👀 Квантовые компьютеры – это обман?

На семинаре в эту среду Николай Николаевич Литвинов рассказал о такой большой и интересной науке, как квантовая информатика. Свой вклад в ее развитие внесли Альберт Энштейн, Ричард Фейнман, а также советские ученые Александр Холево и
Юрий Манин.

Основные вехи:
➡️1976 год - появилась квантовая теория информации;
➡️1980 год - предложена концепция квантовых автоматов;
➡️1982 год - выдвинута идея моделирования квантовой механической системы;
➡️1992 год - доказана теорема о квантовом сверхплотном кодировании;
➡️1993 год - предложена теория о квантовой телепортации.

Если касаться области искусственного интеллекта, сейчас широко применяется квантовое машинное обучение (QML).

«В настоящий момент наиболее актуально и доступно для реализации квантово-классическое обучение, то есть подготовленные данные пропускаются через некоторый квантовый процессор, далее измеряется результат и уже на классическом компьютере вычисляется функция потерь и производится обработка. Этот цикл можно повторять до получения нужного результата», — объяснил спикер.

Вот некоторые популярные алгоритмы QML:
➡️Квантовый алгоритм k ближайших соседей;
➡️Алгоритм Харроу, Хассидима и Ллойда;
➡️Алгоритмы обучения с подкреплением Q-DQN и Q-DDQN;
➡️Квантовые алгоритмы для рекомендательных систем.

А что насчет квантовых компьютеров?
Как отметил докладчик, таковыми могут называться устройства, которые способны:
➡️адекватно представить квантовую информацию;
➡️проводить элементарный набор унитарных преобразований;
➡️измерить конечный результат.

Однако, несмотря на все перспективы квантовых компьютеров, есть несколько фундаментальных проблем.

1️⃣Время когерентности: из-за возникновения помех на пути эволюции квантовая система может потерять эффективность.

2️⃣проблема связана с майорановскими фермионами — гипотетическими частицами, чье существование было предсказано в далеком 1938 году, но до сих пор остается не подтвержденным исследователями с мировым именем.

В феврале этого года компания Microsoft представила квантовый компьютер на так называемых майорановских кубитах.

🤨 Выходит, это компьютер на основе несуществующих частиц? Вполне возможно.

Как отметил спикер, в этой области остается множество неопределенностей и «грязной игры». Не исключено, что в скором времени теорию квантовых вычислений придется и вовсе переделывать, ориентируясь на непрерывно появляющиеся технологии.

⁉️А что если Фейнман, предложив теоретическую модель квантового компьютера, тогда просто... пошутил?

✉️ Приглашаем на первый научно-практический семинар апреля!

На этот раз обсудим тему «Алгоритмы создания виртуализированных вычислительных средств из ресурсов AIoT».

🗓02.04 | 🕔18:00 | Центр ИИ СПбГУ (Кадетская линия, 1-3, схема прохода)

Спикеры мероприятия:

↖️ Елизавета Тарасова, руководитель научного офиса Центра ИИ СПбГУ;

↖️ Дмитрий Терещенко, специалист Центра ИИ СПбГУ

Доклад будет посвящен вопросам формирования динамических вычислительных кластеров на базе AIoT-устройств, обеспечивающих эффективное использование их вычислительных мощностей с учетом энергопотребления, нагрузки и возможности каждого узла.

Для посещения семинара нужно зарегистрироваться по ссылке 🔗

До встречи в Центре ИИ СПбГУ!

‼️ Внимание, замена спикера!

В эту среду с докладом о квантовании классификаторов и связи с кодированием выступит кандидат физико-математических наук Сергей Игоревич Салищев.

На обсуждение будут вынесены следующие вопросы:
⭐️Математизация идеализма Платона;
⭐️Связь точности классификации и вероятности ошибки в симметричном бинарном канале;
⭐️Эквивалентность дивергенции Кульбека-Лейблера и расстояния Хемминга для симметричного бинарного канала;
⭐️Гладкость как результат устойчивости моделей с шумом наблюдения и др.

Форма для регистрации остается прежней

💭 С нетерпением ждем вас в Центре ИИ СПбГУ уже 2 апреля!

