Математика стала «соавтором» Нобелевских премий по физике и химии
Директор Института вычислительной математики и математической геофизики СО РАН Михаил Александрович Марченко выступил на заседании Президиума СО РАН с докладом о Нобелевской премии 2024 года по физике и прокомментировал вручении Нобелевской премии по химии.
Нобелевскую премию по физике в этом году присудили американскому ученому Джону Хопфилду и британско-канадскому исследователю Джеффри Хинтону за «основополагающие открытия и изобретения, которые сделали возможным машинное обучение с использованием искусственных нейросетей». Джон Хопфилд изобрел полносвязную нейронную сеть с симметричной матрицей связи. За основу он взял соотношения из физики — теорию магнетизма и спиновые модели — и создал инструмент для распознавания любой информации, закодированной в матрице. Джеффри Хинтон разработал нейросеть под названием «машина Больцмана», которая позволяет решать сложные комбинаторные задачи, а также задачи оптимизации. Его называют крестным отцом глубокого обучения.
«Многим решение Нобелевского комитета показалось спорным. Однако когда я стал знакомиться с тематикой, то для себя понял, что оно действительно очень глубокое. Нобелевские премии даются за те открытия, которые вносят существенный вклад в развитие наук. Сейчас невозможно отрицать, что вклад нейросетей колоссальный», — отметил директор ИВМиМГ СО РАН, заведующий кафедрой вычислительных систем механико-математического факультета Новосибирского государственного университета и главный научный сотрудник Центра искусственного интеллекта НГУ, доктор физико-математических наук Михаил Александрович Марченко.
Сегодня нейросети применяются во многих областях физики. Это и квантовая теория многих тел, и более высокое разрешение в явных климатических моделях, основанных на физике, и инструмент анализа в экспериментах по физике высоких энергий (так, нейросети использовались при анализе данных, что способствовало открытию бозона Хиггса). Также нейросети активно применяются в астрофизике и астрономии. Замечательные открытия, которые совершают космические аппараты, делаются с использованием цифровых двойников и нейросетей. С 2014 года количество научных статей с упоминанием нейросетей демонстрирует экспоненциальный рост.
«К сожалению, Россия в этом плане отстает, потому что у нас не хватает вычислительных мощностей», — отметил Михаил Марченко. Ученый также добавил, что революция в нейросетях началась с работ советских математиков Андрея Николаевича Колмогорова и Владимира Игоревича Арнольда, которые в 1957 году решили тринадцатую проблему Гильберта, доказав, что сложные функции можно заменять простыми, а все существующие математические операции — сложением и суперпозицией.
«В современных нейросетях разработки Джона Хопфилда и Джеффри Хинтона не используются, но их новаторские методы сыграли важную роль в формировании области нейронных сетей и глубокого обучения. Они показали совершенно новый способ использования компьютерных систем, создали новый инструмент и продемонстрировали, как решать проблемы, с которыми сталкиваются наука и общество», — резюмировал Михаил Марченко.
Михаил Марченко также выступив вторым докладчиком, прокомментировав вручение Нобелевской премии по химии. В 2024 году ее присудили Дэвиду Бейкеру, Демису Хассабису и Джону Джамперу за дизайн и предсказание структуры белков вычислительными методами.
С сообщением о значении этой работы для развития химической науки выступил директор Института химической биологии и фундаментальной медицины СО РАН доктор химических наук Владимир Васильевич Коваль.
«Информация о структуре белка необходима в первую очередь для фундаментальных исследований и особенно для фармацевтики. В 2023 году было разрешено 55 новых лекарств, это рекордный год по внедрению новых препаратов. Если мы посмотрим, что это за лекарства, то увидим, что большинство из них сделаны на основе знаний о структуре белков. Важно отметить, что Россия внесла меньше 1 000 структур в международную базу данных. Я уверен, что с помощью Центра коллективного пользования “Сибирский кольцевой источник фотонов” и метода белковой кристаллографии мы сможем продвинуться в этом направлении», — сказал Владимир Коваль.
Михаил Марченко, выступив вторым докладчиком, рассказал о программе AlphaFold, которую создали нобелевские лауреаты.
«AlphaFold2 решает задачу прогнозирования структуры белка по его аминокислотной последовательности. В программе используется нейросеть с блоком внимания. Она определяет связи между аминокислотными остатками с учетом уже известных похожих белков, и после этого алгоритм моделирует трехмерную структуру. Основная цель создания программы — разработка фармацевтических препаратов, направленных на конкретные молекулярные или биологические мишени», — отметил Михаил Марченко.
(Подготовлено по материалам издания «Наука в Сибири», https://www.sbras.info/)