Аспирантский семинар: прелестный кварк, графические модели, разложение графов, фондовый рынок

Место: Факультет компьютерных наук, Кочновский проезд, д. 3, ауд. 205
Время: 13 октября, 18:10 – 19:30 

Доклады состоятся в рамках научно-исследовательского семинара аспирантской школы по компьютерным наукам.

Первый доклад

Тема:  Применение методов машинного обучения к идентификации частиц в детекторе LHCb в ЦЕРНе
Докладчик:  Никита Казеев, аспирант первого года обучения, научно-учебная лаборатория методов анализа больших данных факультета компьютерных наук

Одним из важнейших вопросов современной физики является поиск источника асимметрии между материей и антиматерией (CP-нарушения). Эксперимент LHCb нацелен, в первую очередь, на поиск таких процессов во взаимодействии частиц, включающих в себя прелестный кварк.

В результате протон-протонного столкновения, осуществляемого коллайдером, рождается множество частиц. Большинство из них не стабильны и, в свою очередь, сами распадаются — этот каскад может происходить в несколько итераций. В результате остаются только наиболее стабильные частицы, которые долетают до детектора и им регистрируются. По этой информации восстанавливается траектория движения, энергия, импульс а также происходит идентификация типа частиц: протон, электрон и т.д. Эта информация используется для восстановления всей цепочки распадов, по которой делаются выводы об истинности тех или иных физических теорий.

Нами были разработаны методы идентификации, использующие state-of-the-art алгоритмы машинного обучения, позволившие значительно улучшить качество идентификации частиц.

В случае обнаружения распадов с хорошей статистической значимостью, измерения с помощью предлагаемого метода позволят выявить ограничения на расширения Стандартной модели, которые в противном случае были бы недоступны.

Подробнее: https://www.hse.ru/news/science/207772428.html

Второй доклад

Тема:  Статистическая неопределённость процедур идентификации графических моделей
Докладчик: Иван Гречихин, аспирант первого года обучения, кафедра прикладной математики и информатики факультета информатики, математики и компьютерных наук (Нижний Новгород)

Графические модели имеют широкое применение во многих областях науки как удобный метод визуального оценивания скрытых зависимостей и связей в сетевых структурах. Однако достоверность полученных сетей зачастую находится под вопросом. В связи с этим при анализе различных процедур идентификации сетей используют подходы математической статистики к анализу неопределённостей в сетевых структурах. В докладе будет представлен обзор литературы о процедурах идентификации, описание некоторых из этих процедур, а также результаты экспериментов по их сравнению. 

Третий доклад

Тема: Методы разложения графов и их приложения
Докладчик: Ирина Уткина, аспирантка первого года обучения, кафедра прикладной математики и информатики факультета информатики, математики и компьютерных наук (Нижний Новгород)

В докладе будет рассмотрено так называемое модульное разложение графов, а также его использование при решении задачи о максимальной клике. Наш подход использует самый быстрый из существующих алгоритмов модульного разложения графа — алгоритм М. Теддера и др. для разложения исходного графа в дерево модульной декомпозиции, а после этого рекурсивно решает задачу на каждой вершине этого дерева. Вершины дерева могут быть трех типов: series, parallel и prime. В вершинах типа prime алгоритм использует алгоритм Остергарда решения задачи о максимальной клике. Будут показаны результаты на графах из набора DIMACS, а также предложены два способа генерации графов с модулями и результаты на них.