Source: Peter the Great St Petersburg Polytechnic University – Санкт-Петербургский политехнический университет Петра Великого –
От прогнозирования качества стекла и селекции растений до учёта строительных объектов — такой диапазон применения технологий искусственного интеллекта рассмотрели участники очередного семинара в СПбПУ.
О созданном в Инженерно-строительном институте Политеха программном комплексе «ИМПульс» рассказали руководители проекта — директор института Марина Петроченко и старший преподаватель Павел Недвига. По словам Павла Никитича, комплекс уже включён в реестр российского ПО и успешно используется в бизнесе для автоматизированной классификации элементов информационной модели зданий в соответствии с законодательством Российской Федерации. «ИМПульс» использует методы искусственного интеллекта и является постоянно обучаемой моделью, работающей с точностью до 98 %. Марина Вячеславовна подчеркнула, что благодаря этой разработке многочасовой труд специалистов заменён трёхминутной работой машины, а человек таким образом освобождён для решения других задач.
Доцент Высшей школы физики и технологий материалов Института машиностроения, материалов и транспорта Виктор Клинков рассказал о разработанной модели для прогнозирования оптических систем инфракрасного диапазона. Учёные задались вопросом, какими свойствами будет обладать стекло того или иного химического состава, и создают нейросеть для сбора и обработки данных. Традиционный способ определения состава стекла методом проб и ошибок — трудоёмкий, долгий и рискованный для промышленного применения. А ML- (machine learning) и AI (artificial intelligence)-инструменты прогнозирования материалов оказались успешно применимы к стеклу, так как есть большой объём данных по существующим составам, нет ограничений по стехиометрии — состав стёкол можно непрерывно менять и имеется широкая потребность в составах с особой комбинацией свойств. Как отметил Виктор Артёмович, создаваемая модель позволяет прогнозировать свойства и ускорять моделирование, подбирать «индивидуальный дизайн» под предметные области, получать новое знание о природе стёкол на молекулярном уровне.
Директор Научно-образовательного центра «Нанотехнологии и покрытия» Александр Семенча дополнил выступление коллеги, рассказав о применении ИИ при проектировании оптических приборов. Александр Вячеславович продемонстрировал микроспектрометр, который выявляет свойства материалов, делая сравнительный анализ с собранной базой данных. Прибор опробован на пищевых продуктах, тканях, бумаге и показал практически стопроцентный результат.
Большой спектр задач решают нейросети в геномных и постгеномных технологиях агробиологии. Об этом рассказала профессор Высшей школы прикладной математики и вычислительной физики Физико-механического института Мария Самсонова. Нейросети, обученные на собранных данных, помогают прогнозировать свойства растений, определять наилучшие территории для их культивирования, выявлять предрасположенность к заболеваниям. Учёные провели множество экспериментов и собрали датасеты для таких растений как лён, нут, рожь и др. Например, с помощью нейросети, извлекающей и отбирающей характеристики разных образцов нута, создана панель маркеров для селекции этой культуры. По словам Марии Георгиевны, одной из важных задач сегодня является разработка стандартов сбора, обработки и хранения информации.
Подводя итоги семинара, проректор по научной работе СПбПУ Юрий Фомин обратил внимание на то, что за пять семинаров удалось заслушать доклады почти всех лидеров научных групп, занимающихся технологиями в области искусственного интеллекта, и пора расширять круг участников.
Считаю, что для дальнейшего развития нашей научной деятельности будет важно и полезно послушать мнение представителей различных индустрий об использовании искусственного интеллекта на практике, понять их потребности. Приглашаю всех принять участие в этом разговоре, который состоится 26 февраля, и активно задавать вопросы нашим партнёрам, которых мы пригласим
, — призвал Юрий Владимирович.
Обратите внимание; Эта информация является необработанным контентом непосредственно из источника информации. Это точно соответствует тому, что утверждает источник, и не отражает позицию MIL-OSI или ее клиентов.