Исследователи НИУ ВШЭ представили новую архитектуру нейронных сетей, понимающую симметрии мира
Сотрудники Лаборатории геометрической алгебры и приложений НИУ ВШЭ разработали новую архитектуру нейронных сетей, которая может ускорить и упростить анализ данных в физике, биологии и инженерии. Свое решение ученые представили 16 июля в Ванкувере на ведущей международной конференции по машинному обучению ICML 2025. Текст статьи и исходный код выложены в открытый доступ.
Многие объекты — от молекул до роботов и элементарных частиц — сохраняют свои свойства при повороте или зеркальном отражении. Современные эквивариантные нейросети способны учитывать такие симметрии при обработке данных, что делает их особенно востребованными в научных и технологических задачах — от моделирования химических соединений до анализа физических процессов и распознавания изображений.
Но у этих моделей есть недостаток: за высокую точность приходится платить сложностью. Они требуют огромного количества обучаемых параметров, что делает их тяжеловесными, требовательными к ресурсам и подверженными переобучению, особенно если данных немного.
Сотрудники департамента математики и Лаборатории геометрической алгебры и приложений факультета экономических наук НИУ ВШЭ Екатерина Филимошина и Дмитрий Широков разработали архитектуру GLGENN (Generalized Lipschitz Group Equivariant Neural Networks), которая решает эту проблему. Она позволяет моделям сохранять симметрии в данных, но при этом требует в разы меньше параметров. Добиться этого авторам помог известный математический аппарат — геометрические алгебры Клиффорда — и оригинальный метод разделения весов, который учитывает внутренние алгебраические структуры данных.
«Мы хотели построить модель, которая будет умной, но при этом легкой, — говорит стажер-исследователь Лаборатории геометрической алгебры и приложений ФЭН НИУ ВШЭ Екатерина Филимошина. — GLGENN показывает, что эквивариантные нейросети не обязаны быть громоздкими и сложными. Даже с ограниченными данными они могут обучаться эффективно и без потери качества».
Модель прошла испытания на разнообразных задачах — от симуляции физических процессов до работы с геометрическими данными — и показала результаты, сравнимые или лучшие, чем у существующих методов. При этом GLGENN работает быстрее и эффективнее за счет меньшего числа обучаемых параметров, что делает ее более доступной для практического применения.
Дмитрий Широков
«Эти результаты могут стать шагом к созданию новых нейросетевых инструментов для науки и техники, — добавляет заведующий Лабораторией геометрической алгебры и приложений ФЭН НИУ ВШЭ Дмитрий Широков. — Мы уверены, что подход, основанный на геометрических алгебрах, найдет применение в самых разных областях, включая биоинформатику, робототехнику и геоинформатику».
Участие в ICML стало признанием высокого уровня исследований в области машинного обучения, которые ведутся в НИУ ВШЭ. Ученые планируют развивать архитектуру GLGENN, расширяя ее возможности для работы с новыми типами данных, а также исследовать потенциальное применение модели в задачах физики, робототехники и компьютерного зрения.
Исследование поддержано проектом «Зеркальные лаборатории» НИУ ВШЭ «Кватернионы, геометрические алгебры и приложения».
Вам также может быть интересно:
Исследователи ВШЭ показали, как создавать регуляторную ДНК напрямую
Исследователи НИУ ВШЭ разработали модель для генерации промоторов и энхансеров — участков ДНК, регулирующих работу генов. Модель работает с нуклеотидами ДНК напрямую, без промежуточного преобразования в непрерывное числовое пространство. Разработка может быть полезна в синтетической биологии и генной терапии. Результаты исследования представлены на воркшопе конференции ICLR 2026.
Развивая сотрудничество: совместный семинар ФКН ВШЭ и Харбинского технологического университета
13–16 июля на факультете компьютерных наук прошел Российско-китайский научно-исследовательский семинар по приложениям машинного обучения, организованный Научно-учебной лабораторией облачных и мобильных технологий совместно с Харбинским политехническим университетом (Китай). Делегация из семи студентов и трех представителей университета прибыла в Москву, чтобы принять участие в интенсивной четырехдневной программе.
