Лагранжевы нейронные сети: моделирование физических систем при помощи ИИ
Сегодня хочу вам рассказать про один интересный вид нейронных сетей в физически-информированном машинном обучении (PIML). Одной из задач PIML является поиск решений уравнений динамики. Физику или в общем случае некоторые знания можно интегрировать в нейронную сеть несколькими различными способами. Сегодня мы рассмотрим вариант, как физические законы используются в архитектурных решениях нейронных сетей, а именно лагранжеву нейронную сеть.Прежде чем перейти непосредственно к ее архитектуре, давайте немного вспомним, что такое лагранжиан и зачем он нужен.Лагранжева механика
ИИ как инструмент для создания реальных объектов: от генерации картинки к 3D-печатной игрушке
Недавно в Марий Эл состоялась премьера балета «Снегурочка», где визуальные декорации были созданы с помощью ИИ: художник подготовил эскизы, а нейросети оживили их в динамичные проекции. Это показывает, как ИИ выходит за пределы цифрового контента и применяется для физических опытов — от сценических элементов до осязаемых объектов. Вдохновившись таким подходом, я решил протестировать полный цикл создания 3D-игрушки: от текстовой идеи до пластиковой фигурки жирафа. Но с акцентом на практичность — минимизируя ручной труд за счет ИИ, учитывая распространенные ошибки и глобальные тенденции.
Математика постпраздничного выживания: оптимизируем личные финансы и силы после Нового Года с помощью MATLAB
АннотацияПоздравляю, вы пережили Новый Год. Теперь ваш банковский счет и внутренние ресурсы напоминают лунную поверхность после праздничного салюта — пусто, уныло и усыпано обломками конфетти.2 января 2026 года — не время для паники или пустых обещаний. Это идеальный момент для холодного, математического аудита последствий. Проблема не в отсутствии силы воли, а в одновременной атаке двух системных «врагов»:Финансовый провал.
Augmented LQR: расширяем пространство состояний, чтобы убрать статическую ошибку (Часть 2)
Это вторая, завершающая часть опубликованной ранее на Хабре статьи про MIMO LQR/LQG регуляторы.В первой части мы:Синтезировали линейно квадратичный регулятор (LQR) для управления связанными параметрами — температурой и давлением в автоклаве.Реализовали линейно квадратичный оценщик (LQE) в виде линейного дискретного фильтра Калмана рекурсивного типа для очистки процессных и измерительных гауссовских шумов.Базируясь на принципе разделения
Можно ли с помощью ИИ решать сложные и критичные задачи?
С помощью ИИ вполне можно сгенерировать сайт‑визитку или игру в крестики‑нолики, составить план отпуска или сделать более сложные вещи. А как насчёт того, чтобы сгенерировать ПО для управления атомной станцией или самолётом? Или как насчёт планирования не отпуска, а проекта на сотни человеко‑лет? Это в принципе возможно и можно ли доверять результатам работы ИИ?
Nvidia и General Atomics создали цифровой двойник термоядерного реактора с использованием ИИ
Nvidia совместно с General Atomics и учёными ряда университетов создали цифровой двойник термоядерного реактора с использованием технологий искусственного интеллекта.
Shap-графики: как наглядно объяснить заказчику логику работы модели
Всем привет. Я Андрей Бояренков, лидер кластера бизнес-моделей стрима "Разработка моделей КИБ и СМБ" банка ВТБ.Наш кластер отвечает за: - выстраивание и внедрение процессов AutoML,
Спайковые нейросети на Swift, часть II: Синапсы
Всем привет! В первой части мы обсудили концепцию SNN в общих чертах, выбрали модель Ижикевича для нейрона и реализовали её на Swift. Напомню основные тезисы:Спайковые нейронные сети (SNN) стремятся точнее повторять биологические.Как и живые нейроны, искусственные спайковые нейроны взаимодействуют друг с другом короткими импульсами — спайками.Спайковые нейроны способны интегрировать информацию и обучаться, но механика этих процессов отличается от "традиционных" нейросетей. Там, где важно подчеркнуть различие, будем называть их ANN.
