{{ :dlcp2025:dlcp25-logo.png?200|}}
====== Schudule ======
//30/06/2025//
{{ :dlcp2025:dlcp2025-schedule.pdf |PDF}}
//* - remote reports//
===== Section 1. Machine Learning in Fundamental Physics =====
**July 2, 2025. SINP MSU, bld.19, room 2-15**
^^ Time ^ Title ^ Reporter ||
^^11:00-11:45 ^ Welcome coffee & Rigistration | ||
^^11:45-12:00 ^Открытие конференции|Директор НИИЯФ МГУ, чл.-корр. РАН Э.Э.Боос ||
||12:00-12:15 |36. {{ :dlcp2025:zotov-dlcp.pdf |Реконструкция энергии космических лучей ультравысоких энергий, зарегистрированных флуоресцентным телескопом: одного такта времени может быть достаточно}}| М.Ю. Зотов||
||12:15-12:30 |*40. {{ :dlcp2025:entina-dlcp.pdf |Фильтрация ложных максимумов ШАЛ с помощью нейросетевых методов в эксперименте СФЕРА-3}}|Энтина Е.Л.||
||12:30-12:45 |*71. {{ :dlcp2025:фитагдинов_dlcp.pdf |Использование нейронного автокодировщика для генерации показаний поверхностных детекторов Telescope Array}}|Фитагдинов Р.Р.||
||12:45-13:00 |52. {{ :dlcp2025:omelianchuk-dlcp.pdf |Графовая нейронная сеть с механизмом внимания для кластеризации треков частиц по событиям в эксперименте SPD на ускорителе NICA}}|Омелянчук С.С.||
||13:00-13:15 |69. {{ :dlcp2025:chistiakov-dlcp.pdf |Machine Learning Approach for Lattice Quantum Field Theory Calculations}}|Vsevolod Chistiakov||
||13:15-13:30 |75. {{ :dlcp2025:moloshnikov-dlcp.pdf |Нейросетевое моделирование оптических солитонов, описываемых обобщённым нелинейным уравнением Шредингера шестого порядка с высокой нелинейностью}}|Молошников Иван||
^^13:30-14:45 ^LUNCH| ||
||14:45-15:00 |42. {{ :dlcp2025:kryukov-dlcp.pdf |Возможность применения метода нормализующих потоков для извлечения редких гамма событий в эксперименте TAIGA}}|А.Крюков||
||15:00-15:15 |41. SBI в задачах анализа динамических изображений многоканального детектора|Сараев Р.Е.||
||15:15-15:30 |76. {{ :dlcp2025:belkova-dlcp.pdf |Simulation of trawl processes using SINN architectures}}|Belkova Kseniia||
||15:30-15:45 |*39. {{ :dlcp2025:veneva-dlcp.pdf |ML-Based Optimum Sub-system Size Heuristic for the GPU Implementation of the Tridiagonal Partition Method}}|Milena Veneva||
||15:45-16:00 |44. {{ :dlcp2025:usatyuk-dlcp.pdf |Natural Image Classification via Quasi-Cyclic Graph Ensembles and Random-Bond Ising Models with Enhanced Nishimori Temperature Estimation}}|V.S.Usatyuk||
^^16:00-16:45 ^COFFEE BREAK| ||
||16:45-17:00 |43. {{ :dlcp2025:dubenskaya-dlcp.pdf |Analysis of the TAIGA-HiSCORE Data using the Latent Space of Autoencoders}}|Yu. Dubenskaya||
||17:00-17:15 |63. {{ :dlcp2025:kupriyanov-dlcp.pdf |Применение сетей Колмогорова-Арнольда для решения обратной задачи спектроскопии при создании мультимодального наносенсора ионов металлов на основе углеродных точек}}|Г.А.Куприянов||
||17:15-17:30 |*81. {{ :dlcp2025:zhurov-dlcp-v2.pdf |Проблема аугментация данных атмосферных черенковских телескопов в стерео режиме на примере установки TAIGA-IACT}}|Д.Журов||
14
===== Section 2. Machine Learning for Environmental Sciences =====
**July 3, 2025. [[place#institute_of_oceanology|ИО РАН]] **
^^ Time ^ Title ^ Reporter ||
||10:00-10:15 |90. {{ :dlcp2025:minkin-dlcp.pdf |Модель машинного обучения для прогнозирования вентиляторных порогов}}|Минкин А.С.||
||10:15-10:30 |67. {{ :dlcp2025:utegenova-dlcp.pdf |Доменная адаптация нейронных сетей в задаче диагностики природных вод по спектрам комбинационного рассеяния света}}|Л.С.Утегенова||
||10:30-10:45 |*55. {{ :dlcp2025:gadzhiev-dlcp.pdf |Enhancing the Quality of Kp Index Machine Learning Forecasting Using Higher-Frequency Data and Feature Transformations}}|I.M.Gadzhiev||
||10:45-11:00 |*89. {{ :dlcp2025:okuneva-dlcp.pdf |Восстановление высоты зданий с использованием машинного обучения и цифровой модели поверхности ArcticDEM}}|Окунева Влада Викторовна||
^^11:00-11:30 ^COFFEE BREAK & Rigistration| ||
||11:30-11:45 |83. USING MACHINE LEARNING METHODS FOR JOINT PROCESSING OF DATA FROM MULTIPLE SEMICONDUCTOR GAS SENSORS|Isaev I.V.||
||11:45-12:00 |51. {{ :dlcp2025:rezvov-dlcp.pdf |Нейросетевое пространственное масштабирование полей приповерхностного ветра над Баренцевым и Карским морями}}|Резвов В.Ю.||
||12:00-12:15 |15. {{ :dlcp2025:vostrikova-dlcp.pdf |Восстановление приповерхностной влажности атмосферы над океаном с применением методов машинного обучения}}|С. А. Вострикова||
