Фестиваль науки ИТМО: Open Science Rocks

Сегодня в Университете ИТМО состоялся фестиваль Open Science Rocks, на котором специалисты в научно-популярном формате рассказали о своих исследованиях и научных проблемах, которые они пытаются решить. Портал InScience.News в материале по итогам фестивальной сессии Heavy Metal расскажет вам о том, как исследуют темную материю, создают и обучают нейросети, а также что такое «еда будущего».Метаматериалы и темная материяПервым в рамках секции Heavy Metal выступил старший научный сотрудник физико-технического факультета ИТМО Максим Горлач. Он рассказал о том, как связать воедино разработку метаматериалов и поиск темной материи. Сначала докладчик обратился к истории поиска темной материи, о существовании которой астрофизики начали догадываться в 1930-е годы. И хотя прошло уже более 90 лет, до сих пор достоверно не известно, из чего состоит темная материя. В 1970-е годы на роль частицы, составляющей ее, предложили аксион. Но и эту частицу пока не удается обнаружить, что связывают со сложностями в определении ее точной массы. «Поиск этой гипотетической частицы похож на поиск иглы в стоге сена. Но этот стог сена не одномерный, а двумерный, поскольку мы не знаем не только массу аксиона, но и насколько слабо он взаимодействует с электромагнитным полем», — поясняет Максим Горлач.Специалисты лаборатории топологических метаматериалов ИТМО принимают участие в международной коллаборации по поиску аксиона. Они разрабатывают специальные среды — аксионные метаматериалы, которые имитируют свойства темной материи, благодаря чему могут использоваться для поиска «таинственной» частицы. В целом на сегодняшний день наиболее перспективный подход к ее поиску заключается в использовании плазменного галоскопа. Это устройство позволит детектировать превращение аксиона в фотон, которое может осуществляться в определенных условиях в таких средах, как метаматериалы.«Фотонный мозг»Следующим выступил сотрудник Международной научной лаборатории лазерных систем Антон Ковалев с докладом о лазерных нейронах — системе из двух лазеров, которая обладает свойствами, сходными с реальными нервными клетками. Если разработать на основе таких элементов нейросеть, она будет обладать характеристиками, во много раз превосходящими уже существующие алгоритмы на электронных носителях. Так, например, одна из основных проблем современных нейросетей — огромное энергопотребление, в десятки тысяч раз превышающее потребности нашего головного мозга. При этом по производительности и скорости работы искусственные нейроны пока не сравнились с естественными. По словам докладчика, причина кроется в том, что импульсы, кодирующие информацию при работе нейросетей, намного проще, чем те, что передаются между нервными клетками. Кроме того, большинство искусственных алгоритмов не способно активировать только часть «нужных» для выполнения конкретной задачи элементов, как это может делать головной мозг.Лаборатория ИТМО занимается разработкой нового типа нейросети, который можно назвать «фотонным мозгом», поскольку он работает на взаимодействиях квантовых точек — крайне малых участков полупроводника — со светом, испускаемым лазером. При попадании света лазера на квантовую точку их электромагнитные волны синхронизируются, и это позволяет создать лазерный нейрон, который по-разному реагирует на импульсы и обладает свойствами, похожими на естественный нейрон. Если связать между собой эти элементы, можно создать «фотонный мозг», способный обрабатывать информацию.Что мы будем есть в будущем?Фестиваль продолжила тема пищевых продуктов будущего. Наталья Еремеева, доцент факультета биотехнологий ИТМО, рассказала об основных направлениях в этой сфере: функциональных продуктах, роботизации производства, разработке новых систем упаковки, поиске источников белка, способных заменить мясо.На сегодняшний день люди все чаще задумываются о том, какой урон пищевая промышленность приносит экологии. В связи с этим отчасти меняются наши пищевые предпочтения, а ученые разрабатывают новые продукты и технологии, способные удовлетворить индивидуальные потребности каждого человека. Также Наталья Еремеева рассказала о тех новых продуктах, которые уже сегодня либо широко используются, либо в недалеком будущем могут войти в нашу повседневную жизнь. Среди них — гипоаллергенные продукты, например «арахисовая паста», на самом деле содержащая не арахис, а горох, но сохраняющая привычные вкусовые качества. Другой интересный пример — заменители белка мяса, в качестве которых, в частности, используется протеин насекомых. Такой белок практически не содержит аллергенов, лучше усваивается, а также дешевле, чем обычный животный белок.В заключение Наталья Еремеева рассказала, что ее научная группа занимается разработкой биоразлагаемой упаковки, которая не только не загрязняет окружающую среду, но также позволяет дольше хранить продукты за счет биоактивных компонентов и дает возможность следить за соблюдением условий хранения еды.Как не перестараться, обучая нейросеть?Заключительный доклад в секции Heavy Metal представил доцент факультета программной инженерии и компьютерной техники Александр Кугаевских, который рассказал о том, как найти баланс при обучении нейронных сетей. Дело в том, что алгоритм обучается на определенном наборе данных — картинок, задач и тому подобных «примеров», — и, с одной стороны, если нейросети показать их недостаточно, она останется «недоученной». Но это совсем не значит, что чем больше данных использовать при обучении, тем нейросеть будет лучше. В определенный момент — при переизбытке информации — алгоритм становится «переобученным» и будет неспособен решать новые задачи, сколько-нибудь отличающиеся от тех примеров, что использовались при его обучении. Программисты ИТМО предложили математическую модель, которая позволяет определять «качество» нейросетей и отсекать недообученные и переобученные. На основе предложенной модели ученые также смогли создать алгоритм, который используется в некоторых онлайн-магазинах одежды и позволяет «примерять» вещи перед покупкой. Нейросеть всего по двум фотографиям человека — в анфас и профиль — автоматически определяет полные параметры тела покупателя.