🔝 Дайджест самых популярных постов за март

🔴Участие Владислава Архипова в заседании Госдумы

🔴Итоги митапа «Расскажи мне про ИИ».

🔴История развития искусственного интеллекта.

🔴Нелегальный майнинг криптовалют с помощью ИИ-технологий.

🔴Ученые СПбГУ научили нейросеть взламывать капчи.

🔴Центр ИИ протестировал Ghilbi-фильтр от OpenAI.

В этом месяце мы запустили новую рубрику научно-популярного разбора статей, экспериментировали с интерактивными форматами, а также стали активно вести сайт Центра

⁉️Какие посты, на ваш взгляд, смогли бы разнообразить новостную ленту в апреле? Делитесь в комментариях!

🗓Что нас ждёт в апреле?

🔘02.04 — научно-практический семинар о квантовании классификаторов и связи с кодированием с Салищевым Сергеем Игоревичем, к. ф.-м. н., старшим преподавателем кафедры информатики СПбГУ.

🔘09.04 — научно-практический семинар с сотрудниками Центра ИИ СПбГУ: руководителем Научного офиса Елизаветой Тарасовой и специалистом Дмитрием Терещенко. Поговорим об алгоритмах создания виртуализированных вычислительных средств из ресурсов AIoT и кое о чём ещё, расскажем чуть позже.

🔘15-17.04 — Workshop Научного офиса «ИИ и математика. Трансфер и масштабирование технологии ИИ».

🔘23.04 — итоги workshop'а с Граничиным Олегом Николаевичем, д.ф.-м.н., профессором, руководителем научно-практических семинаров Центра ИИ СПбГУ.

🔘24.04 — заседание по нейросетям в медиа совместно с Яндексом.

Следите за обновлениями в Телеграм-канале и нашей группе ВКонтакте📌

Квантование нейросетей. Причём здесь Платон?

2 апреля Салищев Сергей Игоревич рассказал о квантовании классификаторов и связи с кодированием.

🔽У квантования цель — снижение вычислительных затрат и энергопотребления при сохранении точности результата.

Прозвучали идеи Платона в машинном обучении⬇️

Представьте, что у каждого объекта есть «идеальная версия». Возьмём стол. В нейросетях ему соответствует идеализированный набор признаков (форма, цвет, текстура), который определяет класс. Но столы бывают разные. Как классифицировать?

Здесь идёт работа с «шумом».

➡️Устойчивость модели к входному шуму достигается за счёт плавного изменения кодовых слов в пространстве признаков через стохастический градиентный спуск для оптимизации.

Задача — сделать так, чтобы даже с помехами результат был верным.

❓Что это даст на практике?
✔️Упрощение нейросетей без потери точности результата.

Следующий семинар 9 апреля. Сотрудники Научного офиса Центра ИИ СПбГУ представят свои доклады. Ссылку для регистрации опубликуем позже. Следите за обновлениями🖥

🛸Соревнуйся в автономных технологиях и попади на «Архипелаг-2025»!

Приглашаем всех tech-энтузиастов на региональный этап инженерных соревнований по кибериммунной автономности! Это ваш шанс прокачать навыки в области беспилотных систем и получить путёвку на масштабный проектно-образовательный интенсив «Архипелаг-2025».

📆Когда и где?

👉14–20 апреля 2025
👉Москва, НИЯУ МИФИ (Каширское шоссе, д. 64)

✍️Что нужно сделать?

Ваша задача — запрограммировать БВС-доставщик, чтобы он:

✅ проходил трассу в полной автономности
✅безопасно взаимодействовал с системой управления воздушным движением
✅точно определял местоположение без GPS

Используются платформа ПКАДД-1 (тренировочная среда для программирования дронов) и киберполигон (цифровой двойник трассы + реальная физическая площадка для тестов).

Всего 2 этапа соревнований:

👉14–18 апреля: подготовка и тренировочные полёты (5 дней)
👉19–20 апреля: зачётные попытки (2 дня)

Подать заявку на участие можно по ссылке ⛓

☄️Семинар от сотрудников Научного офиса Центра ИИ СПбГУ

🗓09.04 | 🕔18:00 | Центр ИИ СПбГУ (Кадетская линия, 1-3, схема прохода)

➡️Елизавета Тарасова, руководитель научного офиса Центра ИИ СПбГУ, представит децентрализованное двухуровненое распределение задач с адаптивными контроллерами и SPSA-оптимизацией.

