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

После бала. Отличия и сходства петербургской и московской светской жизни После бала. Отличия и сходства петербургской и московской светской жизни

Чем отличается московская вечеринка от петербургского приема?

СНОБ
Cталинская библия. Лев Симкин: Как живые. Образы «Площади революции»: Знакомые и забытые Cталинская библия. Лев Симкин: Как живые. Образы «Площади революции»: Знакомые и забытые

Отрывки из книги «Как живые» Льва Симкина

СНОБ
В волокна ткани встроили чипы памяти и датчики температуры В волокна ткани встроили чипы памяти и датчики температуры

Американские инженеры разработали умное волокно

N+1
Как общаться с нетактичными людьми: 5 действенных стратегий Как общаться с нетактичными людьми: 5 действенных стратегий

Как защититься и добиться своего в общении с непростыми людьми

Psychologies
Кэри Маллиган. Горячая штучка Кэри Маллиган. Горячая штучка

Кэри Маллиган удалось дать бой прежним обидчикам

Караван историй
«Мы хотим вернуть детству спорт, а спорту — детство» «Мы хотим вернуть детству спорт, а спорту — детство»

Учредителю компании TOY.RU Алисе Лобановой нравится ломать стереотипы

OK!
5 ошибок Марии Скуровой, основательницы Perfluence и Mamsy 5 ошибок Марии Скуровой, основательницы Perfluence и Mamsy

Мария Скурова рассказала, какие ошибки совершила за 10 лет своего бизнеса

Inc.
Найти и обезвредить: как отыскать мошенника внутри компании Найти и обезвредить: как отыскать мошенника внутри компании

Как выявить подозрительные связи или конфликт интересов у сотрудников?

Forbes
То, о чем нельзя забывать: эволюция поворотников То, о чем нельзя забывать: эволюция поворотников

Автомобильные поворотники не сразу обрели современный вид

Вокруг света
Хотите поговорить о Боге? 8 необычных сериалов о религии Хотите поговорить о Боге? 8 необычных сериалов о религии

Необычные сериалы о религии

Cosmopolitan
На солнечной стороне На солнечной стороне

Дом архитектора Александра Дорохова, руководителя бюро «AD Project»

Seasons of life
У блокады женское лицо: пронзительные воспоминания жительниц Ленинграда У блокады женское лицо: пронзительные воспоминания жительниц Ленинграда

Истории женщин, переживших чудовищное время блокады

Cosmopolitan
Две пиццы на команду и другие странные бизнес-принципы Джефа Безоса Две пиццы на команду и другие странные бизнес-принципы Джефа Безоса

Экстравагантные правила ведения бизнеса от Джефа Безоса

Maxim
Актриса Сабина Ахмедова: Чтобы происходили перемены, нужны люди Актриса Сабина Ахмедова: Чтобы происходили перемены, нужны люди

Актриса Сабина Ахмедова — о проблемах домашнего насилия и харассмента

СНОБ
Изменил жене, оскорбил дочь, ударил сына: скандальные выходки рэпера Джигана Изменил жене, оскорбил дочь, ударил сына: скандальные выходки рэпера Джигана

Джиган известен не только своими треками, но и взрывным характером

Cosmopolitan
Чудеса на виражах: что такое torque vectoring Чудеса на виражах: что такое torque vectoring

Что такое вектор крутящего момента и чем он важен?

Популярная механика
Шампанское рекой и пьяные драки: купеческие свадьбы XIX века Шампанское рекой и пьяные драки: купеческие свадьбы XIX века

Купеческие свадьбы были похожи на церемонии, которые устраивали аристократы

Cosmopolitan
Отпуск экстремала и спелеолога: самые таинственные и привлекательные для туризма пещеры Забайкалья Отпуск экстремала и спелеолога: самые таинственные и привлекательные для туризма пещеры Забайкалья

Главная фишка пещер — их труднодоступность и, как следствие, нетронутая красота

Вокруг света
Анапа как конкурент Прованса. Тест-драйв Haval Jolion Анапа как конкурент Прованса. Тест-драйв Haval Jolion

Новый Краснодарский край — если и уступающий Европе, то не везде и не во всем

СНОБ
Обида — «лучший» способ разрушить себя и отношения Обида — «лучший» способ разрушить себя и отношения

Обида — этот привычный сценарий может угрожать вашим отношениям

Psychologies
10 признаков, что вы не ленивы, а «выборочно мотивированы» 10 признаков, что вы не ленивы, а «выборочно мотивированы»

Что такое выборочная мотивация?

Psychologies
6 признаков пары с высоким эмоциональным интеллектом 6 признаков пары с высоким эмоциональным интеллектом

Что отличает по-настоящему счастливые пары?

Psychologies
Вопросы к нечистой силе: как гадали крестьяне Вопросы к нечистой силе: как гадали крестьяне

Как крестьяне гадали на урожай, на погоду и на будущего мужа

Культура.РФ
Авторы телеграм-канала «Клиент» — о юморе и боли в индустрии рекламы Авторы телеграм-канала «Клиент» — о юморе и боли в индустрии рекламы

Интервью с админами юмористического телеграм-канала «Клиент»

РБК
«Фаянсовая улыбка» уже не в моде: кому нельзя отбеливать зубы, в чём суть технологии и при чём тут осветление волос «Фаянсовая улыбка» уже не в моде: кому нельзя отбеливать зубы, в чём суть технологии и при чём тут осветление волос

Как происходит медицинское отбеливание, кому оно запрещено, есть ли альтернатива

Популярная механика
Трехслойная Конституция: как Кремль использовал поправки 2020 года для укрепления своей власти Трехслойная Конституция: как Кремль использовал поправки 2020 года для укрепления своей власти

Как новая Конституция позволила начать идеологическую и политическую ревизию

Forbes
Бойцовский клуб: почему мужчин с детства учат драться? Бойцовский клуб: почему мужчин с детства учат драться?

Почему мужчина обязательно должен уметь драться?

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

Несколько реальных способов прокачать свои способности

Вокруг света
Русская Твигги: почему советская манекенщица Мила Романовская сбежала из СССР Русская Твигги: почему советская манекенщица Мила Романовская сбежала из СССР

Что заставило девушку, которая была звездой на родине, покинуть страну?

Cosmopolitan
10 главных модных ошибок русских женщин — проверь, совершаешь ли ты их? 10 главных модных ошибок русских женщин — проверь, совершаешь ли ты их?

Русский стиль — это не только жены миллионеров

VOICE
Открыть в приложении