Адрес e-mail:
Прошедшие события
AI 2020: технологии, рынок и управление продуктами
Родительское собрание в МФТИ
Летняя онлайн-школа «Всероссийский навигатор абитуриентов МФТИ»
Фазли Атауллаханов: «Физика свертывания крови и COVID-19»
Юрий Яровиков: «Какая математика нужна в анализе данных?»
Михаил Бурцев — об экспериментах с Memory Transformer
Даниил Поляков: «Мощь Python на все случаи жизни»
Презентация магистерской программы «Биоинформатика» ФБМФ и Napoleon IT
Александр Львовский: «Квантовая революция как мировой технологический тренд»
Выпускной МФТИ 2020: онлайн-формат не отменяет праздник
Директор ФИАН Николай Колачевский: «Наука и технологии: путь в лидерство»
Онлайн-презентация кафедры космической физики ЛФИ
Сессия вопросов-ответов с биоинформатиком Антоном Буздиным
Презентация магистерской программы «Физика сверхпроводимости и квантовых материалов»
Презентация магистерской программы «Двумерные материалы: физика и технология наноструктур»
Презентация магистерской программы «Цифровые технологии в бизнесе»
Денис Дмитриев: «Особенности поступления и ответы на вопросы. Приемная кампания — 2020»
Всероссийский онлайн-выпускной
Онлайн-презентация кафедры интегрированных киберсистем ФРТК
Сессия вопросов-ответов с Михаилом Щелкановым

На Физтехе пройдет лекция профессора из EPFL, посвященная машинному обучению в дизайне материалов

7 июня в 15:00 в 110 КПМ состоится лекция «Atomistic Machine Learning between Physics and Data», посвященная машинному обучению в дизайне материалов.

Лектор — Микеле Чериотти (Michele Ceriotti) профессор Федеральной политехнической школы Лозанны (EPFL), руководитель лаборатории вычислительной математики и моделирования EPFL.

Abstract:

Statistical regression techniques are a very fashionable tool to predict the properties of systems at the atomic scale, sidestepping much of the computational cost of first-principles simulations and making it possible to perform simulations that require thorough statistical sampling without compromising on the accuracy of the electronic structure model. In this talk professor Ceriotti will argue how data-driven modelling can be rooted in a mathematically rigorous and physically-motivated framework, and how this is beneficial to the accuracy and transferability of the model. He will also highlight how machine learning — despite amounting essentially to data interpolation — can provide important physical insights on the behavior of complex systems, on the synthesizability and on the structure-property relations of materials. The examples will be given concerning all sorts of atomistic systems, from semiconductors to molecular crystals, and properties as diverse as drug-protein interactions, dielectric response of aqueous systems and NMR chemical shielding in the solid state.

Лекция пройдет на английском языке. Вход свободный, приглашаются все желающие.

Также 6 июня в Сколтехе пройдет международный воркшоп, посвященный применению методов машинного обучения в области дизайна новых материалов, где профессор Чериотти выступает в качестве докладчика.

На официальном Youtube-канале МФТИ пройдет онлайн-трансляция лекции.
Если вы заметили в тексте ошибку, выделите её и нажмите Ctrl+Enter.

© 2001-2020 Московский физико-технический институт (национальный исследовательский университет)

Противодействие коррупции | Сведения о доходах

Политика обработки персональных данных МФТИ

Техподдержка сайта | API

Использование новостных материалов сайта возможно только при наличии активной ссылки на https://mipt.ru

МФТИ в социальных сетях