➡️Дмитрий Терещенко, специалист Центра ИИ СПбГУ, расскажет об алгоритмах создания виртуализированных вычислительных средств из ресурсов AIoT.

Для посещения мероприятия необходимо зарегистрироваться🔗

🆕WORKSHOP «ИИ и математика. Трансфер и масштабирование технологий ИИ» от Научного офиса Центра ИИ СПбГУ

🗓15-17.04 | 📍Центр ИИ СПбГУ (Кадетская линия, 1-3, схема прохода) и Конгресс-холл MENDELEEV (Санкт-Петербург, Невский пр., 1)

🔴Конференция объединит ведущих экспертов в области искусственного интеллекта и математики для обсуждения ключевых тем:

✅децентрализованные методы оптимизации
✅ИИ для навигации и медицины
✅прогнозирование нагрузок и маршрутизация данных
✅разработка алгоритмов для «умных» сред и AIoT

Особое внимание уделяется темам трансфера и масштабирования технологий ИИ в различных вычислительных средах.

📌С докладами выступят не только специалисты Центра ИИ СПбГУ, но и приглашенные эксперты. Более подробная информация и ссылки на регистрацию в следующих постах.

⚡️Программа WORKSHOP’а «ИИ и математика»

🗓15.04 | Центр искусственного интеллекта и науки о данных СПбГУ (Кадетская линия, 1-3)

В рамках внутренней программы конференции состоится Секция 1: Постерная сессия «Разработка алгоритмов в Центре ИИ» (18:00–19:30).

🔒 Обращаем внимание: мероприятие носит закрытый характер и предназначено только для внутренних участников.

💬

🗓16.04 | 🕔10:00-17:30 | Конгресс-холл MENDELEEV (Санкт-Петербург, Невский пр., 1)

10:00-10:30: регистрация.
10:30-10:45: открытие конференции.

10:45-12:15: 🎙Секция 2: «ИИ и математика».
Модератор: Граничин Олег Николаевич, д.ф.-м.н., руководитель научно-практических семинаров Центра ИИ СПбГУ.

✍️Доклады:

1. «Децентрализованные методы оптимизации в распределенных системах», спикер: Гасников Александр Владимирович, заведующий лабораторией математических методов оптимизации и заведующий кафедрой математических основ управления МФТИ.
2. «Математические модели в предиктивной аналитике», спикер: Ерофеева Виктория Александровна, к.ф.-м.н., ведущий специалист Центра ИИ.

12:30-14:00: 🎙Секция 3: «Трансфер и масштабирование технологий ИИ».
Модератор: Корхов Владимир Владиславович, к.ф.-м.н., доцент СПбГУ.

✍️Доклады:

1. «Опыт внедрения ИИ-решений в телекоммуникациях», спикер: Тихомиров Леонид Иванович, к.т.н., гендиректор Парма-Телеком.
2. «Масштабирование алгоритмов машинного обучения», спикер: Николенко Сергей Игоревич, к.ф.-м.н., ведущий специалист Центра ИИ СПбГУ.

15:00-17:30: 🎙Круглый стол: «Трансфер и масштабирование технологий ИИ».
Модератор: Фрадков Александр Львович, д.т.н., профессор СПбГУ и НИУ ИТМО, заведующий лабораторией «Управление сложными системами» ИПМаш РАН.
💬

🗓17.04 | 🕔10:00-15:00 | Конгресс-холл MENDELEEV (Санкт-Петербург, Невский пр., 1)

10:00-11:30: 🎙Секция 5: «Приложения ИИ».
Модератор: Петросян Ованес Леонович, д.ф.-м.н., профессор СПбГУ.

✍️Доклады:

1. «ИИ в медицинской диагностике», спикер: Волькович Владимир (Зеев), д.ф.-м.н.
2. «Нейросетевые методы в навигационных системах», спикер: Барулина Марина Александровна, д.ф.-м.н., и.о.декана мехмата ПГНИУ.

