Table of Contents

Schudule

30/06/2025

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 конференцииДиректор НИИЯФ МГУ, чл.-корр. РАН Э.Э.Боос
12:00-12:15 36. Реконструкция энергии космических лучей ультравысоких энергий, зарегистрированных флуоресцентным телескопом: одного такта времени может быть достаточно +М.Ю. Зотов
12:15-12:30 *40. Фильтрация ложных максимумов ШАЛ с помощью нейросетевых методов в эксперименте СФЕРА-3 +Энтина Е.Л.
12:30-12:45 *71. Использование нейронного автокодировщика для генерации показаний поверхностных детекторов Telescope ArrayФитагдинов Р.Р.
12:45-13:00 52. Графовая нейронная сеть с механизмом внимания для кластеризации треков частиц по событиям в эксперименте SPD на ускорителе NICAОмелянчук С.С.
13:00-13:15 69. Machine Learning Approach for Lattice Quantum Field Theory CalculationsVsevolod Chistiakov
13:15-13:30 75. 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. Возможность применения метода нормализующих потоков для извлечения редких гамма событий в эксперименте TAIGA
Приглашенный доклад 		+А.Крюков
15:00-15:15 41. SBI в задачах анализа динамических изображений многоканального детектораСараев Р.Е.
15:15-15:30 76. Simulation of trawl processes using SINN architecturesBelkova Kseniia
15:30-15:45 *39. ML-Based Optimum Sub-system Size Heuristic for the GPU Implementation of the Tridiagonal Partition Method +Milena Veneva
15:45-16:00 44. 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. Analysis of the TAIGA-HiSCORE Data using the Latent Space of Autoencoders
Приглашенный доклад 		+Yu. Dubenskaya
17:00-17:15 63. Применение сетей Колмогорова-Арнольда для решения обратной задачи спектроскопии при создании мультимодального наносенсора ионов металлов на основе углеродных точекГ.А.Куприянов
17:15-17:30 *81. 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. ИО РАН

Time Title Reporter
10:00-10:15 90. Модель машинного обучения для прогнозирования вентиляторных порогов+Минкин А.С.
10:15-10:30 67. Доменная адаптация нейронных сетей в задаче диагностики природных вод по спектрам комбинационного рассеяния светаЛ.С.Утегенова
10:30-10:45 *55. Enhancing the Quality of Kp Index Machine Learning Forecasting Using Higher-Frequency Data and Feature TransformationsI.M.Gadzhiev
10:45-11:00 *89. Восстановление высоты зданий с использованием машинного обучения и цифровой модели поверхности ArcticDEMОкунева 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 SENSORSIsaev I.V.
11:45-12:00 51. Нейросетевое пространственное масштабирование полей приповерхностного ветра над Баренцевым и Карским морями+Резвов В.Ю.
12:00-12:15 15. Восстановление приповерхностной влажности атмосферы над океаном с применением методов машинного обучения+С. А. Вострикова
12:15-12:30 73. 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. Application of Convolutional Neural Networks for Upper Ionosphere Remote Sensing Using All-Sky Camera Data+Andrei Vorobev
12:45-13:00 *82. Сравнение методов машинного обучения для учета связей с запаздыванием при моделировании городского острова теплаНазмутдинов К.Ф.
13:00-14:30 LUNCH
14:30-14:45 16. Сравнение моделей машинного обучения в задаче идентификации аномалий в данных визуальной съемки поверхности моряБелоусова 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 96. 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 ImageryAlexander Suslov
15:30-15:45 *92. Intercomparison of machine learning approaches for identifying hail from basic weather parameters+Blinov P.D.
15:45-16:00 COFFEE BREAK
16:00-16:3054. Foundation models of ocean and atmosphere in 2025: milestones and perspectives.Krinitskiy M.A.

16

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. 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 геофизикиМ.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- 95. 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 динамикиШорохов С.Г.
12:30-12:45 74. СОЗДАНИЕ ДИНАМИЧЕСКОГО КОГНОВИЗОРА – РАСПОЗНАВАНИЕ КОГНИТИВНЫХ СОСТОЯНИЙ С ПОМОЩЬЮ МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯМакаров 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 AutoencodersMushchina A.S.
13:15-13:30 *87. 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 UpdatesDmitry Kunitsyn
15:30-15:45 85. Finding optimal carbon dots synthesis parameters for quantitative analysis of components in multi-component aqueous solutions using machine learningGuskov A.A.
15:45-16:00 91. Classifying Russian speech commands with a hardware-deployable spiking neural network transferred from an artificial neural networkAlexey Serenko
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 средеЧернов К.Н.
16:30 CLOSING OF THE CONFERENCE

16