«Работа с ИИ — решение целого спектра инженерных задач»
Искусственный интеллект — рабочий инструмент, построенный на сбалансированном сочетании алгоритмов с инженерной проработкой. Как технологии ИИ способны улучшить приложение, устройство, систему и какие инженерные задачи решаются при этом, рассказывают специалисты и аспиранты Московского института электроники и математики ВШЭ.
Новая секция по ИИ и призовое место: молодые ученые Вышки на Международной конференции IEEE EDM
В Республике Алтай прошла 27-я Международная конференция молодых специалистов в области электронных приборов и материалов (IEEE EDM). В этом году ученые НИУ ВШЭ представили на ней результаты своих исследований, а также приняли участие в организации новой секции по искусственному интеллекту. Доклад магистранта Вышки Родиона Сидоренко занял третье место в конкурсе научных работ конференции.
НИУ ВШЭ инициировал разработку этического стандарта для антропоморфных роботов
Развитие антропоморфной робототехники требует не только технологических, но и этических решений. В июле на площадке Института робототехнических систем НИУ ВШЭ прошла форсайт-сессия, посвященная разработке Этического стандарта для антропоморфных робототехнических комплексов. Представители бизнеса, органов государственной власти, научных организаций и университетов обсудили ключевые этические и правовые вопросы, связанные с развитием антропоморфных робототехнических комплексов. Главным итогом встречи стала подготовка проекта Этического стандарта.
НИУ ВШЭ первым среди университетов начал фиксировать интеллектуальные права на научные результаты в блокчейне
Высшая школа экономики подключила свой Репозиторий научно-технической информации к доверенной блокчейн-сети РЦИС.РФ как самостоятельный узел. Теперь каждый исследовательский результат, размещенный в цифровом хранилище НИУ ВШЭ, может получить признаваемую госорганами запись в распределенном реестре, подтверждающую авторство и принадлежность исключительных прав.
ФКН ВШЭ и ЧГУ реализовали три отраслевых образовательных модуля по искусственному интеллекту
В 2025/26 учебном году факультет компьютерных наук (ФКН) ВШЭ совместно с Череповецким государственным университетом реализовал три отраслевых образовательных модуля по искусственному интеллекту. Инициатива была представлена в рамках проекта «Топ-ИИ» Минцифры России при участии АНО «Аналитический центр при Правительстве Российской Федерации». Эксперты НИУ ВШЭ совместно с индустриальными партнерами разработали линейку отраслевых образовательных модулей в области искусственного интеллекта.
В НИУ ВШЭ появится суперкомпьютер для работы с ИИ
Высшая школа экономики готовит к запуску второй суперкомпьютер. Новый кластер будет ориентирован прежде всего на задачи ИИ и дополнит уже действующий суперкомпьютер cHARISMa. Его запуск планируется на конец 2026 года.
«Тело саботирует мозг»: ученые НИУ ВШЭ — Санкт-Петербург объяснили физиологическую природу компульсивного переедания
Исследователи НИУ ВШЭ — Санкт-Петербург совместно с экспертами Тюменского государственного медицинского университета доказали, что при расстройствах пищевого поведения (РПП) организм теряет способность адаптироваться к стрессу. Попытки пациентов взять себя в руки при переедании часто не приносят результата: нервная система перестает реагировать на команды мозга.
В НИУ ВШЭ создан Фонд науки и технологий
Фонд науки и технологий НИУ ВШЭ (ФНТ) будет финансировать перспективные научные инициативы, имеющие прикладную направленность и содействующие достижению технологического лидерства России. На поддержку могут рассчитывать проектные команды из всех кампусов университета. Заявку в ФНТ можно подать в любой момент. Рассматривать заявки будет созданный Совет по науке и технологиям НИУ ВШЭ.