THEORY

User Tools

Site Tools

Trace: • timetable
dlcp2026:timetable

Table of Contents

Timetable

05.06.2026

Предварительная версия расписания от 3 июля.

PDF файл.

Moscow time (MSK), on site and ZOOM

Attention! Before the presentation, the speaker must send a presentation in PDF format for posting on the website.

Section 1. Machine Learning in Fundamental Physics

July 6, 2026. SINP MSU, bld.19, room 2-15

* - remote report

11:00-11:45 Welcome coffee & Rigistration
11:45-12:00 Открытие конференцииДиректор НИИЯФ МГУ, чл.-корр. РАН Э.Э.Боос
12:00-12:30 Нобелевская премия по физике 2024: почему её получили не физики, или Как физические принципы легли в основу методов машинного обучения С.А.Доленко
Invited report
12:30-12:45 24. Machine-Learning-Driven Particle Identification with the FARICH Detector under Realistic Operating Conditions P. Rogozhin
12:45-13:00 21. Feature-Based and Deep Learning Methods for Astronomical Light Curve Classification V. Baymakanov
13:00-13:15 36. Towards Foundational Models for HEP: Learning Universal Top-Quark Event Representations Zaborenko A.
13:15-13:30 Высокопроизводительное хранилище по запросу для поддержки инференса – преимущество подхода дизаггрегированной компонуемой инфраструктуры А.А. Московский
Приглашенный доклад
13:30-14:30 LUNCH
14:30-14:45 27. Application of machine learning for the analysis of four-jet final states in the CEPC experiment A.Staritsyna
14:45-15:00 17. Lorentz-Equivariant Geometric Algebra Transformers for Top-Quark Event Reconstruction Abasov E.
15:00-15:15 Neural Network-Based Shower Core Reconstruction in the HiSCORE Experiment using Autoencoder-Derived Essential Features J.Dubenskaya
15:15-15:30 49. Deep learning methods for gamma event selection in TAIGA-IACT image analysis in stereo-mode *Е.О. Гресь
15:30-15:45 31. Реконструкция ориентации многоканального изображающего детектора с помощью нейросетевой оценки отношения Р.Е. Сараев
15:45-16:00 54. On neural inverse problem of celestial mechanics *Shorokhov Sergey
16:00-16:30 Coffee Break
16:30-16:45 52. Метод машинного обучения для разделения тяжелой и легкой компнент в космических лучах по данны АЧТ П.А. Волчугов
17:00-17:15 3. Применение графовых нейронных сетей для сегментации хитов в глубоководном нейтринном телескопе Baikal-GVD Лев Осадчий
17:15-17:30 14. Kohn–Sham Spectral Embedding on Sparse Graphs at the Nishimori Temperature for Image Classification V. S. Usatyuk

14

Section 2. Machine Learning in Natural Sciences

July 7, 2026. SINP MSU, bld.19, room 2-15

* - remote report

10:00-10:15 22. An Approach to Solving Model Problems in Computational Fluid Dynamics Based on Physics-Informed Neural Networks *Tarasov A.A.
10:15-10:30 34. Detection of Slowly Developing Anomalies in Engineering Systems Based on Matrix Profile Family Algorithms and Multivariate Time Series Representation Methods *Kalita Anastasiia
10:30-10:45 33. Large Language Models for Tabular Data Classification Timofei Izhitskii
10:45-11:00 32. Сверточные нейронные сети для разработки углеродных наносенсоров с управляемыми люминесцентными свойствами Г. Н. Чугреева
11:00-11:15 45. Вычисление моментов как способ параметризации 2D-карт фотолюминесценции при решении обратной задачи спектроскопии Г.А.Куприянов
11:15-11:45 Coffee Break
11:45-12:00 38. Сравнение глубоких архитектур при различных уровнях предобработки фМРТ в задаче бинарной классификации мозговой активности А.С.Макаров
12:00-12:15 41. Transfer Learning via Source-Target Domain Data Mixing for Solving Multi-Parameter Inverse Problems in Optical Spectroscopy Mardanov A.P.
12:15-12:30 42. One Model for All Columns: Unified Learning for Tabular Data *Kirill Katsuba
12:30-12:45 43. Преодоление доменного сдвига в спектрах КР природных вод: подход на основе доменной адаптации без учителя для многокомпонентной регрессии Л.С.Утегенова
12:45-13:00 46. Использование алгоритмов машинного обучения для доменной адаптации при переходе между данными космических аппаратов *Пятикоп А.В.
13:00-13:15 47. Нейросетевое определение концентраций ионов в природной воде с использованием стратегий параметрически эффективной адаптации М.К.Шалеев
13:15-13:30 28. A Physics-Informed Neural Network Framework for Multidimensional Heat Transfer: Benchmarking Against Finite-Difference Methods *S. M. Kiura
13:30-14:30 LUNCH
14:30-15:00 4. Топовые вычислительные системы для суперкомпьютинга и ИИ.
Приглашенный доклад 		В.Егоршев
15:00-15:15 13. Метод автоматизированной обработки научных публикаций *Хвостова М.О.
15:15-15:30 35. OPTIMIZATION OF THE OPERATING TEMPERATURE RANGE OF SEMICONDUCTOR GAS SENSORS USING MACHINE LEARNING Isaev I.V.
15:30-15:45 57. Оптимизация для инженерного проектирования Фомичева Н.В.
15:45-16:00 56. Оптимизация генераторов ветропарка Греков П.П.
16:00-16:30 Coffee Break
16:30-16:45 6. О предподготовке входных данных для спайковых нейронных сетей В.А. Ильин
16:45-17:00 50. Methodology for Processing Open Data for Machine Learning Models in BSM Searches Volkov P
17:00-17:15 1. Invertible Neural Networks and the Possibility of their Applications to Cosmic Rays Data Analysis A.Kryukov

