В МИЭМ прошла III летняя школа «Суперкомпьютерное моделирование и системы управления в инженерии»
Артамонов СЮ: Среди участников летней школы были студенты и выпускники НИУ ВШЭ, РАНХиГС, МИРЭА, МАИ, МИСиС, МГУПП, МИЭТ, ПГУПС. Уже второй раз мы проводим школу в дистанционном формате. Особо хочется отметить, что в рамках школы с лекциями выступили не только ведущие преподаватели МИЭМ НИУ ВШЭ, но и выпускники наших магистерских программ, например, Артем Маминов.
Участникам летней школы была предоставлена возможность ознакомиться с тематикой и принципами обучения в магистратуре «Системный анализ и математические технологии», объединяющей три образовательные траектории, которые созданы на базе хорошо известных магистерских программ департамента прикладной математики НИУ ВШЭ:
- Суперкомпьютерное моделирование в науке и инженерии
- Системы управления и обработки информации в инженерии
- Математические методы моделирования и компьютерные технологии
Уже по традиции летняя школа открывалась обзорной лекцией руководителя школы проф. Льва Николаевича Щура «Зачем нужны суперкомпьютеры и большие данные».
Щур Лев Николаевич
«В последние годы наметилась тенденция формирования новой парадигмы научного развития — извлечения нового знания из данных большого объема, формируемых путем математического моделирования и предобработки экспериментальных измерений, и последующего за этим применения методов машинного обучения. Эта тенденция порождает новый вызов — необходимость подготовки специалистов для междисциплинарной области естественных наук, инженерных и компьютерных технологий. Интеграция в одной магистерской программе такого подхода актуальна, как элемент системы искусственного интеллекта и находится в лидирующих тенденциях мирового развития науки. Для исследования в этой области Вышка имеет один из лучших суперкомпьютеров России, название которого cHARISMa (Computer of HSE for Artificial Intelligence and Supercomputer Modelling) отражает и его назначение и направление подготовки на нашем треке».
Лекция проф. А.М.Сатанина, которая называется «Квантовое превосходство»: суперкомпьютер Summit против квантового компьютера Sycamore, посвящена популярному изложению эпохального события, произошедшему в конце 2019 года: демонстрации квантового превосходства 53-кубитного квантового компьютера Sycamore, созданного в компании Google под руководством Дж. Мартиниса (John M. Martinis), по сравнению с самым мощным на тот момент (2019 г.) суперкомпьютером Summit. В первой части лекции кратко рассказано о физической основе функционирования классических компьютеров: триггерах и битах. Вторая часть лекции посвящена изложению представлений о сверхпроводниковых кубитах, принципе суперпозиции и квантовой «запутанности». Подчеркнуто, что в настоящее время кубиты сравнительно быстро теряют когерентность, поэтому квантовые компьютеры, создаваемые на их основе, являются «зашумленными», что пока затрудняет реализацию кантовых алгоритмов. Группе Дж. Мартинеса удалось преодолеть технологические проблемы и создать кубиты со временем декогеренции около 100 мкс, а также высокодобротные считывающие резонаторы. Как оказалось, полностью «зашумленность» регистров на данный момент подавить не удается, поэтому в качестве сравнительного теста на квантовой и классической машинах по заданному гейтовому коду изучалась генерация случайных битовых последовательностей. Если бы квантовые корреляции отсутствовали, то вследствие шума получающиеся числа были бы абсолютно случайными. Квантовое превосходство состоит в том, что Sycamore смог выполнить поставленную задачу за 200 секунд, тогда как классическому суперкомпьютеру Summit потребовалось бы на её решение около 10000 лет. Лекция завершается кратким обзором современных достижений в данной области, в частности, описана работа фотонного квантового вычислителя Цзючжань (Jiuzhang), который состоит из 70 кубитов.
Мастер-класс Е.А. Буровского был посвящен основной проблеме использования языка Python для вычислительных задач: язык прекрасно подходит для разработки и прототипирования, но результат для сколько-нибудь серьезных вычислений часто непригоден, т.к. производительность кода на "голом" Python слишком низкая. Решение состоит в создании компилируемых расширений, для чего удобно использовать язык Cython. На занятиях были рассмотрены два основных способа использования Cython: "цитонизация" прототипа и "обертка" существующего вычислительного модуля, написанного на C++, для использования из обычной среды python/jupyter notebook.
Лекция проф. Ю.А. Будкова была посвящена знакомству студентов с приложениями современных методов статистической физики, теории самосогласованного поля и теории классического функционала плотности, используемых в задачах современного материаловедения и физической химии. Особенное внимание уделено описанию ионных жидкостей на границах раздела с твердыми электродами и газов в условиях ограниченной геометрии наноразмерных пор. В первой части лекции продемонстрированы возможности теории самосогласованного поля к описанию двойного электрического слоя на границе ионная жидкость-металл с учетом химической специфики ионов (специфические взаимодействия, поляризуемость, дипольный момент) и заряженного электрода (специфическая адсорбция ионов на электрод). Во второй части лекции рассказывалось о приложении теории классического функционала плотности к описанию капиллярных явлений, происходящих с газами в наноразмерных порах. И, наконец, в третьей части лекции было рассказано о последних достижениях статистической физики растворов макромолекул со сложной электрической структурой. Во всех трех частях лекции упор делался на изложении оригинальных результатов автора. Отмечена роль суперкомпьютеров при численном решении уравнений самосогласованного поля во всех рассмотренных случаях.
