Над чем работают аспиранты

Устранение погрешностей на томографических снимках, изучение новейших методик преподавания и создание методов устойчивых поставок на предприятия лесопромышленной отрасли: в День аспиранта рассказываем, как гранты стимулируют молодых ученых на создание научных проектов. 

Умный алгоритм для медицины 

Аспирант кафедры электронных приборов и устройств (ЭПУ) СПбГЭТУ «ЛЭТИ» Иван Ларионов предложил использовать нейронные сети для повышения качества томографических исследований. Разработка аспиранта представляет собой набор алгоритмов по устранению различных артефактов (лишних деталей на изображении, шумов, отсутствующих в исходных данных) на томографических снимках. 

Сегодня существует большое количество исследований, посвященных повышению качества томографических процессов, однако разработка молодого ученого ЛЭТИ имеет особый интерес: в проекте используются новые методики подавления различного рода артефактов, возникающих при томографической реконструкции – в том числе с применением сверточных нейронных сетей и системы распределенных вычислений в реконструкции. 

Алгоритм может быть применен в музейном деле и медицине, использоваться в доклинических исследованиях лекарственных препаратов и при проведении пожарно-технической экспертизы. 

«Улучшение процесса реконструкции в рамках информативности и снижения количества артефактов позволит также снизить дозовую нагрузку на объект исследования, что в крайней степени актуально в медицинской томографии», – отмечает Иван Ларионов. 

На сегодняшний день завершен первый этап реализации проекта, в рамках которого ученые решали задачи по исследованию артефактов в рентгеновской компьютерной томографии и разработке алгоритмов их коррекции. Часть разработанных алгоритмов уже апробирована в работе настольного микрофокусного рентгеновского томографа. В планах ученых ЛЭТИ – создание нейросети, определяющей и корректирующей различные типы артефактов. 

В октябре 2019 года Иван Ларионов стал победителем Конкурса РФФИ на лучшие проекты фундаментальных научных исследований, выполняемые молодыми учеными-аспирантами.  

Технологии в промышленном секторе 

Проект Родиона Рогулина посвящен исследованию методов и моделей формирования устойчивых региональных цепочек поставок сырья на предприятия лесопромышленной отрасли. Основная цель аспиранта Владивостокского государственного университета экономики и сервиса – разработать экономико-математический аппарат поддержки предприятий по вопросам взаимодействия товарно-сырьевой биржи России и потребителей. 

Разработка Родиона стала победителем в номинации «Цифровая экономика» конкурса «Лучших инновационных проектов», итоги которого были подведены в сентябре 2020 года. 

Модели и алгоритмы работы, созданные аспирантом, уже готовы к внедрению на производство, однако требуют капиталовложения от предприятий реального сектора экономики. 

Компьютерная обработка естественного языка 

Аспирант Омского государственного технического университета Иван Шарун разработал алгоритм обработки естественного языка (не созданный целенаправленно язык, используемый для общения людей). Он поможет упростить работу составителям образовательных программ. 

По словам Ивана, образовательная программа представляет собой набор документов, регламентирующих основные характеристики образования – содержание, объем, форма аттестации и многие другие. Созданный алгоритм поможет анализировать структуру перечисленных элементов и решать задачи в работе с естественным языком – создании вопросно-ответных систем, систем извлечения знаний, автореферирования и других.  

«Компьютеры не понимают речь. Гораздо лучше им удается работать с числами, считать их по формулам. На данный момент мы работаем над созданием моделей и алгоритмов для перевода нашего обычного языка, на котором мы говорим, в понятный для компьютера формат. Это необходимо для того, чтобы он мог не только хранить текст на обычном языке, но и извлекать из него факты, полезную информацию, делать логические выводы. Сейчас это делается с помощью построения больших искусственных нейронных сетей. Мы хотим создать инструментарий для выполнения этих задач, но уже без недостатков присущих искусственным нейронным сетям», – прокомментировал аспирант. ​​