Будут обсуждаться методы машинного обучения, используемые для анализа данных таких астрофизических экспериментов как Baikal-GVD и Telescope Array. Особое внимание будет уделено вопросам выбора формата представления данных, определения оптимальной архитектуры используемых нейронных сетей, а также критериев применимости подобных методов для анализа экспериментальных данных.

В работе  представлены результаты использования нейронных сетей для  реконструкции направления прилета частиц в эксперименте Baikal-GVD. Рассмотрены различные типы  архитектур и сравнение их качества по медианному угловому разрешению.

Для функционирующего в НИИ механики ННГУ программного комплекса «Динамика-2», авторами разработан постпроцессинговый модуль, позволяющий строить сетку конечных элементов на основе входных данных, характеризующих геометрию расчетной области задачи и определенные в результате численного моделирования поля напряжений, деформаций и скоростей.

Существующие подходы для оценки климатических рисков основаны на макроэкономической перспективе, и не могут быть отнесены к конкретным корпорациям, которые подвержены узкому набору физических рисков. В данной работе представлена общая архитектура программного решения  оценки воздействия экологических рисков на кредитное качество компаний. Наш подход уникален, поскольку предполагает расчет рисков на уровне отдельных компаний и их дальнейшее агрегирование на отраслевом уровне. 

Для эффективной обработки конечных автоматов был разработан алгоритм, преобразующий исходный конечный автомат с состояниями в эквивалентный без состояний. В работе приводится формальное описание алгоритма. Конкретная реализация алгоритма представлена в рамках пакета для работы с конечными автоматами на языке Julia.

Рассматривается нейросетевой подход к решению двух задач обработки данных эксперимента BaikalGVD: выделение нейтринных событий на фоне ШАЛ и реконструкции логарифма энергии мюона с оценкой погрешности. В первой задаче достигается желаемый уровень подавления ШАЛ-ов в $${10}^{6}$$ раз с сохранением 53% нейтринных событий. Во второй — восстановление энергии в диапазоне от 100 ГэВ до 1 ПэВ производится с фактором ошибки 4. Разработка производилась с помощью Монте-Карло генерации событий.

Программная инфраструктура эксперимента BM@N содержит набор различных информационных систем, необходимых для работы с экспериментальными или моделируемыми данными на всех этапах обработки. В связи с этим достаточно важным является своевременное обнаружение возможных сбоев в работе систем из-за проблем программного или аппаратного обеспечения. Разработанный сервис мониторинга используется для проверки доступности и состояния работоспособности информационных систем.

Визуализация событий является важной задачей при проведении современных ускорительных экспериментов. Разработанная система обеспечивает поиск заданного события в распределённой файловой системе эксперимента, а также позволяет гибкую настройку сцены отображаемого события. В работе рассмотрен текущий статус разработки сервиса и запланированные на ближайшее будущее изменения, например, интеграция с системой метаданных.

В данной работе представлен анализ кривых блеска и лучевых скоростей симбиотической двойной системы T Северной Короны с целью определения параметров звездных компонентов — красного гиганта и белого карлика.  На основе наблюдений в инфракрасных каналах J и K, проведенных в Крымской обсерватории ГАИШ МГУ, с помощью байесовского подхода и вероятностного программирования оценивается соотношение масс компонентов и наклонение орбиты. 

Объем радиоинтерферометрических данных позволяет использовать методы машинного обучения для классификации объектов по их визуальным особенностям. В данной работе представлены обработка и анализ базы данных Астрогео, а также предложены алгоритмы машинного обучения для классификации изображений активных ядер галактик. Обученный морфологический классификатор в дальнейшем будет использоваться для выявления необычных объектов и формирования выборок объектов со схожими морфологическими свойствами.

Разработка модели Фермиевского распада на языке программирования C++, без сторонних зависимостей для максимизации производительности и удобства использования.

В работе предлагается комбинированный метод, включающий видеосъемку процесса массопереноса и последующую обработку видеоряда с использованием нейросетевого алгоритма. Полученные данные используются в аналитической физико-математической модели растворения кислорода. Алгоритмы компьютерного зрения позволяют сегментировать отдельные пузыри, оценивать их характерные размеры и скорости в потоке жидкости, что имеет значение при расчете удельной площади контакта фаз и скорости растворения кислорода.

В работе описан способ автоматизации решения геометрических задач с помощью комплексных чисел (соответствующий функционал компьютерной программы был реализован). В работе также приведён пример основной части программы, которая соответствует доказательству теоремы Брианшона.

СамГМУ разрабатывает новые программы и внедряет инновационные методики в лечебный процесс. Одним из направлений является внедрение в практическое здравоохранение технологий телемедицины. В статье особое внимание уделено оценке приверженности лечению и оценке качества жизни при работе с пациентом на амбулаторном и дистанционном приеме. По результатам оценки изучаемых шкал врач сможет создавать и обрабатывать базы данных для определения прогноза прогрессирования заболеваний и стратификации рисков.

В статье описана разработка открытого пакета для Python ShuemacherOCR, предназначеного для масштабного анализа русской естественно-научной методической литературы. В состав пакета входят модули как для обработки отдельных изображений, так и документов, позволяющие, извлекать данные в структурированном виде. Для решения задачи пакет использует нейросетевые алгоритмы. Ключевой особенностью пакета  является возможность выделять в тексте на русском языке строчные математические формулы.