11:45-13:15: 🎙Секция 6: «ИИ и математика».
Модератор: Граничин Олег Николаевич, д.ф.-м.н., руководитель научно-практических семинаров Центра ИИ СПбГУ.

✍️Доклады:

1. «Математические основы прогнозирования временных рядов», спикер: Соколов Виктор Фёдорович, д.ф.-м.н., ведущий научный сотрудник Коми НЦ УрО РАН.
2. «Оптимизация гиперпараметров в глубоком обучении», спикер: Парсегов Сергей Эрнестович, к.ф.-м.н., ведущий научный сотрудник лаборатории математических методов оптимизации.

14:15-15:00: Закрытие конференции.
Ведущий: Граничин Олег Николаевич, д.ф.-м.н., руководитель научно-практических семинаров Центра ИИ СПбГУ.

Регистрация на WORKSHOP «ИИ и математика»🔗

Для сторонних гостей участие возможно только 16 и 17 апреля в Конгресс-холле MENDELEEV (Санкт-Петербург, Невский пр., 1).

Если вы хотите присутствовать оба дня, вы должны пройти регистрацию дважды:
✅отдельно зарегистрироваться на 16 апреля
✅отдельно зарегистрироваться на 17 апреля

Если регистрация по ссылке недоступна, значит количество гостей достигло максимума и, к сожалению, попасть на конференцию уже нельзя.

Регистрация открыта до 14 апреля включительно.

После регистрации вам на почту придет автоматическое письмо с подтверждением.

⛓Регистрация на WORKSHOP 16 апреля.
⛓Регистрация на WORKSHOP 17 апреля.

🎙О чем рассказали Елизавета Тарасова и Дмитрий Терещенко на вчерашнем семинаре: часть 1

🔼Об алгоритмах создания виртуализированных вычислительных сред из ресурсов AIoT

Общая проблема здесь – взаимодействие со сложной инфраструктурой гетерогенных устройств в условиях ограниченных ресурсов.

🎮 Децентрализованное управление ресурсами с использованием кластеризации устройств и выбором локальных лидеров осуществляется с помощью мультиагентных систем для решения задач и ведения переговоров между агентами.

Выделяют следующие критерии удовлетворенности агентов:

Агент заказа (потребности):
➕Минимальная задержка.
➕Минимальная стоимость.

Агент ресурса (возможности):
➕Максимальная загруженность.
➕Минимизация простоя и переналадки.

Данные агенты взаимодействуют между собой в процессе так называемого «аукциона», что также называется методом «скользящего» принятия решений:
Этап1️⃣: агент потребности объявляет задачу и цену.
Этап2️⃣: агенты возможностей оценивают возможность выполнения и предлагают свою цену.
Этап3️⃣: агент потребности выбирает лучший вариант.

Оптимально распределить ресурсы можно с помощью математической модели MDP (Markov decision process).

‼️Она подходит для принятия решений в ситуациях, где исходы частично случайны и частично под контролем того, кто принимает эти решения.

Структуру MDP использует обучение с подкреплением (Reinforcement learning), чтобы моделировать взаимодействие между обучающимся агентом и его средой.

💭 Спикер добавил, что прогнозирование ресурсов можно осуществить, применив алгоритм EEMD-ARIMA.
Среди преимуществ такого метода:
✔️учет нелинейностей
✔️повышение точности ✔️возможность устранения нестационарности

Во второй части расскажем об адаптивных контроллерах, SPSA-алгоритме и двухслойном распределении задач, которое работает без единого центра управления.

Продолжение следует 💬

🔔 Регистрация на 16 апреля закрыта — лимит участников достигнут. Благодарим всех, кто зарегистрировался!

А вот на 17 апреля ещё есть 5 свободных мест.

Если вы хотите присоединиться к конференции в этот день, успевайте зарегистрироваться заранее!

📍 Конгресс-холл MENDELEEV (Санкт-Петербург, Невский пр., 1)
📅 17 апреля | 10:00–15:00

⛓Регистрация на WORKSHOP 17 апреля.