Лекция Зигануровой Л.Ф. была посвящена обзору алгоритмов синхронизации параллельных процессов при параллельном дискретно-событийном моделировании. Был рассмотрен подход к изучению эффективности этих алгоритмов на основе моделирования профиля локальных времен параллельных процессов. Интересно то, рост профиля времен имеет сходства с процессами роста поверхности в физике, и модели для разных алгоритмов синхронизации относятся к разным физическим классам универсальности.
Работа, по которой была проведена лекция, была выполнена Зигануровой Л. в магистратуре и аспирантуре МИЭМ.
Лекция О.В. Вальбы «Сложные сети: от физики случайных графов к моделированию когнитивных систем». Сетевые модели используются сейчас едва ли не во всех областях естествознания – в физике, биологии, социологии, экономике, лингвистике и т.д. Большое место в изучение теории сетей занимают случайные графы. Это происходит во многом потому, что случайные графы очень удобны для моделирования сложных сетей. Экспоненциальные случайные графы (ЭСГ) – семейство моделей, изначально предложенные для анализа и моделирования социальных сетей. Вероятность определенной конфигурации графа экспоненциально зависит от числа определенных подграфов (мотивов) в сети. Такая модель, по существу, описывает канонический ансамбль случайных сетей с заданным числом вершин. В лекции обсуждаются фазовые переходы в экспоненциальных случайных графах, моделирование конфигураций и их топологические особенности. В частности, обсуждается влияние кластерной структуры и межкластерных взаимодействий, возникающих в ЭСГ на распространение активации в сети. Интерес к моделям распространения в сложных сетях естественно возрос в связи с пандемией COVID-19. Однако, ключевой вопрос о том, как структура сети влияет на процесс распространения в ней, остается все еще открытым.
Во второй части лекции приводятся результаты моделирования коннектома различных организмов. Коннектом – это сеть, описывающая структурные или функциональные взаимодействия между нейронами. В частности, обсуждаются особенности структурных свойств сетей, свойственных человеческому мозгу.
Лекция А. Маминова «Высокопроизводительные методы оптимизации и их применение в различных прикладных областях». На лекции было рассмотрено применение математических и компьютерных наук для решения различных прикладных задач из перспективных направлений исследований. Первая часть лекции посвящена актуальным задачам робототехники: аппроксимация рабочей области механизма и оптимизация его ключевых конструктивных параметров на примере робота 2-RPR. Одним из краеугольных камней представленных методов по аппроксимации рабочей области является одна из малоизвестных областей математики – интервальная арифметика (интервальный анализ). Слушатели были ознакомлены с базовыми принципами интервального анализа и рядом методов, применяемых для решения недоопределённых систем нелинейных уравнений, которыми представлена математическая модель роботов. Также на лекции был разобран подход к анализу роботов параллельной структуры, нахождению областей сингулярности и построению многокритериальной Парето-оптимальной области для нахождения наилучших параметров роботов. В продолжение тематики оптимизации Артемом Маминовым были разобраны две вариации метода ветвей и границ: глобальный метод оптимизации, основанный на технике интервального анализа и высокопроизводительный метод для решения задачи дискретной оптимизации об упаковке рюкзака. Вторая часть лекции была посвящена вычислительной биологии, в частности решению задачи фолдинга белка. Студентам был представлен краткий экскурс в данную тему и пример решения одной из подзадач фолдинга – предсказание матрицы контактов. Была описана методология по конструированию признаков и обучению свёрточной нейронной сети (CNN), а также визуализация результатов. В заключении лектор Маминов ознакомил слушателей с архитектурами и алгоритмами фолдинга белка (AlphaFold, RaptorX, TripletRes), которые являются лучшими на сегодняшний момент и могут решать одну из важнейших задач вычислительной биологии с высокой точностью, что может быть использовано для разработки новейших лекарств и анализу существующих белков.
Лекция С.А. Сластников: "Анализ данных: задачи и приложения": теоретическая часть лекции была посвящена классификации решаемых в области Data Mining задач, обзору методов их решения, рассмотрению основных свойств и характеристик алгоритмов. Вторая часть лекции имела ярко выраженный практический уклон. На ней ребята познакомились с конкретными задачами в области прикладного искусственного интеллекта, которые решают студенты магистратуры в рамках проектов, курсовых и выпускных работ.
Завершилась летняя школа круглым столом «Чему, как и на кого учат в магистратуре», в рамках которого состоялась дискуссия участников и лекторов школы о том, почему квалификации бакалавра недостаточно для будущей профессии. Также академические руководители магистерских программ ответили на вопросы об особенностях поступления в магистратуру в этом году.
Участница летней школы Светлана Михайлова делится своими впечатлениями:
Летняя школа МИЭМ – это та, мотивация, которой так не хватает после тяжелого учебного года. Было очень интересно увидеть красивые приложения математической теории, которые не изучаются на 1-3 курсе бакалавриата. Абсолютным фаворитом стали лекции по геномике от Владимира Львовича Щура. Занятия были атмосферными, было приятно общаться с преподавателями.