||12:15-12:30 |73. {{ :dlcp2025:gerasimov-dlcp.pdf |Моделирование турбулентного переноса примесей в планетарном пограничном слое с применением методов крупных вихрей и методов машинного обучения}}|И. А. Герасимов||
||12:30-12:45 |*45. {{ :dlcp2025:vorobev-dlcp.pdf |Application of Convolutional Neural Networks for Upper Ionosphere Remote Sensing Using All-Sky Camera Data}}|Andrei Vorobev||
||12:45-13:00 |*82. {{ :dlcp2025:nazmutdinov-dlcp.pdf |Сравнение методов машинного обучения для учета связей с запаздыванием при моделировании городского острова тепла}}|Назмутдинов К.Ф.||
^^13:00-14:30 ^LUNCH | ||
||14:30-14:45 |16. {{ :dlcp2025:belousova-dlcp.pdf |Сравнение моделей машинного обучения в задаче идентификации аномалий в данных визуальной съемки поверхности моря}}|Белоусова О.||
||14:45-15:00 |56. Detection of Irminger Rings in high resolution ocean hydrodynamic modeling data using artificial neural networks|M.Kalinin||
||15:00-15:15 |Machine learning for statistical downscaling of precipitation spatial distribution characteristics in the Moscow region|Yarinich Yulia Ivanovna||
||15:15-15:30 |72. Deep Learning-Based Estimation of wind induced waves parameters from X-Band Radar Imagery|Alexander Suslov||
||15:30-15:45 |*92. {{ :dlcp2025:blinov-dlcp.pdf |Intercomparison of machine learning approaches for identifying hail from basic weather parameters}}|Blinov P.D.||
^^15:45-16:00 ^COFFEE BREAK| ||
||16:00-16:30|54. Foundation models of ocean and atmosphere in 2025: milestones and perspectives.|Krinitskiy M.A.||
15
===== Section 3. Machine Learning in Natural Sciences =====
**July 4, 2025. SINP MSU, bld.19, room 2-15 **
^^ Time ^ Title ^ Reporter ||
||10:00-10:15 |37. {{ :dlcp2025:chizhov-dlcp.pdf |Neutron spectrum unfolding with deep learning models for tabular data}}|Chizhov Konstantin Alekseevich||
||10:15-10:30 |49. Применение концепции переноса обучения для градиентного бустинга при решении обратных задач разведочной геофизики|М.К.Шалеев||
||10:30-10:45 |48. Анализ стратегий обучения FBPINNs|Алимов Павел Геннадьевич||
||10:45-11:00 |62. The creation of reasonable robot control behavior in the form of executable code|Skorokhodov Maksim||
||11:00-11:15 |*65. Temporal difference modulated spiking actor learning|Yunes Tihomirov||
^^11:15-11:45 ^COFFEE BREAK ||
||11:45- |Гамма-астрономия ультравысоких энергий и проект TAIGA-100| L.Kuzmichev||
|| -12:15| (пленарный доклад) | ||
||12:15-12:30 |*70. Построение нейродифференциальных уравнений с применением методов обратных задач динамики|Шорохов С.Г.||
||12:30-12:45 |74. СОЗДАНИЕ ДИНАМИЧЕСКОГО КОГНОВИЗОРА – РАСПОЗНАВАНИЕ КОГНИТИВНЫХ СОСТОЯНИЙ С ПОМОЩЬЮ МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯ|Макаров Александр Сергеевич||
||12:45-13:00 |*78. Analysis of PINN Training Strategies for Heat Conduction Problems|Tarasov A.A.||
||13:00-13:15 |66. Comparison of Data Generation Methods for Spectral Analysis Using Variational Autoencoders|Mushchina A.S.||
||13:15-13:30 |*87. {{ :dlcp2025:chugreeva-dlcp.pdf |Применение переноса обучения сверточной нейронной сети для повышения точности решения обратной задачи фотолюминесцентной наносенсорики}}|Г. Чугреева||
^^13:30-14:45 ^LUNCH ||
||14:45- |Новое поколение вычислительного оборудования для задач искусственного интеллекта в научных исследованиях |В.Егоршев ||
|| -15:15| (спонсорский доклад) | ||
||15:15-15:30 |86. Probabilistic Spiking Neural Network with Correlation-based Memristive Synaptic Updates|Dmitry Kunitsyn||
||15:30-15:45 |85. Finding optimal carbon dots synthesis parameters for quantitative analysis of components in multi-component aqueous solutions using machine learning|Guskov A.A.||
||15:45-16:00 |91. Classifying Russian speech commands with a hardware-deployable spiking neural network transferred from an artificial neural network|Roman Rybka||
||16:00-16:15 |64. Optimization of IRT-T research reactor fuel loading pattern by genetic algorithm|N.V. Smolnikov||
||16:15-16:30 |59. Камни: Коллективная игра между агентами разнообразных типов, разработанная для изучения взаимодействия человека и искусственного интеллекта в многоагентной среде|Чернов К.Н.||
^^16:30 ^CLOSING OF THE CONFERENCE| ||
16