Научно-учебная лаборатория методов анализа больших данных
Публикаций
837
Цитирований
40 770
Индекс Хирша
96
Необходимо авторизоваться.
Деятельность лаборатории методов анализа больших данных заключается в разработке и применении методов машинного обучения и анализа данных для решения задач фундаментальных наук, таких как физика частиц и астрофизика. Поиск ответов на загадки Вселенной с ведущими учеными из этих областей составляет основное направление развития лаборатории. В частности, мы сотрудничаем с Европейским центром ядерных исследований (CERN), и совместная работа заключается как в исследованиях физики событий Большого адронного коллайдера, так и в решении задач повышения эффективности обработки данных. Кроме того, образовательная деятельность лаборатории включает организацию и проведение академических семинаров и летних/зимних школ по анализу больших данных и обеспечение научного руководства выпускными и диссертационными работами. Лаборатория методов анализа больших данных была основана в 2015 году.
- Новые материалы
- Компьютерный поиск материалов
- Искусственный интеллект
Денис Деркач
Заведующий
Федор Ратников
Ведущий научный сотрудник
Андрей Устюжанин
Ведущий научный сотрудник
Михаил Гущин
Старший научный сотрудник
Александр Мыльцев
Научный сотрудник
Алексей Болдырев
Научный сотрудник
Артем Маевский
Научный сотрудник
Сергей Маевский
Инженер
Екатерина Трофимова
Младший научный сотрудник
Артём Рыжиков
Младший научный сотрудник
Евгений Курбатов
Младший научный сотрудник
Владимир Бочарников
Младший научный сотрудник
Кененбек Арзыматов
Младший научный сотрудник
Максим Карпов
Младший научный сотрудник
Константин Чимпоеш
Стажёр-исследователь
Александр Рогачев
Стажёр-исследователь
Андрей Шевелев
Стажёр-исследователь
Фома Шипилов
Стажёр-исследователь
Леонид Гремячих
Стажёр-исследователь
Абдалазиз Аль-Маини
Стажёр-исследователь
Тигран Рамазян
Стажёр-исследователь
Давид Каграманян
Стажёр-исследователь
Сергей Попов
Стажёр-исследователь
Азиз Темирханов
Стажёр-исследователь
Всего публикаций
832
Всего цитирований
40890
Цитирований на публикацию
49.15
Среднее число публикаций в год
43.79
Годы публикаций
2006-2024 (19 лет)
h-index
96
i10-index
663
m-index
5.05
o-index
310
g-index
163
w-index
24
Описание метрик
h-index
Учёный имеет индекс h, если h из его N статей цитируются как минимум h раз каждая, в то время как оставшиеся (N - h) статей цитируются не более чем h раз каждая.
i10-index
Число статей автора, получивших не менее 10 ссылок каждая.
m-index
m-индекс ученого численно равен отношению его h-индекса к количеству лет, прошедших с момента первой публикации.
o-index
Среднее геометрическое h-индекса и числа цитирований наиболее цитируемой статьи ученого.
g-index
Для данного множества статей, отсортированного в порядке убывания количества цитирований, которые получили эти статьи, g-индекс это наибольшее число, такое что g самых цитируемых статей получили (суммарно) не менее g2 цитирований.
w-index
Если w статей ученого имеют не менее 10w цитирований каждая и другие статьи меньше, чем 10(w+1) цитирований, то w-индекс исследователя равен w.
