• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Контакты
Телефон:
15407
Адрес: Старая Басманная ул., д. 21/4, стр. 5, каб. Б-806
Время работы: Пт. 09:00 - 14:30
GitHub
Расписание
ORCID: 0000-0002-5193-9806
ResearcherID: AAC-2738-2019
Версия для печати

 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!
Сервис предназначен только для отправки сообщений об орфографических и пунктуационных ошибках.

Корнилов Матвей Викторович

  • Начал работать в НИУ ВШЭ в 2018 году.
  • Научно-педагогический стаж: 6 лет.

Образование, учёные степени

  • 2016
    Кандидат физико-математических наук
  • 2012

    Специалитет: Московский государственный университет им. М.В. Ломоносова, специальность «Астрономия», квалификация «Астроном»

Достижения и поощрения

Учебные курсы (2023/2024 уч. год)

Учебные курсы (2022/2023 уч. год)

Обработка и анализ данных физического эксперимента (Бакалавриат; где читается: Факультет физики; 2-й курс, 3, 4 модуль)Рус

Учебные курсы (2021/2022 уч. год)

Обработка и анализ данных физического эксперимента (Бакалавриат; где читается: Факультет физики; 2-й курс, 3, 4 модуль)Рус

Учебные курсы (2019/2020 уч. год)

Учебные курсы (2018/2019 уч. год)

Обработка и анализ данных физического эксперимента (Бакалавриат; где читается: Факультет физики; 2-й курс, 1, 2 модуль)Рус

Публикации21

Конференции

2010

SPIE Astronomical Telescopes + Instrumentation 2012: (Амстердам). Доклад: Estimation of vertical profiles of wind from MASS measurements


Информация*

  • Общий стаж: 14 лет
  • Научно-педагогический стаж: 6 лет
  • Преподавательский стаж: 2 года
Данные выводятся в соответствии с требованиями приказа N 831 от 14 августа 2020 г. Федеральной службы по надзору в сфере образования и науки

Расписание занятий на сегодня

Полное расписание

AI Helps Discover New Space Anomalies

The SNAD team, an international network of researchers including Matvey Kornilov, Associate Professor of the HSE University Faculty of Physics, has discovered 11 previously undetected space anomalies, seven of which are supernova candidates. The researchers analysed digital images of the Northern sky taken in 2018 using a k-D tree to detect anomalies through the ‘nearest neighbour’ method. Machine learning algorithms helped automate the search. The paper is published in New Astronomy.

Искусственный интеллект обнаружил новые космические аномалии

Международная команда проекта SNAD, куда входит доцент факультета физики НИУ ВШЭ Матвей Корнилов, обнаружила 11 аномалий, 7 из которых — кандидаты в сверхновые. Исследования проводились на цифровых снимках северного неба за 2018 год, для поиска использовался метод ближайших соседей на основе K-мерных деревьев. Автоматизировать поиск аномалий позволили методы машинного обучения. Исследование опубликовано в журнале New Astronomy.