12 июня стартовала вторая Большая математическая мастерская. Большая математическая мастерская — это двухнедельный интенсив на базе Математического центра в Академгородке в Новосибирске. В этом году в числе организаторов: Высшая школа экономики, Научно-образовательный математический центр Томского государственного университета, Международный математический институт имени Л.Эйлера.
Студенты и ученые разрабатывают проекты в области медицины, урбанистики, высоких технологий, сельского хозяйства и других. Заказчики из области бизнеса и науки обращаются к мастерской за поиском новых решений.
Как математика объединяет людей и помогает решать реальные задачи?
В этом году на мастерской представлены двадцать девять проектов от разных заказчиков. Куратора для работы находят заказчики или организаторы БММ.
Во время интенсива участники работают в группах над своими задачами и делятся с коллегами опытом и результатами на общих пленарных заседаниях и установочных лекциях. В этом году все проекты разделили на шесть кластеров по схожим тематикам: машинное обучение, алгебра и логика, геометрия и топология, оптимизация, моделирование, математика и жизнь. Кроме командной работы, на БММ проходят общие для каждого кластера специализированные лекции.
Идея создания мастерской принадлежит команде Математического центра в Академгородке.
В классификаторе American Mathematical Society есть три уровня иерархии математического знания, начиная от глобальных тем и заканчивая узкими предметными областями. Чем выше по дереву знания мы поднимаемся, тем сложнее даже профессионалам понимать, что происходит. Людям, которые хотят использовать математику в других областях науки, применяя ее к реальной жизни, еще сложнее. Мы хотим сделать математику ближе к людям», – объясняет замысел мастерской директор Математического центра в Академгородке Евгений Вдовин.
Математика для всех
Главная задача мастерской состоит в том, чтобы решить проблему коммуникации между математиками и специалистами из других сфер и тем самым сделать математику доступной для решения задач из разных областей.
Каждый проект – это отдельная планета, жители которой говорят на своем языке. Взаимодействие разных научных миров друг с другом, по мнению организаторов, поможет не только реализовать проект, но и изменить восприятие своих предметных областей.
Мы пытались разбить проекты на кластеры по относительно близким тематикам и по схожим инструментам работы. Для того чтобы у них были общие точки коммуникации, на которых они могут начать друг с другом разговаривать», — комментирует Евгений Вдовин, директор МЦА. «Сейчас мы пришли к выводу, что формировать кластеры по тематическому принципу, возможно, было не самой удачной идеей, у нас уже появляются новые идеи для дальнейшей работы».
Проекты мастерской
Цифровая урбанистика
Основная задача урбанистов — решать проблемы городской среды, взаимодействуя с жителями ближайших районов. Цель проекта — автоматизировать процесс сбора запросов на изменения городской среды. Сделать его нагляднее с помощью сайта или специального приложения, превратить в игру. Куратор проекта Анна Авдюшина уже второй раз собирает команду. В прошлый раз участники команды пытались находить границы зданий на спутниковых снимках, чтобы упростить процесс создания карт.
В этом году команда сосредоточилась на создании карты неблагополучных районов Москвы с помощью самых частых названий улиц, магазинов и организаций, которые встречаются на карте окраин города. Всю собранную информацию легко будет использовать на уровне исследования для анализа любого города России. Участники провели опрос, по результатам которого выяснили, что пивные, кафе, бары, конторы микрозаймов и парикмахерские с женскими именами не ассоциируются с благополучием у жителей.
Машинное извлечение смысла из текста и его приложение в туристическом бизнесе
Задача проекта — создать чат-бот, который частично сможет заменить консультанта в туристическом бизнесе. Алгоритм должен будет извлекать информацию из текста, анализировать и предлагать клиенту варианты отдыха, которые соответствуют его пожеланиям и бюджету. В перспективе бот сможет работать с возражениями клиента и предлагать альтернативные варианты отдыха. При отборе будут учитываться рейтинги отелей и личные обстоятельства: наличие детей, время и вид отдыха, режим питания. На первой неделе БММ участники попробовали классическое машинное обучения. В дальнейшем они планируют использовать технологии NLP и обращаться к современным технологиям машинного обучения.
