2025/2026

Глубинное обучение в естественных науках

ID 1002494

Статус: Маго-лего

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Охват аудитории: для своего кампуса

Преподаватели: Боревский Андрей Олегович, Лазарев Михаил Владимирович, Тараканов Александр Александрович

Язык: русский

Кредиты: 6

Контактные часы: 80

Программа дисциплины

Аннотация

Глубокое обучение произвело революцию в искусственном интеллекте, способствуя прорывам в компьютерном зрении, обработке естественного языка и других областях. В естественных науках оно помогает решать сложные математические уравнения, ускоряя вычисления в квантовой физике и механике жидкостей. В биологии модели, такие как AlphaFold, предсказывают структуру белков с высокой точностью, а в химии и материаловедении ИИ используется для прогнозирования свойств молекул и кристаллических материалов. Курс охватывает современные методы и данные, применяемые в этих областях, а также перспективные подходы к моделированию и генерации новых материалов.

Цель освоения дисциплины

• Понимание принципов работы физически информированных нейронных сетей и практические навыки обучения и применения

Планируемые результаты обучения

• Умеет применять глубинное обучение для решения характерных задач
• Приобретение навыков использования методов глубинного обучения для решения естественнонаучных задач
• Знание основ глубинного обучения

Содержание учебной дисциплины

• Полносвязные нейронные сети
• Сверточные нейронные сети
• Регуляризация и нормализация в сетях.
• Введение в трансформеры
• Графовые нейронные сети
• Генеративные модели
• Дифференциальные уравнения и методы их решения
• Физически информированные нейронные сети для решения дифференциальных уравнений
• Нейронные сети и спектры дифференциальных операторов
• Введение в молекулярную биологию
• Диссоциация белков, масс-спектрометрия
• Спектр применения нейросетей в анализе омиксных данных
• Ключевые понятия устройства живой клетки и тканей
• Основы строения мозга, принципов его активности и нейронов как структурной единицы
• Доверенный ИИ: важность и инструменты

Элементы контроля

• Тестовая работа
  Студенты решают на последнем занятии курса тестовую работу по каждой из пройденных тем на знание основ биологии и нейросетей
• Домашнее задание Био
• Домашнее задание 1
  Задачи по блоку введения в нейросети для подготовки студентов к дальнейшим блокам
• Проектная работа
  Студенты выбирают статью на пересечении биологии и нейросетей, проводят ее анализ, запускают программный код и предлагают свои доработки
• Домашнее задание 2
  Три задачи для обучения нейронных сетей для решения дифференциального уравнения (2 задачи по 4 балла) и для аппроксимации спектра дифференциального оператора (1 задача на 2 балла). Оценка вычисляется как сумма баллов за каждую задачу. Выдается 1 марта дедлайн 15 апреля
• Домашнее задание 3

Промежуточная аттестация

• 2025/2026 4th module
  0.1 * Проектная работа + 0.2 * Домашнее задание 1 + 0.2 * Домашнее задание 3 + 0.2 * Домашнее задание Био + 0.1 * Тестовая работа + 0.2 * Домашнее задание 2

Список литературы

Рекомендуемая основная литература

• Введение в молекулярную биологию: в 2-х ч. Ч. 1 - Темнов М. С., Дворецкий Д. С. - Тамбовский государственный технический университет - 978-5-8265-2390-2 - 2021 - русский - https://e.lanbook.com/book/320570 - ЛАНЬ - 320570

Рекомендуемая дополнительная литература

• Сверточные нейронные сети: примеры реализаций - Соробин А. Б. - МИРЭА - Российский технологический университет - - - 2020 - русский - https://e.lanbook.com/book/163853 - ЛАНЬ - 163853

Авторы

• Лазарев Михаил Владимирович
• Тараканов Александр Александрович
• Боревский Андрей Олегович