ФКН со звёздочкой

Учёные Института искусственного интеллекта и цифровых наук ФКН научили нейросеть с точностью до 95% определять взаимодействия между белками

Почти все процессы в клетке зависят от взаимодействия белков внутри неё. Поэтому для изучения болезней и поиска лечения важно понимать, какие белки могут контактировать друг с другом.

🗂️ Что придумали исследователи?

Система GSMFormer-PPI использует три типа данных о белке, в том числе и о его поверхности, и анализирует связи между ними, в отличие от предыдущих моделей, где данные просто объединялись. Разработка может ускорить поиск молекулярных механизмов болезней, биомаркеров и потенциальных мишеней для лекарств.

«В нашей модели мы попытались учесть информацию о поверхности белков и её физико-химических свойствах вместе с их последовательностью и трёхмерной структурой. Мы не просто объединили эти признаки, а дали алгоритму возможность анализировать связи между ними. Именно это и позволило точнее предсказывать белок-белковые взаимодействия»,

— комментирует Мария Попцова, один из авторов статьи, директор Центра биомедицинских исследований и технологий Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ.

✅ Чтобы проверить, насколько хорошо работает новая модель, исследователи протестировали её на наборе данных PINDER — крупной базе известных белковых взаимодействий. В экспериментах GSMFormer-PPI показала точность 95,7% и превзошла популярные графовые модели.

Работа опубликована в журнале Scientific Reports ✏️

Дайджест мероприятий

Рассказываем о научных семинарах ФКН на эту неделю.

Семинары:
➖➖➖➖
🗂️ Семинар НУЛ АГП "The fourteenth Hilbert problem"
📆 Когда: 29 апреля в 18:00
🐭 Подробнее

🗂️ Научно-учебный семинар НУГ МОвАМ «Экскурс в задачи современного материаловедения»
📆 Когда: 29 апреля в 14:40
🐭 Подробнее

🗂️ Семинар НУЛ ПОИС «Графовые паттерны в несогласованных декларативных моделях процессов»
📆 Когда: 30 апреля в 17:00
🐭 Подробнее

Дайджест мероприятий

Рассказываем о научных семинарах ФКН на эту неделю.

— Семинары —

🗂️ Seminar LAMBDA: Online Neural Networks for Change-Point Detection
📆 Когда: 20 апреля в 14:40
🐭 Подробнее

🗂️ Семинар BayesLab «Calibri — эффективная калибровка Diffusion Transformers для более качественной и быстрой генерации»
📆 Когда: 21 апреля в 18:00
🐭 Подробнее

🗂️ Семинар AIM Lab «Высокочастотная торговля и токсичность потока заявок: эмпирический анализ и подходы к моделированию микроструктуры рынка»
📆 Когда: 23 апреля в 18:00
🐭 Подробнее

— Математический семинар ФКН —

🗂️ «Элементарные теорий классов вероятностных пространств и их сложность»
📆 Когда: 24 апреля в 18:10
🐭 Подробнее

Дайджест мероприятий

Рассказываем о научных семинарах ФКН на эту неделю.

— Семинары —

🗂️ НУГ МОвАМ «Применение диффузионных моделей для поиска атомных структур»
📆 15 апреля в 14:40
🐭Подробнее

🗂️ НУЛ АГП "Local structure theorems for reductive group actions"
📆 15 апреля в 18:00
🐭Подробнее

🗂️ ДПИ «Знакомство с суперкомпьютерным комплексом НИУ ВШЭ»
📆 16 апреля в 18:00
🐭Подробнее

🗂️ HDI Lab & TFAIM Lab "Towards Better Tabular Representations: Generative Modeling and Distribution Shift"
📆 17 апреля в 14:40
🐭 Подробнее

🗂️ «Алгебра. Матрицы. Графы.» от МЛ ТИ «Реализующее число простого сборного графа»
📆 17 апреля в 18:10
🐭 Подробнее

— Коллоквиум —

🗂️ «Существование и построение близких к оптимальным столбцовых и крестовых аппроксимаций матриц»
📆 14 апреля в 18:10
🐭 Подробнее

Коллоквиум 💻💻💻

Приглашаем на коллоквиум факультета компьютерных наук по теме «Существование и построение близких к оптимальным столбцовых и крестовых аппроксимаций матриц».

Доклад будет посвящён теоретическому обоснованию эффективности приближённого поиска: будет показано, что при фиксированных размерах и сингулярных числах матриц большинство из них (в смысле меры randsvd-ансамбля) допускают эффективную аппроксимацию на основе подматриц, выбранных по принципу максимального объёма.

🎙️Спикер: Александр Осинский, ИВМ РАН, Сколтех

📆 14 апреля в 18:10
🗺️ онлайн

Подробнее 🐭

❤️ Работа учёных Вышки отмечена на конференции А*

Статья "Gaussian Approximation and Multiplier Bootstrap for Stochastic Gradient Descent" исследователей из Международной лаборатории стохастических алгоритмов и анализа многомерных данных (HDI Lab) ФКН НИУ ВШЭ принята в программу 29-й ежегодной конференции по искусственному интеллекту и статистике — AISTATS 2026, и выделена в категорию Spotlight.

