Как работа с данными позволяет делать глубокие открытия

Популярная механикаНаука

Зачем физикам идти в большие данные

На Большом адронном коллайдере совершено много открытий (кроме знаменитой «частицы Бога» – бозона Хиггса). Одним из них стала регистрация неизвестных элементарных частиц – тетракварков. Это удалось благодаря новым методам работы с данными. Андрей Устюжанин, учёный Яндекса, кандидат физико-математических наук, заведующий научно-учебной лабораторией методов анализа больших данных факультета компьютерных наук Высшей школы экономики рассказывает, как работа с данными позволяет делать такие глубокие открытия, и почему ученым пора становиться дата-сайентистами.

Как машинное обучение связано с Большим адронным коллайдером и почему наука и ИТ должны работать сообща

Наука и техника — тесно связанные друг с другом элементы человеческой культуры. Развитие научной мысли, вроде открытия закона Ома и теории относительности, ведёт к техническому прогрессу, а появление новых технологий, в свою очередь, меняет подход к фундаментальной науке.

5406d230cb86e48ba0c30187914da137.jpg
Андрей Устюжанин, учёный Яндекса, кандидат физико-математических наук, заведующий научно-учебной лабораторией методов анализа больших данных факультета компьютерных наук Высшей школы экономики

В истории долго преобладала эмпирическая наука: истина объяснялась через факты и софистические принципы. С Ньютона и Кеплера началась эра теоретической науки, отталкивающейся от законов и доказательств: появлялись новые способы записи и математической проверки закономерностей. Такой подход преобладал вплоть до середины XX века, когда появление компьютеров позволило моделировать законы с гораздо большей точностью и с помощью компьютерной симуляции рассчитывать более сложные системы: биологические, экономические, физические. Но на получение результата уходило много времени и ресурсов.

Развитие вычислительных ресурсов и машинное обучение (ML) существенно продвинули использование компьютерной симуляции в науке. Сейчас мы можем построить нейросеть, которая выучит соответствие входных и выходных параметров и проведёт расчёты с гораздо большей скоростью. Это новая степень свободы для исследователей и совершенно новый подход к науке — data-driven science: взгляд на любое явление через призму данных.

Мы начинаем видеть не процессы или изменения характеристик во времени, а зависимости и параметры, которые мы можем с определенной точностью записать при помощи алгоритмов. Мы даём нейросети возможность наблюдать за физическим объектом, и она предсказывает его поведение и находит описывающие его законы. Это позволяет науке задавать более сложные вопросы. Например, раньше мы могли рассчитать с помощью симуляций, какими свойствами обладает материал с той или иной структурой. Теперь мы можем достаточно точно предсказать, какая структура должна быть у материала с нужными нам параметрами. Решая подобные «обратные» задачи, мы можем найти вещества с принципиально новыми свойствами, которые нельзя получить никакими другими методами ни из полимеров, ни химическими реакциями, например сверхрешетки трехслойного графена, которые обладают высокотемпературной сверхпроводимостью.

Машинное обучение и физика высоких энергий

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Рекомендуемые статьи

Ложимся на крыло? Ложимся на крыло?

Парусные суперъяхты могли бы легко решить проблему декарбонизации

Y Magazine
Одиночество, неуверенность, бессилие: к чему и зачем нам снятся бывшие Одиночество, неуверенность, бессилие: к чему и зачем нам снятся бывшие

Самые будоражащие сны - про бывших партнеров

Cosmopolitan
Божьи мельницы: как было открыто вращение самых больших структур во Вселенной Божьи мельницы: как было открыто вращение самых больших структур во Вселенной

Самые большие в космосе структуры вращаются вокруг своей оси

Forbes
Полуголая красотка с роскошной грудью: лучшие пляжные образы Ани Лорак Полуголая красотка с роскошной грудью: лучшие пляжные образы Ани Лорак

Певица Ани Лорак обладает потрясающей фигурой на зависть многим

Cosmopolitan
«Революция — это самый обычный день». Отрывок из книги о военном фотокорреспонденте Герде Таро «Революция — это самый обычный день». Отрывок из книги о военном фотокорреспонденте Герде Таро

Отрывок из книги Хелены Янечек «Герда Таро: двойная экспозиция»

СНОБ
Маршрутка для олимпийского мишки. Как выглядел главный автомобиль Олимпиады-80 Маршрутка для олимпийского мишки. Как выглядел главный автомобиль Олимпиады-80

Олимпийский РАФ: с холодильником и кондиционером, но фанерным полом

Maxim
Почему не получается похудеть: 3 неочевидные причины, о которых ты не думаешь Почему не получается похудеть: 3 неочевидные причины, о которых ты не думаешь