🌎Роль искусственного интеллекта в освоении и исследовании космоса сложно переоценить.

О том, как технологии в этой отрасли применяются уже сегодня, – рассказала доктор физико-математических наук, действительный член Российской академии космонавтики им. К. Э. Циолковского Марина Александровна Барулина.

🐱Как отметила Марина Александровна, модели искусственного интеллекта, созданные на основе различных алгоритмов машинного и глубокого обучения, помогают решать широкий спектр задач – от обработки изображений с космических телескопов (например, Hubble, James Webb) для поиска экзопланет, галактик и аномалий до автономных интеллектуальных робототехнических систем (например, CIMON и «Федор» на МКС, Robonaut от NASA).

«Сейчас в России разрабатывается «Теледроид» – робот для проведения работ в открытом космосе, который может управляться как с Земли, так и космонавтами на борту орбитальный станции. Целевая работа «Теледроида» в первую очередь направлена на отработку технологий (в том числе искусственного интеллекта) космической робототехники, необходимой для дальнейшего освоения Луны и Марса», – подчеркнула она.

👩‍🚀На сегодняшний день ИИ позволил реализовать целый ряд успешных внепланетных миссий:

🌟Марсоход «Кьюриосити» НАСА – первопроходец в области искусственного интеллекта.
ИИ-технологии позволили космическому аппарату автономно обстреливать камни лазером в зависимости от их формы и цвета.

🌟Марсоход Perseverance
Стал первым ровером, способным принимать автономные решения на основе анализа состава пород в режиме реального времени.

🌟Crew Dragon от SpaceX
При стыковке аппарат использует автономную ориентацию на основе компьютерного зрения.

🌟Спутниковая группировка Starlink
ИИ используется для автономного предотвращения столкновений и управления роем, обеспечивая безопасную и эффективную работу этой большой сети спутников.

🌟Миссия «Чандраян-3»
Системы обнаружения и предотвращения опасностей на основе ИИ для посадки на Луну продемонстрировали большой потенциал для автономной работы космических аппаратов.

🌟Миссия Rosetta
Алгоритмы ИИ для анализа изображений кометы 67P / Чурюмова-Герасименко помогли ученым выбрать подходящее место посадки спускаемого аппарата Philae.

«Но, конечно, не надо забывать об ответственности при разработке и внедрении ИИ. Это инструмент, и то, как он будет обучен и использован, – во многом зависит от разработчиков. Этические и правовые вопросы, связанные с широким использованием искусственного интеллекта, человечеству уже нужно обсуждать», –

заключила Марина Александровна

.

Кстати, Марина Александровна Барулина выступит на нашем WORKSHOP’е 17 апреля! На этот день еще осталось несколько мест — ссылка на регистрацию в предыдущем посте⛓

Часть 2.

⚙️ О децентрализованном двухслойном распределении задач с адаптивными контроллерами и SPSA-оптимизацией

Что представляет собой эта децентрализованная система?

Внешний слой – адаптивные контроллеры, которые:

🟦обрабатывают запросы;
🟦прогнозируют параметры;
🟦создают задачи для рынка;
🟦формируют признак доступности задачи для агентов.

Внутренний слой – рынок-агенты, чье предназначение:
🟦выбирать задачи из «маркета»;
🟦после исполнения задач отправлять обратную связь контроллеру.

«Важно, что в данном случае рассматривается система реального времени, основная особенность которой в том, что она ничего не знает о себе в будущем. Но, к счастью, мы умеем это прогнозировать. В современном мире системы работают в формате, когда решения требуется принимать в моменте. В том числе поэтому система поддержки принятия решения – трендовое направление», – объяснила Елизавета Тарасова.

❓Как происходит взаимодействие между слоями?

✔️Запросы падают во внешний слой;
✔️Контроллер из запроса создает задачу, прогнозируя ее параметры на основе исторических данных;
✔️Параметры отправляются во внутренний слой системы;
✔️Происходит отбор агентов, которым видна задача.