🗂 Работа посвящена стохастическому градиентному спуску (SGD) — одному из ключевых алгоритмов машинного обучения. Учёные исследовали, как оценивать неопределённость результатов таких алгоритмов и строить доверительные множества без сложных приближений.

Команда предложила новый подход на основе мультипликативного бутстрэпа:
⚪️доказана его корректность без перехода к «бесконечным» выборкам (неасимптотически)
⚪️удалось избежать оценки предельной ковариации в классической схеме Поляка–Рупперта
⚪️получены более быстрые скорости сходимости — вплоть до порядка 1/√n

Интересно, что полученные оценки могут быть точнее, чем классические результаты, основанные на центральной предельной теореме для SGD.

Работа будет представлена на конференции "Artificial Intelligence and Statistics" 2-5 мая в Танжере, Марокко. Статьи, опубликованные в рамках конференции, имеют рейтинг A* ✏️

Дайджест мероприятий

Делимся подборкой научных мероприятий ФКН на эту неделю.

— Семинары —

🗂️ НУЛ Яндекс х Yandex Research Reading Group (Яндекс Ресерч ридинг групп)
📆 7 апреля в 16:30
🐭 Подробнее

🗂️ НУЛ АГП "Error-correcting codes from toric varieties"
📆 8 апреля в 18:00
🐭 Подробнее

🗂️ AIM Lab «Машинное обучение для эффективного выявления рыночных манипуляций на рынке криптовалют»
📆 9 апреля в 18:00
🐭 Подробнее

🗂️ ДПИ «Естественный язык как единое целое: вычислительные аспекты»
📆 9 апреля в 18:00
🐭 Подробнее

🗂️ HDI Lab & TFAIM Lab "Diffusion models are now at the core of many generative systems"
📆 10 апреля в 14:40
🐭 Подробнее

Исследователи Вышки научили нейросеть «слышать» неисправности в электродвигателях

Трёхфазные асинхронные двигатели — основа современной промышленности: они работают на заводах, в системах водоснабжения и на производственных линиях. Даже небольшая неисправность может остановить процессы и привести к серьёзным убыткам.

🗂️Обычно инженеры диагностируют поломки по сигналу электрического тока: анализируют частоты и вручную ищут характерные признаки неисправностей. Такой подход требует высокой квалификации и занимает много времени.

Альтернативный подход — это применение методов машинного обучения, но и у них есть свои недостатки:
⚪️в реальности почти нет данных о поломках
⚪️алгоритмам не хватает примеров для обучения
⚪️сбор таких данных дорогой и рискованный

Исследователи 💻💻💻 ВШЭ предложили метод Signature-Guided Data Augmentation (SGDA), который позволяет «создавать» реалистичные поломки, добавляя в сигнал исправного двигателя специальные частоты, характерные для дефектов.

«Мы обучаем систему на данных нормальной работы двигателя, а затем получаем полноценный инструмент для поиска неисправностей. Такой подход особенно полезен для предприятий, у которых нет архивов аварийных данных и опыта работы с поломками оборудования»,

— пояснила один из авторов работы, стажёр-исследователь НУЛ методов анализа больших данных Института искусственного интеллекта и цифровых наук, аспирант и преподаватель ФКН Сараа Али.

✅ Разработка позволяет с точностью 99% определять неисправность двигателей и с точностью 86% классифицировать типы возникших поломок заранее, что снижает расходы на ремонт, уменьшает простои и делает производство безопаснее. В будущем исследователи планируют протестировать метод на реальных предприятиях.

Результаты исследования опубликованы в журнале Engineering Applications of Artificial Intelligence ✏️

Дайджест мероприятий

Делимся подборкой научных мероприятий ФКН на эту неделю.

— Семинары —

🗂️ MTML Lab «Спектральные оценки и GFlowNet»
📆 12 марта в 14:40
🐭 Подробнее

🗂️ Журнальный клуб МЛ статистической и вычислительной геномики "From North Asia to South America: Tracing the longest human migration through genomic sequencing"
📆 12 марта в 14:40
🐭 Подробнее

🗂️ НУЛ ПОИС «Определение паттернов поведения разработчиков в процессе разработки программного обеспечения»
📆 12 марта в 17:00
🐭 Подробнее

🗂️ ДПИ «Платформа автоматической обработки видеозаписей лекций и семинаров»
📆 12 марта в 18:00
🐭 Подробнее

Двенадцатая школа-конференция «Алгебры Ли, алгебраические группы и теория инвариантов». Итоги и материалы

26–31 января прошла двенадцатая школа-конференция «Алгебры Ли, алгебраические группы и теория инвариантов», организованная научно-учебной лабораторией алгебраических групп преобразований и Математическим институтом им. В. А. Стеклова РАН. Мероприятие собрало более 120 математиков из разных городов России.

