Сегодня рассказываем про то, как исследователи AIRI создали и выложили в открытый доступ крупнейший в мире набор данных по квантовой химии👨‍🔬

Это поможет расширить возможности исследований в области поиска новых материалов и разработки лекарств 💊

Ученые Института AIRI при поддержке коллег из Сколтех и ПОМИ РАН собрали 5 340 152 конформаций для 1 004 918 подобных лекарствам молекул, а также их квантовые свойства, и выложили базу данных в открытый доступ на маркетплейс артефактов машинного обучения DataHub.

🔻Доступ к датасету возможен через платформу ML Space по ссылке.

В дополнение к данным в набор включили 4 модели для предсказания энергии молекулярной конформации и 2 модели для работы с теорией функционала плотности.

🔻Ссылка на GitHub.

🔻Исследование опубликовано в журнале Physical Chemistry Chemical Physics.

🔻Прочитать подробнее можно в материале ТАСС.

Предновогодняя подборка с новостями 🎄

🔵Вышел новый выпуск «Два в уме» с руководителем группы «ИИ в промышленности» Ильей Макаровым. Про влияние искусственного интеллекта на нашу жизнь – по ссылке.

🔵Исследователи AIRI дообучили модель, переносящую лицо селебрити на дублера, чтобы создать видео для «Пятёрочки». Ролик с дипфейком уже можно посмотреть 🤖

🔵Новый выпуск подкаста «Дедлайн вчера», в котором руководитель группы «Дизайн новых материалов» Семен Буденный рассказывает про роль наставника в построении карьеры, а также объясняет, почему гибридность и мультимодальность – главные тренды в развитии AI for Good.

Прошлую подборку можно посмотреть по ссылке 📺

Сколько ИИшниц мы пожарили провели в этом году? 🍳

Отвечаем: в 2022 году было приготовлено четыре ИИшницы про искусственный интеллект в разных сферах, где выступали доктора и кандидаты наук, а также молодые ученые! 🍿

Все научные доклады можно посмотреть в плейлистах:

🔵ИИшница | ИИ в медицине

🔵ИИшница | NLP требуют наши сердца

🔵ИИшница | ИИ в индустрии

🔵ИИшница | NeurIPS 2022

Спасибо вам за несколько тысяч просмотров и десятки комментариев!👀

Новогодние праздники – идеальное время для новых знаний 👀

Делимся плейлистами со всеми лекциями образовательных программ AIRI в 2022 году:

▪️Летняя школа RDLS

▪️Летняя школа РАИИ

▪️Конференция

В этом году нас ждет еще больше образовательных программ и мероприятий, обязательно вернемся с новостями! 😁

⛄️ Если вам не хватило лекций Летней школы и Конференции, то можно посмотреть три последних семинара AIRI на YouTube-канале:

🔳«Рабочая память через минимизацию неопределенности»

🔳«Предобработка МРТ данных головного мозга для обучения deep-learning моделей сегментации»

🔳«Обучение с подкреплением для задачи бессиловой оптимизации энергии молекулярной конформации»

#AIRIseminars в новом формате с участием оппонентов продолжат выходить регулярно в этом году, до встречи! 👾

👾 Первый в этом году научный семинар пройдет уже 18 января в 17:00 на канале AIRI, делимся подробностями:

🔳Тема: «Универсальные и независимые: пробинг мультиязычных моделей, их интерпретация и оценка»

🔳Докладчики AIRI: Татьяна Шаврина и Олег Сериков
🔳Оппонент: Наталья Лукашевич, МГУ

🔳Описание: в докладе будет рассказано про то, как происходит интерпретация больших языковых моделей на основе методологии пробинга. Исследователи затронут тему многоязычности LLM и узнают, являются ли обнаруженные закономерности в качестве лингвистически связными или, наоборот, абсолютно случайными. Также на семинаре будет проведен лингвистический анализ трансформерных моделей на примере mBERT и BLOOM, самой большой открытой языковой модели для 59 языков мира.

🔳Полезные ссылки: пробинг-фреймворк AIRI для 104 языков и 80 грамматических признаков.

До встречи в среду на семинаре! #AIRI_Seminars

Делимся итогами второго года жизни AIRI в отчете по ссылке 💡

В нем вы найдете ключевые результаты проектов научных команд, полный список публикаций и мероприятий за год.

🖇 Также делимся ссылкой на страницу сайта, где регулярно обновляем данные по публикациям исследователей AIRI.

Статьи авторов группы «ИИ в Индустрии» AIRI вошли в топ-5 наиболее читаемых исследований в предметных областях журнала PeerJ Computer Science за 2022 год 👀

Рассказываем про статьи:

🔵Первая статья посвящена задаче построения векторных представлений динамических графов. Такие представления полезны в задачах машинного обучения на графах и их приложениях, например, в рекомендательных системах или даже поиске мошенников на основе банковских транзакций.

В статье ученые дали классификацию методов построения векторных представлений, предложили новую модель, которая собрала лучшее из двух state-of-the-art моделей TGN и CAW, а также фреймворк, который позволяет корректно сравнивать разные модели на одинаковых наборах данных.

В исследовании принимали участие ученые из ВШЭ, МФТИ и Лаборатории ИИ Сбера.

🔵Вторая статья посвящена различным способам интеграции рекуррентных блоков и механизмов внимания в задаче восстановления глубины без размеченных данных.

