-процессы всё ещё далеко от массового. Тому есть множество причин - от сложности использования не-специалистами до высоких вычислительных затрат. Изменит ли ситуацию внедрение больших языковых моделей? Что они смогут взять на себя, а что нет? И нужны ли вообще будет специализированные AutoML-фреймворки через пару лет? Эти и другие вопросы - обсудим в докладе, затронув как обзор state-of-the-art решений, так и наш собственный опыт в рамках open-source фреймворка FEDOT.

- Фреймворк прикладных инструментов для анализа данных на основе каузальных моделей и байесовских сетей - Ирина Деева

"Фреймворк прикладных инструментов анализа данных на основе каузальных моделей представляет собой открытую библиотеку алгоритмов для решения прикладных задач анализа данных (поиск аномалий в данных, генерация синтетических данных, отбор и генерация признаков для предиктивных задач, объяснение результатов работы моделей машинного обучения) с помощью инструментов вероятностного искусственного интеллекта (ИИ), а именно на основе каузальных графических моделей. Фреймворк создан на базе проектов по разработке инструментов вероятностного ИИ и является помощником как для предметных специалистов, так и для учёных в области ИИ в задачах, подразумевающих анализ данных в условиях неопределённости."

Все доклады - в категории "академические исследования". Один даже идет с пометкой "уровень сложности - сложный".

Программа выглядит интересно, в конце сентября поделимся впечатениями)

P.S. Промокод для тех, кто хочет купить билет - datascience.

Тем временем, вышла наша статья "GOLEM: Flexible Evolutionary Design of Graph Representations of Physical and Digital Objects" с конференции GECCO, посвященная, как следует из названия, функциональности фреймворка GOLEM - https://dl.acm.org/doi/10.1145/3638530.3664141

Она была представлена на интересном профильном воркшопе Evolutionary Open Source Software (EvoOSS). Выступали онлайн, но все равно была содержательная дискуссия после доклада. Там что воркшоп можно рекомендовать к участию.

Сам код фреймворка - в https://github.com/aimclub/GOLEM.

Про нас пишут:

Кто из вас не играл в тетрис? При всей простоте он может сожрать сколь угодно вашего времени, что и должна делать игра. А как быть, если время становится определяющим фактором?
Выход один – начать жульничать и по своему желанию менять контуры фигур, чтобы быстро-быстро сложить идеальную картину. Вот как раз об этом вышла заметка про наш инструмент генеративного ИИ – библиотеку GEFEST. В отличие от классики гендизайна, когда идет работа с геометрией самого объекта, в GEFEST можно добавлять модель внешней среды. Только подумайте, как бы усложнился тетрис, если фигуры опускались бы… в воду, в которое турбулентные течения и злые рыбы ломали бы все ваши построения… В общем, наслаждайтесь – инструмент открыт и всем доступен здесь.

P.S. Кстати, греческий бог Гефест (с которым созвучно название библиотеки) характеризуется тем, что:
- управлял огнем и вообще был кузнецом для других богов Олимпийского пантеона;
- был хромым;
- был женат на богине любви Афродите.
Все точно как про наш GEFEST: может проектировать детальки и конструкции, слегка хромает (как открытое ПО), зато ему везет в любви (53 звезды) 😀

Всем привет. Ещё немного нового по нашим делам:

1) Мы пишем - на днях вышла ещё одна крупная статья с большим коллективом авторов - "Integration of evolutionary automated machine learning with structural sensitivity analysis for composite pipelines" в Q1-журнале Knowledge-Based Systems.

Написали про то, как можно сделать сходимость эволюционной оптимизации в AutoML и NAS немного более устойчивой, избежать переусложнения решения и других проблем, а также предложили вариант применения мета-обучения. Как тестовый стенд использовали FEDOT, но идеи масштабируются и на другие AutoML-решения.

2) Про нас пишут - выложили доклад Андрея Гетманова про сообщество ITMO.OpenSource - видео + описание. Для тех, кто пропустил прямую трансляцию)

Тем временем - запись первой лекции курса Александра Хватова "Математика в машинном обучении" уже доступна онлайн - https://www.youtube.com/watch?v=9w5YmDVEefM.

Ждем следующих, регистрация - всё там же.

По следам нашей победы в Код-ИИ вышла статья, где мы рассказываем про продукт, который решает множество прикладных задач анализа данных с помощью байесовских сетей и каузальных моделей. Также объясняем, чем это полезно и хорошо для прикладного специалиста.
Так как проект еще в разработке, поделиться ссылкой пока не можем (она будет доступна в октябре), но вы всегда можете поставить звездочку нашему горячо любимому проекту BAMT.

По итогу удалось прочитать три лекции - вводную, про ядерное обучение и про регуляризацию многообразием. Они уже опубликованы. Засыпать на 4ой минуте можно включив плейлист https://youtube.com/playlist?list=PLRtkLMXefuh8etgkQHudgqiwd_sFmlvJy&si=P_-id6rI31H0mzBA

Спасибо организаторам и участникам лектория за то что приютили и за запись лекций.🥰

Совместный с ИТМО сайд-проект от опенсорс-энтузиастов из нашей лаборатории:

Приветствую всех!

Некоторое время назад мы опубликовали статью под названием «Open Source в российском ИИ: исследование ландшафта», в которой проанализировали, кто и как занимается опенсорсом в научной сфере, а также предложили некоторые критерии для сравнения опенсорсных экосистем. Однако этот материал охватывает лишь один из множества аспектов создания и применения открытых решений.