Топ-100
Области наук
|
50
100
150
200
250
300
350
400
450
500
|
|
|
Nuclear and High Energy Physics
|
Nuclear and High Energy Physics, 494, 59.38%
Nuclear and High Energy Physics
494 публикации, 59.38%
|
|
General Physics and Astronomy
|
General Physics and Astronomy, 197, 23.68%
General Physics and Astronomy
197 публикаций, 23.68%
|
|
Physics and Astronomy (miscellaneous)
|
Physics and Astronomy (miscellaneous), 52, 6.25%
Physics and Astronomy (miscellaneous)
52 публикации, 6.25%
|
|
Engineering (miscellaneous)
|
Engineering (miscellaneous), 52, 6.25%
Engineering (miscellaneous)
52 публикации, 6.25%
|
|
Instrumentation
|
Instrumentation, 19, 2.28%
Instrumentation
19 публикаций, 2.28%
|
|
Mathematical Physics
|
Mathematical Physics, 11, 1.32%
Mathematical Physics
11 публикаций, 1.32%
|
|
Astronomy and Astrophysics
|
Astronomy and Astrophysics, 8, 0.96%
Astronomy and Astrophysics
8 публикаций, 0.96%
|
|
Multidisciplinary
|
Multidisciplinary, 5, 0.6%
Multidisciplinary
5 публикаций, 0.6%
|
|
Computer Science Applications
|
Computer Science Applications, 4, 0.48%
Computer Science Applications
4 публикации, 0.48%
|
|
Atomic and Molecular Physics, and Optics
|
Atomic and Molecular Physics, and Optics, 4, 0.48%
Atomic and Molecular Physics, and Optics
4 публикации, 0.48%
|
|
General Computer Science
|
General Computer Science, 4, 0.48%
General Computer Science
4 публикации, 0.48%
|
|
Space and Planetary Science
|
Space and Planetary Science, 3, 0.36%
Space and Planetary Science
3 публикации, 0.36%
|
|
History
|
History, 3, 0.36%
History
3 публикации, 0.36%
|
|
Education
|
Education, 3, 0.36%
Education
3 публикации, 0.36%
|
|
Computer Science (miscellaneous)
|
Computer Science (miscellaneous), 2, 0.24%
Computer Science (miscellaneous)
2 публикации, 0.24%
|
|
General Engineering
|
General Engineering, 2, 0.24%
General Engineering
2 публикации, 0.24%
|
|
General Environmental Science
|
General Environmental Science, 2, 0.24%
General Environmental Science
2 публикации, 0.24%
|
|
Software
|
Software, 2, 0.24%
Software
2 публикации, 0.24%
|
|
General Earth and Planetary Sciences
|
General Earth and Planetary Sciences, 2, 0.24%
General Earth and Planetary Sciences
2 публикации, 0.24%
|
|
General Chemistry
|
General Chemistry, 1, 0.12%
General Chemistry
1 публикация, 0.12%
|
|
General Biochemistry, Genetics and Molecular Biology
|
General Biochemistry, Genetics and Molecular Biology, 1, 0.12%
General Biochemistry, Genetics and Molecular Biology
1 публикация, 0.12%
|
|
General Materials Science
|
General Materials Science, 1, 0.12%
General Materials Science
1 публикация, 0.12%
|
|
Electrical and Electronic Engineering
|
Electrical and Electronic Engineering, 1, 0.12%
Electrical and Electronic Engineering
1 публикация, 0.12%
|
|
General Agricultural and Biological Sciences
|
General Agricultural and Biological Sciences, 1, 0.12%
General Agricultural and Biological Sciences
1 публикация, 0.12%
|
|
Theoretical Computer Science
|
Theoretical Computer Science, 1, 0.12%
Theoretical Computer Science
1 публикация, 0.12%
|
|
Modeling and Simulation
|
Modeling and Simulation, 1, 0.12%
Modeling and Simulation
1 публикация, 0.12%
|
|
50
100
150
200
250
300
350
400
450
500
|
Журналы
Цитирующие журналы
Цитируемые журналы
Издатели
|
50
100
150
200
250
300
350
400
|
|
|
American Physical Society (APS)
397 публикаций, 47.72%
|
|
|
Springer Nature
289 публикаций, 34.74%
|
|
|
Elsevier
98 публикаций, 11.78%
|
|
|
IOP Publishing
37 публикаций, 4.45%
|
|
|
World Scientific
2 публикации, 0.24%
|
|
|
EDP Sciences
2 публикации, 0.24%
|
|
|
Pleiades Publishing
2 публикации, 0.24%
|
|
|
PeerJ
2 публикации, 0.24%
|
|
|
Science in China Press
2 публикации, 0.24%
|
|
|
Institute of Electrical and Electronics Engineers (IEEE)
1 публикация, 0.12%
|
|
|
50
100
150
200
250
300
350
400
|
Организации из публикаций
Страны из публикаций
Цитирующие организации
|
500
1000
1500
2000
2500
3000
|
|
|
Организация не определена
|
Организация не определена, 2889, 7.07%
Организация не определена
2889 цитирований, 7.07%
|
|
Национальный институт ядерной физики
1608 цитирований, 3.93%
|
|
|