Ученые предложили ряд модификаций с использованием временной информации из предшествующих фреймов и новые нейросетевые архитектуры для оценки монокулярной глубины с помощью самообучения. Эксперименты с набором данных KITTI показали, что предлагаемые модификации могут быть эффективным инструментом для использования временной информации в предсказании глубины.

В исследовании принимали участие ученые из ВШЭ, ПОМИ РАН, Центра исследований больших данных НИТУ «МИСиС» и СПбГУ.

Читайте рубрику #AIRIPublished, в которой мы рассказываем про то, какие статьи выходят у наших ученых и советуем свежие публикации 🗞

Раз в две недели проводим семинар AIRI по искусственному интеллекту #AIRI_Seminars, делимся подробностями следующего:

🔳Дата и время: 1 февраля в 17:00 на YouTube-канале AIRI

🔳Тема: «Графовые нейронные сети с обучающимися матрицами смежности для диагностики неисправностей на данных от множества датчиков»

🔳Докладчик: Александр Коваленко, AIRI
🔳Оппонент: Михаил Гущин, ФКН ВШЭ

🔳Описание: методы обнаружения и диагностики неисправностей позволяют своевременно обнаружить и определить причину неполадки в технологическом процессе. В последние годы нейронные сети показали высокую эффективность в решении подобного рода задач.

Графовые нейронные сети, помимо диагностики неисправностей, могут извлекать из данных дополнительную информацию о скрытых взаимосвязях между частями оборудования. В исследовании предложено использование матрицы смежности, обучающейся совместно с графовой нейронной сетью.

Это позволяет получить структуру графа взаимодействия между датчиками, основываясь только на данных с оборудования. Исследователи проанализировали полученные результаты, а также предложили модель, использующую несколько графовых структур.

📹 Запись прошлого семинара можно посмотреть по ссылке.

Сегодня в рубрике #образовательная_подборка делимся знаниями про Python 🖇

🔳Курсы:

→ Python course from w3 schools
Простое введение в синтаксис с упражнениями, которые можно решать онлайн. Подойдет для начинающих.

→ Google's Python class
Курс для начинающих от Google. В нем представлен только Python 2, но на курсе отличные упражнения для практики.

→ Matplotlib tutorial
Обучалка по Matplotlib, покрывающая большинство практических кейсов.

🔳Лекции:

→ CS50 lecture on Python
Двухчасовая лекция на YouTube про введение в основы Python.

→ Python programming from the Computer Science center
Продвинутый курс с видео-лекциями на русском.

→ You-Tube канал ArjanCodes
Много видео про чистый и красивый код на Python.

🔳Книги:

→ Learning Python
Большая настольная книга, идеально подойдет для тех, кто хочет более глубокого погружения в Python.

→ The Python Cookbook
Сборник коротких рецептов на Python. Если пришла в голову изящная идея, но вы не знаете, как ее реализовать.

→ Automate the boring stuff with python
Расскажет про то, как автоматизировать то, что вы обычно делаете вручную. Например, как отправить уведомление по электронной почте, когда ваш скрипт закончит вычисление.

→ From Python to Numpy
Учебник по библиотеке Numpy с увлекательными примерами и заданиями. В процессе чтения вы узнаете, как моделировать процесс диффузии, что такое стайное поведение птиц и многое другое.

👾 Прошлая подборка по специализированной литературе и курсам для аналитика данных в электрофизиологии по ссылке.

Первые сутки конкурса прошли бодро 🔥

Только 7% участников правильно угадали все 9 фраз!

Еще есть шанс попробовать свои силы в розыгрыше книг про искусственный интеллект до 10 февраля 17:00 👾

Угадывайте авторов фраз по ссылке 👀

Кстати, если вы прошли тест с рабочей почты, и результаты вам не пришли, то напишите нам на [email protected] 💌

Анонсируем следующую трансляцию #AIRI_Seminars – научных семинаров по искусственному интеллекту 👀

🔵Дата и время: 15 февраля в 17:00 на YouTube-канале AIRI

🔵Тема: «Методы анализа данных при исследовании активности мозга в парадигмах замкнутого контура»

🔵Докладчик: Алексей Осадчий, ВШЭ, AIRI
🔵Оппонент: Сергей Шишкин, МГППУ

🔵Описание: современные нейросетевые архитектуры учитывают контекст посредством динамического изменения весовых коэффициентов в зависимости от входных данных. Добавление рекуррентных связей позволяет привести отображения, реализуемые такими моделями, в зависимость от внутреннего состояния последних. Похожие принципы реализованы и в человеческом мозге 👀

Стандартная методология нейронаучных исследований подразумевает однонаправленное взаимодействие с мозгом, при котором испытуемым предъявляются зрительные, слуховые или тактильные стимулы, регистрируется реакция, а затем исследуется изменчивость этой реакции в зависимости от вариации параметров таких стимулов. Недавно появившиеся парадигмы замкнутого контура предполагают рекуррентное взаимодействие с головным мозгом, при котором предъявляемые стимулы зависят от текущего состояния нейронных сетей мозга.

Попытка следить за текущим состоянием мозга в реальном времени и с малой задержкой наталкивается на фундаментальные и технические проблемы, опыту преодоления которых, а также приложениям разрабатываемой технологии, и посвящен этот доклад.

📹 Запись прошлого семинара по ссылке.