• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Ускорение генеративно-состязательных нейронных сетей для задач физики высоких энергий

ФИО студента: Широков Артемий Павлович

Руководитель: Казеев Никита Александрович

Кампус/факультет: Факультет компьютерных наук

Программа: Программная инженерия (Бакалавриат)

Год защиты: 2021

Ключевые слова: генеративно-состязательные нейронные сети, дистилляция знаний, глубинное обучение, ускорение нейронных сетей, Большой Адронный Коллайдер. Объект исследования - генеративно-состязательная нейронная сеть, обученная для решения задачи физики высоких энергий, а именно симуляции отклика детектора Черенкова на эксперименте «Large Hardon Collider beauty». Детектор Черенкова – это один из детекторов, расположенных в Большом Адронном Коллайдере, основной целью которого является определение типа детектируемой частицы. Предмет исследования - методы ускорения работы генеративно-состязательных нейронных сетей. Цель исследования – разработка метода ускорения работы генеративно-состязательных нейронных сетей для задач физики высоких энергий. Задачи исследования: • Изучить методы ускорения генеративно-состязательных нейронных сетей, основывающиеся на технологии дистилляции. • На основе изученных методов ускорить работу обученной нейронной сети для задачи физики высоких энергий. • Провести тестирование полученной модели с целью оценки качества генерации и коэффициента ускорения относительно исходной генеративно-состязательной нейронной сети. Методы исследования: • изучение актуальных публикаций; • сравнительный анализ существующих методов ускорения генеративно-состязательных нейронных сетей; • анализ того, как методы ускорения моделей машинного обучения применяются к классу генеративно-состязательных нейронных сетей; • глубинное обучение. Научная новизна работы заключается в модификации методов ускорения генеративно-состязательных нейронных сетей для задачи физики высоких энергий. Практическая значимость. Предложенный метод может ускорить уже существующую генеративно-состязательную нейронную сеть, которая используется для симуляции отклика детектора Черенкова. Результаты работы: • Изучены существующие методы ускорения генеративно-состязательных сетей на основе методов дистилляции знаний, обрезки и квантования; • На основе существующих работ разработана генеративно-состязательная нейронная сеть для симуляции отклика детектора Черенкова; • Разработан метод ускорения генеративно-состязательной нейронной сети для симуляции отклика детектора Черенкова; • Проведены эксперименты, оценивающие коэффициент ускорения и уменьшения размеров нейронной сети.

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Реестр дипломов НИУ ВШЭ