ИСТИНА

Развитие высокопроизводительных вычислительных систем, в том числе использующих специализированные графические процессоры, позволило достичь выдающихся результатов в области машинного обучения и их применения в различных областях науки и экономики. Эти методы стали активно использоваться в научных исследованиях, в том числе в астрофизике частиц для обработки и анализа экспериментальных данных. Данная тема научных исследований направлена на исследование различных методов искусственного интеллекта и, в первую очередь, методов, основанных не искусственных нейронных сетях, в целях достижения наиболее эффективных способов обработки, анализа и моделирования больших данных, поступающих с физических экспериментальных установок класса мегасайнс. Основной упор будет сделан на разработке алгоритмов на основе сверточных нейронных сетях и их обобщениях.

The development of high-performance computing systems, including those using specialized graphics processors, has made it possible to achieve outstanding results in the field of machine learning and their application in various fields of science and economics. These methods began to be actively used in scientific research, including in particle astrophysics for processing and analyzing experimental data. This research topic is aimed at studying various methods of artificial intelligence and, first of all, methods based on artificial neural networks, in order to achieve the most effective methods for processing, analyzing and modeling big data coming from physical experimental installations of the mega-science class. The main focus will be on the development of algorithms based on convolutional neural networks and their generalizations.

В ходе решения поставленных, будут получены следующие результаты: - метод определения направления широкого атмосферного ливня от космических частиц высоких энергий и его программная реализация; - метод и алгоритм по идентификации типа частиц в данных с черенковского телескопа эксперимента TAIGA на основе сверточных нейронных сетей; - алгоритм упрощения сверток гамма-матриц для теоретических вычислений в физике частиц; - устойчивая работа вычислительного грид-кластера и хранилища данных для эксперимента TAIGA.

Астрофизика космических лучей и физика высоких энергий - одно из быстро развивающихся областей современной физики. Важную роль играют методы искусственного интеллекта, в частности,основанные на искусственных нейронных сетях. Эти методы стали инструментом эффективных научных исследований во многих областях науки. В рамках темы исполнителями получен ряд новых результатов в области интеллектуальных методов обработки и анализа данных. Ими был разработан и исследован подход по классификации типа частиц на базе сверточных нейронных сетей, проведен цикл исследований по моделированию событий, регистрируемых черенковскими телескопами, которые могут быть использованы в качестве замуны традиционных генератор событий на основе метода Монте-Карло. Проводимые исследования проводятся на мировом уровне, а их результаты внедряются для анализа данных эксперимента TAIGA. Исполнители темы проводят исследования в составе международных коллабораций в зарубежных научных центрах: CMS (ЦЕРН, Швейцария), KIT (Карлструэ, Германия) и др.; ежегодно публикуют порядка 2-х десятков научных работ и более 10 докладов на ведущих междунар. и российских конференциях; принимают участие в разработке программ CompHEP и CalcHEP для автоматизир. расчёта процессов в физике высоких энергий и астрофизике, которые получили мировую известность и широко востребованы.

В ходе решения поставленных, были получены следующие результаты: - разработан метод определения направления широкого атмосферного ливня от космических частиц высоких энергий и выполнена его программная реализация; - разработан алгоритм идентификации типа частиц по данным черенковского телескопа эксперимента TAIGA на основе сверточных нейронных сетей; - обеспечена устойчивая работа вычислительного грид-кластера и хранилища данных для эксперимента TAIGA. Результаты исследований были представлены на ведущих международных и всероссийских конференциях, а также опубликованы в изданиях, индексируемых системами Web of Science и Scopus.