Melville Sikorsky Challenge Accelerator 2026 оголосив фіналістів

16 квітня 2026 року Melville Sikorsky Challenge Accelerator у співпраці з Інноваційним холдингом “Сікорські Челендж” оголосили результати відбору фіналістів міжнародного конкурсу інноваційних проєктів у межах першого Open Call 2026.  Оголошений конкурс об’єднав стартапи, R&D-команди та технологічні компанії з усього світу, що працюють у сферах безпеки та оборони, біомедичної інженерії, відновлюваної енергетики та енергетичної безпеки. Фінальний етап конкурсу “MSCA Lviv 2026” відбудеться 29-30 квітня 2026 року у Львові у гібридному форматі, що поєднає офлайн-участь із міжнародним онлайн-залученням. Результати відбору У межах відкритого конкурсу було подано понад 100 заявок, з яких експертне журі відібрало 44 проєкти для участі у фіналі: 15 проєктів у категорії Defense & Security 17 проєктів у категорії Biomedical Engineering & Health 12 проєктів у категорії Renewable Energy & Energy Security Серед фіналістів – інноваційні рішення, що відповідають актуальним викликам ...

Оголошено лауреатів Нобелівської премії 2024 з фізики

8 жовтня 2024 року Нобелівський комітет визначив лауреатів премії у галузі фізики. Ними стали Джон Гопфілд та Джефрі Еверест Гінтон за "фундаментальні відкриття та винаходи, які дозволяють машинне навчання за допомогою штучних нейронних мереж".

Про це повідомляє РБК-Україна з посиланням на прес-службу Фонду Нобеля

Що відомо про лауреатів

Двоє цьогорічних лауреатів Нобелівської премії з фізики використали інструменти фізики для розробки методів, які є основою сучасного потужного машинного навчання. 

Коли ми говоримо про штучний інтелект, ми часто маємо на увазі машинне навчання за допомогою штучних нейронних мереж. Ця технологія спочатку була навіяна структурою мозку.

У штучній нейронній мережі нейрони головного мозку представлені вузлами, які мають різні значення. Ці вузли впливають один на одного через зв’язки, які можна зробити сильнішими або послабленими.

Джон Хопфілд винайшов мережу, в якій використовується метод збереження і відтворення шаблонів. Ми можемо уявити вузли у вигляді пікселів. Мережа Хопфілда використовує фізику, яка описує характеристики матеріалу через його атомний спін – властивість, яка робить кожен атом крихітним магнітом. Коли мережі Хопфілда подається спотворене або неповне зображення, вона методично працює через вузли та оновлює їхні значення, щоб енергія мережі падала. Таким чином, мережа працює поетапно, щоб знайти збережене зображення, яке найбільше схоже на недосконале, яким його годували.

Джеффрі Хінтон використовував мережу Хопфілда як основу для нової мережі, яка використовує інший метод: машину Больцмана. Вона може навчити розпізнавати характерні елементи в даному типі даних. Хінтон використовував інструменти статистичної фізики, науки про системи, побудовані з безлічі схожих компонентів.

Машина тренується, подаючи їй приклади, які з великою ймовірністю виникнуть під час роботи машини. Машина Больцмана може бути використана для класифікації зображень або створення нових прикладів типу зразка, на якому вона була навчена.

"Робота лауреатів вже принесла найбільшу користь, адже у фізиці ми використовуємо штучні нейронні мережі в широкому спектрі областей, таких як розробка нових матеріалів зі специфічними властивостями", зазначив Еллен Мунс, голова Нобелівського комітету з фізики.




Коментарі