Лишний вес не такой уж ненужный, как может казаться

Cosmopolitan
10 способов комфортно переносить жару 10 способов комфортно переносить жару

Десять научно-подтвержденных способов избежать перегрева

РБК
«Режиссеры смеялись, а я плакала»: звезду сериала «Фитнес» травили из-за ее веса «Режиссеры смеялись, а я плакала»: звезду сериала «Фитнес» травили из-за ее веса

Лёля Баранова призналась, что испытывала трудности с работой из-за фигуры

Cosmopolitan
Как прокачать мозг: 20 простых способов стать умнее Как прокачать мозг: 20 простых способов стать умнее

Несколько реальных способов прокачать свои способности

Вокруг света
На высокой ноте: 8 занимательных фактов о комарах На высокой ноте: 8 занимательных фактов о комарах

Раздражающие нас комары на самом деле пережили динозавров

Вокруг света
Подтяжка лица нитями: что нужно знать, перед тем как решиться Подтяжка лица нитями: что нужно знать, перед тем как решиться

Что предпочесть, если вы не готовы смириться с возрастными признаками

Cosmopolitan
А ты точно продюсер? Собираем домашнюю студию звукозаписи А ты точно продюсер? Собираем домашнюю студию звукозаписи

Домашняя студия: как выбрать микрофоны, звуковые карты и все-все-все

Playboy
Найдено самое слабое магнитное поле в рентгеновских пульсарах Найдено самое слабое магнитное поле в рентгеновских пульсарах

Удалось обнаружить аккрецирующий рентгеновский пульсар со слабым магнитным полем

Популярная механика
Хранитель Волочка Хранитель Волочка

Как усадьба Рябушинских в Вышнем Волочке превратилась в культурный центр

Seasons of life
Как создать единорога: возможности генной инженерии Как создать единорога: возможности генной инженерии

Можно ли получить генетически модифицированную породу лошадей?

Популярная механика
Провожаем «Науку» Провожаем «Науку»

Все, что нужно знать о полете нового российского модуля «Наука» к МКС

N+1
Пиявка лечит и калечит: почему с ней лучше не встречаться в природе Пиявка лечит и калечит: почему с ней лучше не встречаться в природе

Почему лучше избегать встречи с пиявками

Популярная механика
«Не будьте слишком самоуверенными»: советы для тех, кто поступает в вуз «Не будьте слишком самоуверенными»: советы для тех, кто поступает в вуз

Советы работников приемных комиссий для абитуриентов, а также истории студентов

Psychologies
Доходы растениеводов пока в плюсе Доходы растениеводов пока в плюсе

Несмотря на сложности прошлого сезона, участники рынка смогли неплохо заработать

Агроинвестор
Как сделать таблицу в PowerPoint: 2 простых способа Как сделать таблицу в PowerPoint: 2 простых способа

Как сделать таблицу в редакторе для создания презентаций

CHIP
Волжский гедонизм: почему стоит отправиться в Самару на выходные Волжский гедонизм: почему стоит отправиться в Самару на выходные

Что такое волжский гедонизм

Forbes
«Неудобное прошлое: память о государственных преступлениях в России и других странах» «Неудобное прошлое: память о государственных преступлениях в России и других странах»

Отрывок из книги Николая Эппле о том, как государства работают с трудным прошлым

N+1
Период желаний: почему надо знакомиться с мужчинами во время овуляции Период желаний: почему надо знакомиться с мужчинами во время овуляции

Овуляция — период, когда женщина особенно привлекательная для мужчин

Cosmopolitan
Мороженое и сорбеты: история и 4 оригинальных рецепта Мороженое и сорбеты: история и 4 оригинальных рецепта

История мороженого и интересные варианты прохладительного десерта

Вокруг света
Краткая история кинематографа: от братьев Люмьер до Netflix Краткая история кинематографа: от братьев Люмьер до Netflix

Разбираемся, как родилась и развивалась индустрия кино

GQ
Дроны приходят на помощь спасателям Дроны приходят на помощь спасателям

Дроны в работе пожарных, медицинских работников, поисково-спасательных бригад

Популярная механика
«Летучие мыши: Происхождение, места обитания, тайны образа жизни» «Летучие мыши: Происхождение, места обитания, тайны образа жизни»

Отрывок из книги Сергея Крускопа о положении рукокрылых в царстве животных

N+1
7 лучших ролей Вуди Харрельсона в кино 7 лучших ролей Вуди Харрельсона в кино

Все творческие стороны Вуди Харрельсона

Maxim
Шестое чувство времени Шестое чувство времени

О фильме «Время» М. Найта Шьямалана

Weekend
Открыть в приложении