ХІV Міжнародний Фестиваль інноваційних проєктів "Sikorsky Challenge 2025" запрошує!

З 28 жовтня по 02 листопада 2025 року в Київському політехнічному інституті імені Ігоря Сікорського пройде ХІV Міжнародний Фестиваль інноваційних проєктів "Sikorsky Challenge 2025". Це буде вже четвертий Фестиваль за часи війни. Тому і присвячений буде нагальним задачам сьогодення - пошуку проривних інноваційних рішень для ЗСУ, що наблизять нашу Перемогу, післявоєнній відбудові економіки, баченню того, якою має стати наша країна після перемоги у цій війні та яке місце вона має обійняти в сім'ї демократичних розвинених країн. Головними заходами цьогорічного Фестивалю будуть: Міжнародний форум та тематичні панельні дискусії  Віртуальна виставка стартап-проєктів та проривних науково-технічних розробок Фінал Конкурсу інноваційних стартап-проєктів  Студентський Хакатон Конкурс проєктів-фіналістів Фестивалю відбуватиметься в 7 секціях: Авіація,  космос, оборона і безпека Енергетична стійкість і безпека Екологічна безпека, «зелена хімія» Біомедична інженерія та зд...

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