19

Section 3. Machine Learning for Environmental Sciences

July 8, 2026. SINP MSU, bld.19, room 2-15

* - remote report

10:00-10:15 2. Convolutional Neural Networks and Bayesian Classification for Risk Assessment of High-Latitude Critical Infrastructure *Vorobev A.V.
10:15-10:30 16. Автоматизация обнаружения нерки в данных визуальной оптической съемки с борта БПЛА в районе озера Начикинское (Камчатка) с применением искусственных нейронных сетей Шаталов Д.Д.
10:30-10:45 23. Structured Training Ablation and GSD-Adaptive Orthophoto Inference for UAV-Based Pavement Defect Detection with YOLO26 *Mustafa A.
10:45-11:00 29. Integrated Study of Seismoacoustic Facies Types Using Deep Learning Methods in the Romanche Fracture Zone *Popov M.S.
11:00-11:15 44. Texture Based Explainable Machine Learning for Automated Glacial Crevasse Detection in GPR Radargrams *Ripul Ghosh
11:15-11:45 Coffee Break
11:45-12:00 20. Реализация локальных моделей машинного обучения для аппроксимации коротковолновой радиации у поверхности земли в облачных условиях по геофизическим предикторам для Московского региона Петров Н.А.
12:00-12:15 12. Ускорение численного моделирования в задаче рассеяния атмосферных примесей в городской застройке методами глубокого обучения И. А. Герасимов
12:15-12:30 11. АНАЛИЗ СТРУКТУРЫ ДАННЫХ СТРАТОСФЕРНОГО ПОЛЯРНОГО ВИХРЯ С ПРИМЕНЕНИЕМ САМОКОНТРОЛИРУЕМОГО ОБУЧЕНИЯ E. А. Демидова
12:30-12:45 37. Cloud Base Height Estimation from Stereo Images Using Deep Feature Matching and Temporal Filtering *Ivan Ustimov
12:45-13:00 55. Cloud Base Height Assessment via Stereo-Based Neural Network Feature Matching *E.A. Belkova
13:00-13:15 59. Retrieval of Vertical Aerosol Extinction Profiles in the Lower Troposphere from MAX-DOAS Spectral Measurements Using a Deep Learning Transformer Architecture D.R. Shamsutdinov
13:15-13:30 26. Автоматическая предварительная разметка судовых снимков в задаче обнаружения плавающего морского мусора И. А. Герасимов
13:30-14:30 LUNCH
14:30-14:45 48. Параметризация субмезомасштабного вертикального потока плавучести с помощью свёрточной нейронной сети на основе крупномасштабных характеристик перемешанного слоя В.Ю.Резвов
14:45-15:00 61. Comparing Direct and Autoregressive Neural Forecasting Strategies for Black Sea Ocean State Prediction at Sub-Seasonal Horizons M. Borisov
15:00-15:15 19. Self-Supervised Eddy Embeddings for Irminger Ring Analysis in the Labrador Sea *Mikhail Kalinin
15:15-15:30 53. Improving Wind-Wave Estimation from Shipborne Radar Data with CNNs, Synthetic Pretraining, and Weather Forecasts *Alexander Suslov
15:30-15:45 Закрытие конференции
15:45-16:30 Coffee Break

16

dlcp2026/timetable.txt · Last modified: by admin