Европейская организация по ядерным исследованиям
1392 цитирования, 3.4%
|
|
|
Национальный институт ядерной физики и физики элементарных частиц
964 цитирования, 2.36%
|
|
|
Университет Париж-Сакле
933 цитирования, 2.28%
|
|
|
Университет Китайской академии наук
839 цитирований, 2.05%
|
|
|
Центрально-Китайский педагогический университет
746 цитирований, 1.82%
|
|
|
Институт физики высоких энергий Китайской академии наук
744 цитирования, 1.82%
|
|
|
Институт ядерной физики Польской академии наук
741 цитирование, 1.81%
|
|
|
Национальная лаборатория Фраскати
739 цитирований, 1.81%
|
|
|
Национальный институт субатомной физики
735 цитирований, 1.8%
|
|
|
Университет Валенсии
735 цитирований, 1.8%
|
|
|
Национальный центр ядерных исследований
732 цитирования, 1.79%
|
|
|
Гейдельбергский университет имени Рупрехта и Карла
718 цитирований, 1.76%
|
|
|
Пекинский университет
717 цитирований, 1.75%
|
|
|
Институт корпускулярной физики
697 цитирований, 1.7%
|
|
|
Римский Университет Ла Сапиенца
671 цитирование, 1.64%
|
|
|
Ливерпульский университет
658 цитирований, 1.61%
|
|
|
Университет Цинхуа
656 цитирований, 1.6%
|
|
|
Национальный институт физики и ядерной инженерии имени Хории Хулубея
646 цитирований, 1.58%
|
|
|
Цюрихский университет
644 цитирования, 1.57%
|
|
|
Университет Клермон-Овернь
642 цитирования, 1.57%
|
|
|
Бирмингемский университет
638 цитирований, 1.56%
|
|
|
Рейнский Боннский университет Фридриха Вильгельма
632 цитирования, 1.55%
|
|
|
Оксфордский университет
615 цитирований, 1.5%
|
|
|
Манчестерский университет
610 цитирований, 1.49%
|
|
|
AGH Научно-технический университет
599 цитирований, 1.46%
|
|
|
Массачусетский технологический институт
595 цитирований, 1.46%
|
|
|
Ланьчжоуский университет
582 цитирования, 1.42%
|
|
|
Институт ядерной физики им. Г.И. Будкера СО РАН
538 цитирований, 1.32%
|
|
|
Бристольский университет
537 цитирований, 1.31%
|
|
|
Технический университет Дортмунда
525 цитирований, 1.28%
|
|
|
Кембриджский университет
522 цитирования, 1.28%
|
|
|
Институт теоретической и экспериментальной физики имени А. И. Алиханова
521 цитирование, 1.27%
|
|
|
Университет Глазго
520 цитирований, 1.27%
|
|
|
Университет Сантьяго-де-Компостела
517 цитирований, 1.26%
|
|
|
Имперский колледж Лондона
515 цитирований, 1.26%
|
|
|
Университет Сорбонна
511 цитирований, 1.25%
|
|
|
Объединённый институт ядерных исследований
508 цитирований, 1.24%
|
|
|
Университет Савойя-Монблан
504 цитирования, 1.23%
|
|
|
Эдинбургский университет
502 цитирования, 1.23%
|
|
|
Московский государственный университет имени М.В. Ломоносова
501 цитирование, 1.23%
|
|
|
Болонский университет
501 цитирование, 1.23%
|
|
|
Уорикский университет
500 цитирований, 1.22%
|
|
|
Миланский университет Бикокка
488 цитирований, 1.19%
|
|
|
Мэрилендский университет, Колледж-Парк
486 цитирований, 1.19%
|
|
|
Римский университет Тор Вергата
479 цитирований, 1.17%
|
|
|
Лаборатория Резерфорда — Эплтона
476 цитирований, 1.16%
|
|
|
Петербургский институт ядерной физики имени Б. П. Константинова
474 цитирования, 1.16%
|
|
|
Институт физики высоких энергий имени А. А. Логунова
473 цитирования, 1.16%
|
|
|
Падуанский университет
473 цитирования, 1.16%
|
|
|
Университет Генуи
466 цитирований, 1.14%
|
|
|
Университет Экс-Марсель
460 цитирований, 1.12%
|
|
|
Университет Цинциннати
460 цитирований, 1.12%
|
|
|
Федеральный университет Рио-де-Жанейро
457 цитирований, 1.12%
|
|
|
Университетский колледж Дублина
457 цитирований, 1.12%
|
|
|
Пизанский университет
453 цитирования, 1.11%
|
|
|
Барселонский университет
453 цитирования, 1.11%
|
|
|
Гронингенский университет
451 цитирование, 1.1%
|
|
|
Университет имени Альдо Моро в Бари
448 цитирований, 1.1%
|
|
|
Национальный исследовательский центр "Курчатовский институт"
441 цитирование, 1.08%
|
|
|
Институт ядерной физики Общества Макса Планка
437 цитирований, 1.07%
|
|
|
Федеральная политехническая школа Лозанны
428 цитирований, 1.05%
|
|
|
Университет штата Огайо
428 цитирований, 1.05%
|
|
|
Национальная лаборатория имени Лоуренса в Беркли
424 цитирования, 1.04%
|
|
|
Институт ядерных исследований РАН
418 цитирований, 1.02%
|
|
|
Университет Феррары