«Конечно, система должна учиться на своих ошибках, на своих правильных решениях. Нужно понимать, правильно ли контроллеры предсказывают параметры. Поэтому агент, после того как выполнил какую-то задачу, отправляет контроллеру обратную связь. Например, это может быть конкретная оценка услуги клиентом, за счет которой контроллеры способны обучаться», –

дополнила спикер.

⚠️Проблемы могут возникнуть, если:
🟦контроллеры не взаимодействуют друг с другом➡️вырождение обучения;
🟦исторические данные больше не актуальны.

Поскольку контроллеры должны работать согласованно, в систему введена глобальная адаптация. Она позволяет контроллерам обмениваться информацией и совместно оптимизировать параметры предсказания и коррекции, используя алгоритм SPSA и методы достижения консенсуса.

✔️В заключение Елизавета Тарасова подчеркнула, что текущая система более устойчива и быстрее «сходится», особенно при резком изменении параметров задач.

Старт конференции «ИИ и Математика. Трансфер и масштабирование технологий ИИ»: как это было☄️

День 1: Закрытый формат и живые дискуссии💬

Первый день прошел в камерной атмосфере Центра ИИ СПбГУ: только наши эксперты и гости, среди которых Павел Сергеевич Щербаков, д.ф.-м.н., главный научный сотрудник Института проблем управления РАН (ИПУ), Марина Александровна Барулина, д.ф.-м.н., директор Физико-математического института ПГНИУ, член Академии навигации и управления движением, Российской академии космонавтики им. К.Э. Циолковского и другие известные деятели науки.

Гости погрузились в мир технологий искусственного интеллекта на экскурсии по лаборатории Центра, где увидели текущие разработки в действии. Директор Центра, Константин Амелин, в приветственной речи отметил:

«Наша цель – не только создать науку, но и внедрить ее в бизнес»

🎙Постерная сессия: 10 прорывных идей за 2 часа

🔘Физически-информированная адаптация домена (Бизяркин Я.С., Корхов В.В.) – метод объединения физических моделей и нейронных сетей для повышения точности прогнозов при ограниченных данных.
🔘Децентрализованная балансировка нагрузки в многоагентных сетях (Бизяркин Я.С., Корхов В.В. про распределение нагрузки в динамических сетях без централизованного управления. Уже успешно протестирован на дронах.
🔘Распределенная инфраструктура AIoT: организация вычислений и обработка данных (Терещенко Д.В., Бизяркин Я.С., Корхов В.В.) о виртуализации вычислений на базе энергоэффективных алгоритмов для самоорганизующихся IoT-сетей.
🔘Алгоритм SPSA, совмещенный с консенсусом, для взаимного позиционирования IoT-устройств (Чернов А.О.) о технологии, позволяющей устройствам без GPS вычислять свои позиции, обмениваясь сигналами и постепенно уточняя координаты.
🔘Физически-информированные модели машинного обучения для прогнозирования будущих состояний систем (Кузнецова Д.С.) о моделях, сочетающих нейронные сети и физические законы для анализа динамики систем.
🔘Роевые алгоритмы для двухуровневой задачи равновесного распределения транспортных потоков (Кузнецова Д.С.) — алгоритм роя частиц для управления городским трафиком с учетом поведения водителей.
🔘Алгоритм маршрутизации данных в беспроводных самоорганизующихся сетях (Чернов А.О.) – устойчивый протокол передачи данных в сетях без фиксированной инфраструктуры.
🔘Управление роем роботов (Архипов И.С., Чернов А.О.) о гибридных методах координации роботов для автономных задач в нестабильных условиях.
🔘Метод знаково-возмущенных сумм, модифицированный для задачи фильтрации нерегулярных шумов (Лень И.А.) – фильтрация шумов на изображениях при низкой освещённости через рандомизацию экспозиции..
🔘Установление направления взаимосвязи между временными рядами (Архипов Я.С., Бизяркин Я.С.) про алгоритм выявления причинно-следственных связей между параметрами динамических систем. Применяется в оптимизации бизнес-процессов и даже прогнозировании катастроф.

❓Что дальше?

Пленарные доклады, дискуссии и круглый стол в Конгресс-холле MENDELEEV, о которых мы расскажем чуть позже.

Следите за обновлениями в Телеграм-канале и сообществе ВКонтакте 🖥