Нейросети повышенной точности для обнаружения объектов, новая теория машинного обучения и методы расчета фильтрационных течений — таковы основные достижения отечественной информатики в 2021 году. Об этом  рассказал президент РАН Александр Сергеев, выступая на Общем собрании членов РАН с докладом о главных успехах российской науки.

Институт прикладной математики им. М.В. Келдыша РАН разработал на основе ИИ-технологий ферму данных, при помощи которой была составлена математическая модель распространения эпидемии COVID-19 в России.

Институт проектирования в микроэлектронике РАН смог добиться от нейросетей, распознающих разнообразные объекты, повышенной точности. Созданный метод распознавания получил имя Weighted Boxes Fusion или «Метод Взвешенных Окон».

Как работает символьная регрессия

ФИЦ «Информатика и управление» РАН вывел теорию автоматизированного машинного обучения мозга робота. Созданный учеными метод основан на символьной регрессии, нелинейных функциях, которые позволяют машине решать более сложные задачи.

ФНЦ Научно-исследовательский институт системных исследований РАН доказал возможность решения задач химической кинетики с помощью нейросетей. Это позволит значительно повысить скорость обработки задач в этой области.

Фильтрационные течения

Институт вычислительной математики им. Г.И. Марчука РАН придумал, как при помощи суперкомпьютеров рассчитывать фильтрационные течения. На основе высокоэффективного метода можно моделировать с точностью самые разные трещиноватые среды и их деформации.

«Наши отделения подбирают лучшие исследования и работы, их очень много. В устный доклад не удается уместить все. Однако в отчет, который получит руководство страны, войдут все результаты, даже не представленные здесь сегодня», — уточнил президент РАН.