Участниками стали представители Института математики им. С. Л. Соболева СО РАН, МГУ имени М. В. Ломоносова, университетов Казани, Самары, Томска, Санкт-Петербурга, и многих других городов. В рамках школы-конференции было прочитано пять лекционных курсов, представлено десять пленарных и 24 секционных доклада. Также прошли две постерные сессии с 34 докладами и круглый стол на тему «Почему мы занимаемся математикой?».

Записи докладов 🐭

Сборник трудов 🐭

Подробности на сайте 🐭

Учёные ВШЭ создали первую полногеномную карту квадруплексов — нестабильных структур ДНК, которые регулируют работу генов

Квадруплексы — это особые нестабильные структуры ДНК, которые образуются в участках с большим количеством гуанина (G). Они недолговечны, быстро возникают и исчезают, выполняя роль «опознавательных знаков» для белков, управляющих активностью генов.

Международная команда исследователей, включая учёных из ВШЭ, впервые составила полногеномную карту всех возможных квадруплексов в ДНК. Для этого они дообучили языковую модель DNABERT на крупнейшей базе экспериментально подтверждённых структур EndoQuad и создали модель GQ-DNABERT.

⤵️ Как работает модель
В отличие от простых алгоритмов, ищущих только определённую последовательность нуклеотидов, GQ-DNABERT анализирует и контекст вокруг участка ДНК, что позволяет точнее предсказать, сможет ли он свернуться в квадруплекс. Модель нашла около 360 тысяч таких структур — значительно больше, чем удавалось обнаружить отдельными экспериментальными методами.

⚪️ Квадруплексы часто образуются парами: один находится в промоторе (запускает считывание гена), другой — в энхансере (ускоряет этот процесс).

⚪️ В нормальных тканях такие пары регулируют тканеспецифичные гены (например, в мозге — гены нейронов, в крови — иммунных клеток).

⚪️ В раковых клетках эти же пары связаны с универсальными программами деления и роста, что помогает опухоли быстро размножаться независимо от исходной ткани.

«В нормальных клетках эти пары поддерживают специализацию ткани, а в раке они включаются в общие программы быстрого деления»,

— пояснила один из авторов работы, директор Центра биомедицинских исследований и технологий ФКН ВШЭ Мария Попцова.

Полученная карта помогает понять, как квадруплексы управляют работой генов в норме и при онкологических заболеваниях. Это открывает путь к разработке новых противоопухолевых препаратов, которые смогут избирательно воздействовать на эти структуры в раковых клетках.

Исследование выполнено при поддержке гранта Центра ИИ ВШЭ и опубликовано в журнале Nucleic Acids Research.

Дайджест мероприятий

Делимся подборкой научных мероприятий ФКН на эту неделю.

— Семинары —

🗂️ «MiAD: диффузия миражей для поиска новых стабильных материалов»
Центра глубинного обучения и байесовских методов
📆 9 декабря в 18:00
🐭 Подробнее

🗂️ "Surfaces without dominant morphism from affine plane"
лаборатории алгебраических групп преобразований
📆 10 декабря в 18:00
🐭 Подробнее

🗂️ «Арифметики Бюхи и конечные автоматы»
международной лаборатории теоретической информатики
📆 11 декабря в 18:10
🐭 Подробнее

— Математический семинар ФКН —

🗂️ «Алгебры Ли полиномиальных векторных полей на аффинных алгебраических многообразиях»
📆 12 декабря в 18:10
🐭 Подробнее

Математический семинар 💻💻💻

Делимся записью математического семинара. Тема: «От многогранника к развёртке и обратно»

🎙️Спикер: Николай Долбилин, Математический институт им. В. А. Стеклова РАН.

🎥 Смотрите на YouTube и VK Видео

Коллоквиум 💻💻💻

Приглашаем на коллоквиум факультета компьютерных наук по теме "A Functional Perspective for Understanding Scaling Laws".

Доклад будет посвящён теоретическому объяснению законов масштабирования больших языковых моделей и представлению новой концепции функциональных законов масштабирования (FSL), которые позволяют предсказывать не только итоговую ошибку, но и всю динамику обучения моделей различных масштабов.

🎙️Спикер: профессор Lei Wu, доцент Школы математических наук и Центра международных исследований в области машинного обучения Пекинского университета.

📆 25 ноября в 14:40
🗺️ Онлайн
🌍 язык: английский

Подробнее 🐭

Коллоквиум 💻💻💻

Приглашаем на коллоквиум факультета компьютерных наук по теме "Experience of AI deployment at Bach Mai Hospital for the diagnosis of lung cancer".

Доклад будет посвящён разработке и внедрению первой во Вьетнаме многомодальной AI-системы для диагностики рака лёгкого. Обсудим, как объединение данных КТ, бронхоскопии и гистопатологии повышает точность выявления поражений, ускоряет рабочий процесс и снижает нагрузку на специалистов.

🎙️Спикер: доктор Long Quoc Tran, директор Центра искусственного интеллекта Вьетнамского национального университета, Ханой.

📆 18 ноября в 19:00
🗺️ Покровский бульвар, 11, R503
🌍 язык: английский

Подробнее 🐭