В нашем следующем исследовании мы решили расширить рамки и рассмотреть вопрос используемости открытых инструментов в знакомых нам областях ИИ, машинного обучения, Data Science и работы с данными в целом. Сегодня мы завершили работу над этим материалом и рады представить его публике.

Исследование называется «Использование ML/Data-опенсорса в России» и доступно по ссылке — https://opensource.itmo.ru

На этот раз оно оформлено в виде красочного лендинга, с созданием которого нам помогли пресс-служба и управление интернет-ресурсов ИТМО. В подготовке участвовали сотрудники исследовательского центра «Сильный ИИ в промышленности», студенты и аспиранты ИТМО.

Первая часть исследования содержит краткое изложение целей, методологии и основных результатов. Мы поговорили с несколькими экспертами из различных компаний и университетов ― Яндекса, Сбера, Т-Банка, VK, Wildberries, Рокет Контрола, CodeScoring, МФТИ. Кроме того, мы собрали открытые данные и на их основе выделили наиболее активно используемые опенсорсные проекты, а также компании, активно участвующие в опенсорс-инициативах.

Далее вы сможете погрузиться в технические детали. Мы реализовали парсер данных из GitHub API и сторонних сервисов (таких, как pepy, star-history и др.), на основе которых проанализировали геоданные пользователей, использующих открытые проекты и участвующих в их развитии. Также уделили внимание существующим опенсорс-сообществам, другим исследованиям на схожие темы, перспективам развития опенсорса в эпоху ИИ и многому другому. Надеемся, что будет полезно и интересно.

Читайте, комментируйте, оставляйте обратную связь прямо в чате. Весь фидбэк используем для подготовки следующей версии исследования.

Всем привет.

Недавно мы уже рассказывали про наши исследования в области AI4Science, проводимые совместно с коллегами из Центра ИИ в Химии.

И вот вчера вечером наша совместная работа была принята на мейн-трек конференции NeurIPS:

>Hybrid Generative AI for De Novo Design of Co-Crystals with Enhanced Tabletability
>Nina Gubina, Andrei Dmitrenko, Gleb Solovev, Lyubov Yamshchikova, Oleg Petrov, Ivan Lebedev, Nikita Serov, Grigorii Kirgizov, Nikolay Nikitin, Vladimir Vinogradov

Статья посвящена разработке гибридного (генеративные модели + эволюционная оптимизация + ML) пайплайна для создания новых фармакологических ко-кристаллов с заданными свойствами. Все это описывается на протяжении почти 40 страниц - исследование получилось очень масштабное.

Текст пока финализируем с учетом полученных комментариев, но доклады про суть работы можно послушать тут и тут. Открытый код для реализованного в статье подхода тоже скоро выложим (о чем обязательно напишем в нашем канале "Научный опенсорс").

Привет всем любителям открытого кода!

У нас отличная новость: open source митапы возвращаются после летнего перерыва.
8 октября в 19:00 соберёмся в Loft Story (ул. Газовая, 10Ж), чтобы послушать доклады про научные проекты с открытым кодом, пообщаться и хорошо провести время.

Митап пройдёт в рамках проекта «Научный Петербург». К нам присоединятся коллеги из сообщества OpenScaler. Они расскажут про open source экосистему Китая и про OpenScaler OS. Информацию о прошлых митапах (записи трансляции, темы докладов и фотографии) можно найти на нашем ODS-хабе.

Если у вас есть научный open source проект, опыт разработки открытых решений или пет-проект, о котором вы давно хотели рассказать, регистрируйтесь с докладом. Лучшего докладчика, по сложившейся традиции, ждёт мерч от организаторов. Для регистрации пишите на почту eailinskaya@itmo.ru с темой «Митап Научный Open Source».

Для участия в качестве слушателя регистрируйтесь здесь.

Этот митап проходит в рамках международной конференции ИТМО «Молодые профессионалы» (8-10 октября). Там много интересных секций, заглядывайте и на них!

А ещё мы составили плейлист с лучшими докладами прошлых митапов. Будем рады просмотрам!

До встречи на митапе!

Митап организован при поддержке Центра научной коммуникации ИТМО, сообщества OpenScaler и ИЦ «Сильный ИИ в промышленности».
Проект поддержан Министерством науки и высшего образования РФ.
#десятилетиенауки #МинобрнаукиРоссии #популяризациянауки

На днях посетили московский AIConf делегацией NSS Lab - участвовали Александр Хватов, Ирина Деева и Николай Никитин.

Участвовали как докладчики в академическом треке, рассказали о свежих результатах лаборатории - исследованиях в области physics-informed ML, вероятностном и композитном моделировании, а также проекте по объединению возможностей LLM и AutoML.

Попутно понетворкали с представителями сообщества, поотвечали на многочисленные вопросы, выиграли плюшевого осьминога на стенде компании Raft (обсудив заодно LLM-агентов и сценарии их применения).

Опыт положительный, конференция достойная, рекомендуется к участию для всех заинтересованных в ИИ-технологиях.

В продолжение недавней новости про принятую статью на NeurIPS - коллеги-химики сделали про статью и авторов со своей стороны красивые карточки, которыми и делимся ниже.

С нашей же стороны основными авторами были Глеб Соловьев (аспирант ИТМО) и Любовь Ямщикова (выпускница магистратуры ФЦТ ИТМО).