417 цитирований, 1.02%
|
|
|
Сиракузский университет
414 цитирований, 1.01%
|
|
|
Рейнско-Вестфальский технический университет Ахена
406 цитирований, 0.99%
|
|
|
Южно-Китайский педагогический университет
403 цитирования, 0.99%
|
|
|
Высшая Нормальная Школа Пизы
401 цитирование, 0.98%
|
|
|
Амстердамский свободный университет
401 цитирование, 0.98%
|
|
|
Университет Париж-Сите
397 цитирований, 0.97%
|
|
|
Институт современной физики Китайской академии наук
397 цитирований, 0.97%
|
|
|
Университет науки и технологий Китая
386 цитирований, 0.94%
|
|
|
Уппсальский университет
382 цитирования, 0.93%
|
|
|
Папский католический университет Рио-де-Жанейро
381 цитирование, 0.93%
|
|
|
Университет Базиликаты
372 цитирования, 0.91%
|
|
|
Уханьский университет
370 цитирований, 0.9%
|
|
|
Университет Сан-Паулу
370 цитирований, 0.9%
|
|
|
Майнцский университет имени Иоганна Гутенберга
369 цитирований, 0.9%
|
|
|
Новосибирский Государственный Университет
368 цитирований, 0.9%
|
|
|
Университет Рамона Луллия
365 цитирований, 0.89%
|
|
|
Миланский университет
363 цитирования, 0.89%
|
|
|
Национальный университет Колумбии
356 цитирований, 0.87%
|
|
|
Физический институт им. П.Н. Лебедева РАН
353 цитирования, 0.86%
|
|
|
Университет Кальяри
350 цитирований, 0.86%
|
|
|
Хунаньский университет
344 цитирования, 0.84%
|
|
|
Токийский университет
341 цитирование, 0.83%
|
|
|
Бэйханский университет
340 цитирований, 0.83%
|
|
|
Мичиганский университет
337 цитирований, 0.82%
|
|
|
Нанкинский педагогический университет
326 цитирований, 0.8%
|
|
|
Лос-Аламосская национальная лаборатория
323 цитирования, 0.79%
|
|
|
Немецкий Электронный Синхротрон
323 цитирования, 0.79%
|
|
|
Мюнхенский технический университет
320 цитирований, 0.78%
|
|
Центр исследований и перспективных исследований Национального политехнического института
312 цитирований, 0.76%
|
|
|
Университет Гренобль-Альпы
309 цитирований, 0.76%
|
|
|
Институт физики Хельсинки
307 цитирований, 0.75%
|
|
|
Афинский национальный университет имени Каподистрии
306 цитирований, 0.75%
|
|
|
Университет Мюнстера
302 цитирования, 0.74%
|
|
|
500
1000
1500
2000
2500
3000
|
|
Цитирующие страны
- Мы не учитываем публикации, у которых нет DOI.
- Статистика пересчитывается раз в сутки.
Направления исследований
Естественный язык для машинного обучения
+
Рутинные задачи проектирования пайплайнов анализа данных с использованием различных моделей машинного обучения обычно включают построение комбинации повторяющихся общих шаблонов. Тем не менее, построение таких пайплайнов крайне важно для специалистов в разных предметных областях, не связанных напрямую с анализом данных. Таким образом, среди неспециалистов в области анализа данных, например, среди биологов, химиков, физиков или гуманитариев, существует большой спрос на передовые разработки ML пайплайнов. Этот проект направлен на разработку вспомогательного бота/вспомогательного агента, способного формировать пайплайны задач, связанных с ML, из описания задачи на естественном языке. Такой вспомогательный бот должен в значительной степени полагаться на методы обработки естественного языка и синтеза языка программирования.
Интерпретируемые модели машинного обучения и поиск законов природы
+
Есть много проблем в физике, биологии и других естественных науках, в которых символическая регрессия может дать ценную информацию и открыть новые законы природы. Широко распространенная глубокая нейронная сеть не предлагает интерпретируемых решений. Между тем символические выражения указывают на четкую связь между наблюдениями и целевой переменной. Однако на данный момент нет доминирующего решения для задачи символической регрессии, и мы стремимся сократить этот разрыв с помощью нашего проекта. Наша лаборатория начала исследования в этом направлении, и наш подход к поиску представления символического закона подразумевает использование генеративных моделей наряду с методами оптимизации с ограничениями. Его можно применять к уравнениям в замкнутой форме или к системе дифференцируемых уравнений. Задача исследования состоит в том, чтобы улучшить модель за счет использования методов активного/нулевого обучения.
