Ученые ускорили разработку ИИ для работы с ускорителями частиц

Исследователи из Центра ИИ НИУ ВШЭ разработали способ создавать стабильные модели искусственного интеллекта (ИИ), которые работают надежно и предсказуемо, и при этом обучение моделей стало в восемь раз быстрее. Исследование было опубликовано в научном журнале EEE Xplore.

Современный искусственный интеллект учится на больших данных, но не все модели ведут себя одинаково стабильно. Одни дают точные прогнозы каждый раз, другие «плывут» — результат зависит от случайного распределения данных или начальных настроек. Чтобы решать важные задачи, например, определять энергию и направление частиц в ускорителях, ученым нужны надежные модели, которые дают предсказуемый результат при любых условиях.

Российские исследователи предложили метод, который позволяет тренировать множество моделей и автоматически отбирать среди них самые надежные. Каждая модель несколько раз обучается на слегка измененных данных и с разными начальными параметрами, после чего система оценивает, насколько стабильны полученные результаты. Такой подход сокращает количество необходимых попыток в восемь раз по сравнению с обычным полным перебором моделей.

Метод был разработан группой ученых под руководством ведущего научного сотрудника Института ИИ и цифровых наук НИУ ВШЭ (Москва) Федора Ратникова для ускорения создания нейросетей и классических систем машинного обучения, работающих с данными из коллайдеров. Сейчас подобные алгоритмы активно применяются, в том числе на Большом адронном коллайдере, где они помогают быстрее обрабатывать первичные данные экспериментов. Проверка работы алгоритма на наборе данных с датчиков ускорителя показала, что оптимальную модель ИИ можно подобрать за 41,5 тыс. попыток, что в восемь раз меньше, чем при полном переборе.

Новый подход также делает обучение моделей более предсказуемым. Исследователи обнаружили, что модели с дополнительными «подсказками» о данных учатся быстрее, требуют меньших обучающих выборок и дают более стабильные результаты. Это особенно важно для задач, где нужно получать одинаково точные результаты при повторном обучении и при работе с разными партиями данных. В перспективе метод ускорит разработку нейросетей для решения задач в физике частиц и других областях науки, где стабильность и надежность ИИ критически важны.

Глава госкорпорации «Росатом» Алексей Лихачев на первом Международном симпозиуме по ИИ и атомной энергетике в штаб-квартире Международного агентства по атомной энергии (МАГАТЭ) 3 декабря сообщил, что использование технологий искусственного интеллекта (ИИ) внесет дополнительно более €110 млрд в экономику РФ к 2030 году. По словам Лихачева, сейчас в РФ создается полный технологический цикл, который включает в себя производство энергии и вычислительной инфраструктуры. Наряду с этим отмечается создание алгоритмов и получения результатов.

• Физика

Поделиться