Охота за космическими ускорителями: поиск фотонов сверхвысоких энергий с помощью машинного обучения
Проект, участники которого анализируют частицы, образовавшиеся в результате взрывов звезд. При слиянии нейтронных звезд и взрывах сверхновых образуется много энергии. Частицы, которые несут сверхвысокую энергию, называются гамма-кванты. Ученые пока не уверены, что нашли их. Машинное обучение должно помочь научиться отличать эти частицы от атмосферных протонов с помощью 500 миллионов записей детектора атмосферных ливней KASCADE. Атмосферный ливень — это поток частиц, возникающий при распаде фотонов космических лучей от их столкновения с ядрами азота и кислорода в атмосфере Земли. Результаты эксперимента помогут физикам лучше понимать природу зарождения космического излучения и обозначить источники гамма-квантов на небесной сфере.
Цифровые фермы OverGrower
Цель проекта — создание симуляции томата в автоматической гидропонной установке для облегчения тестирования на ней условий среды. Разработка поможет предсказывать поведение растения в зависимости от того, что с ним произошло. По словам участников, при наличии довольно большой базы данных удастся использовать формулу для построения цифровой модели множества других живых организмов. В перспективе участники проекта напишут программу-нейроассистента, которая поможет агрономам учитывать параметры окружающей среды.
Автоматизация распознавания дефекта печати на 3D-принтере
Среди участников были абитуриенты Инженерной школы мехмата НГУ, которые могли принять участие в этом проекте в качестве вступительных испытаний. Самые частые ошибки в 3D-печати — отлипание деталей от опорного стола, нарушение опорной точки и подачи пластика. Чтобы этого избежать, придумали систему оповещения оператора об ошибке и остановке печати. Рабочую программу создали уже к концу первой недели мастерской, но она автоматически выделяла все модели из белого пластика как дефектные. Участники планируют добавить цветокорректирующий слой в программу и перейти к другому алгоритму.
Впечатления участников от мастерской
Мы поговорили с участниками и кураторами проектов о том, как прошла первая неделя мастерской и какие у них впечатления.
В этот раз [по сравнению с прошлой мастерской] мы больше разговаривали, обсуждали, выстраивали работу команды. Каждый работал по своим направлениям и идеям. Сейчас в чате обсуждаем, как будем работать на межмодуле. В этом году получилась очень сильная команда», – Анна Авдюшина, куратор проекта «Цифровая урбанистика».
Одна из важных задач мастерской — научить говорить о своих проектах понятно, но не примитивно. Не потерять глубину содержания, но при этом остаться понятным для людей, которые на этой глубине не работают. Это непростая задача. Мы продолжаем анализировать, какие инструменты и активности помогают, а какие мешают выстраивать диалог», — Евгения Сотникова, организатор.
Я доволен, что тема заинтересовала ребят. Выполнен конкретный хороший объем работы, тематика доказала свою актуальность и интерес. Когда делишься знаниями с людьми не из своей области, возникают свежие ассоциации. Работа на стыке наук – это всегда интересно», — Александр Чупахин, эксперт проектов «Анализ медицинских изображений».
Все участники были очень активные, задавали вопросы. После первого пленара мы даже скорректировали план работы. Мне кажется, мостик между проектами начал складываться», — делится впечатлениями Дарья Шестакова, куратор проекта «Автоматизация распознавания дефекта печати на 3D-принтере».
В рамках мастерской прошёл «Семинар невозможного». Участники дискутировали о необходимости математического образования в школьных и университетских программах обучения. О своих впечатлениях рассказал один из организаторов мастерской — Тимур Насыбуллов:
Мне кажется, что нужно еще, как минимум, десять таких дискуссий для того чтобы прийти к понятным результатам. Я математик, пишу статьи, работаю в области, которую сложно объяснить, и понимаю, что в ней могут разобраться не больше ста человек на земле. Занятия математикой позволяют мне лучше преподавать ее студентам; если я как ученый ничего важного не открою, это сможет сделать кто-то из них».
Текст: Мария Збитнева, Вячеслав Ефимов