Платформы для оценки моделей ML
+
Перенос прогнозных моделей глубокого обучения из исследовательской среды в среду промышленного использования сопряжен со значительными затратами, связанными с разносторонней проверкой таких моделей: работа под нагрузкой, работа в условиях ограничений оперативной памяти, потоковый доступ к данным. Этот проект направлен на реализацию алгоритмов непрерывного мониторинга различных моделей глубокого обучения в промышленной среде и ранней диагностики необходимости предварительного обучения этих моделей на минимально необходимом наборе данных. Цель состоит в том, чтобы внедрить эту платформу в эксперимент CERN LHCb.
Высокоточный цифровой двойник систем хранения данных (СХД)
+
Высокоточное моделирование установок и систем сегодня является одним из основных направлений индустриального анализа данных. Модели систем, их цифровые двойники, используются для предсказания их поведения при различных условиях. Мы разработали цифровой двойник системы хранения данных (СХД) с использованием генеративных моделей машинного обучения. Система состоит их нескольких типов компонент: HDD и SSD диски, пулы дисков с разными RAID массивами, кэш и контроллеры хранения. Каждый компонент СХД представляется вероятностной моделью, которая описывает распределение вероятности значений параметров производительности компонентов в зависимости от их конфигурации и параметров внешней нагрузки данных. Использование машинного обучения позволяет получить высокоточный цифровой двойник конкретной системы, потратив меньше времени и ресурсов, чем прочие аналоги. Он позволяет быстро предсказывать производительность системы и ее компонентов при разных конфигурациях и внешних нагрузках данных, что существенно ускоряет разработку новых СХД. Также, сравнение прогнозов двойника с показателями реальной СХД позволяет диагностировать сбои и аномалии в работе системы, повышая ее надежность.
Обнаружение временных изменений для систем предсказательной аналитики
+
Обнаружение изменений в поведении сложных систем является одной из важных индустриальных задач в обработке сигналов, статистике и машинном обучении. Решения этой задачи нашли применения во многих приложениях: контроль качества производственных процессов, мониторинг состояния инженерных конструкций, обнаружение сбоев и поломок оборудования по показаниям сенсоров, мониторинг распределенных компьютерных систем и обнаружение нарушения безопасности, сегментация видеопотока, распознавание звуковых эффектов, контроль химических процессов, мониторинг сейсмологических данных, анализ финансовых и экономических данных и многие другие. Мы разработали ряд новых методов обнаружения смены режимов работы сложных систем с использованием моделей классификации и регрессии, генеративно-состязательных сетей и нормализационных потоков, а также нейронных стохастических дифференциальных уравнений. Были продемонстрированы теоретические и практические преимущества по сравнению с другими аналогами. Мы успешно применили новые методы для обнаружения сбоев систем хранения данных, анализа активности человека, а также сегментации видео и текстов.
Уточнение прогноза погоды
+
Прогнозирование и проверка состояния погоды - это задача экстраполяции ряда показателей. Современные модели исследования и прогнозирования погоды хорошо работают на хорошо известных условиях и коротких временных интервалах. С другой стороны, известно, что методы ИИ, доступные данные и симуляторы погоды не идеально согласуются друг с другом. Таким образом, данный проект направлен на разработку и обучение новых алгоритмов для настройки параметров симулятора и более эффективного получения достоверных прогнозов. Эта синергия, в свою очередь, позволит повысить точность прогнозов нормальных и аномальных погодных условий на более длительный срок.
Исследование двумерных материалов: предсказание свойств и генерация по заданным параметрам
+
Разработка новых материалов, обладающих свойствами накопителей электрической энергии, является важнейшей задачей современной энергетической отрасли. Для производства таких материалов могут быть использованы двумерные кристаллы, построенные на принципах графеновых решеток. Поиск конфигураций кристаллических решеток затруднен множеством возможных вариантов и длительностью цикла испытаний для одной конфигурации. Требуется много ресурсоемких тестов in silico и in vitro. Эти алгоритмы направлены на реализацию возможности предсказания энергетических свойств кристаллов заданной конфигурации и решение задачи вывода - определения оптимальной конфигурации кристалла по заданной энергетической характеристике. Объединение таких алгоритмов позволит значительно сократить время поиска и синтеза практически полезных энергоносителей.
Публикации и патенты
Найдено
Ничего не найдено, попробуйте изменить настройки фильтра.
Партнёры
Адрес лаборатории
Москва, Покровский бульвар, 11 комн. S-924
Необходимо авторизоваться.