Differences

This shows you the differences between two versions of the page.

--- dlcp2026:timetable [09/07/2026 09:54] – removed - external edit (Unknown date) 127.0.0.1
+++ dlcp2026:timetable [20/07/2026 11:18] (current) – [Section 1. Machine Learning in Fundamental Physics] admin
@@ Line 1: / Line 1: @@
+{{:dlcp2026:dlcp26-logo.png?200|}}
+====== Timetable ======
+//05.06.2026//
+**Предварительная версия расписания от 3 июля.** {{  :dlcp2026:closed.png?200|}}
+{{ :dlcp2026:dlcp2026_timetable.pdf |PDF}} файл.
+//Moscow time (MSK), on site and ZOOM// \\
+<color /orange>//**Attention! Before the presentation, the speaker must send a presentation in PDF format for posting on the website.**//</color>
+===== 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 конференции|Директор НИИЯФ МГУ, чл.-корр. РАН Э.Э.Боос ||
+^^12:00-12:30 ^ {{:dlcp2026:slides:dolenko.pdf|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 | {{ :dlcp2026:slides:24.rogozhin_revised.pdf |24. Machine-Learning-Driven Particle Identification with the FARICH Detector under Realistic Operating Conditions}} | P. Rogozhin ||
+||12:45-13:00 | {{ :dlcp2026:slides:21.baymakanov.pdf|21. Feature-Based and Deep Learning Methods for Astronomical Light Curve Classification}} | V. Baymakanov ||
+||13:00-13:15 | {{:dlcp2026:slides:36.zaborenko.pdf|36. Towards Foundational Models for HEP: Learning Universal Top-Quark Event Representations}} | Zaborenko A. ||
+||13:15-13:30 ^ {{:dlcp2026:slides:moskovsky_v0.pdf|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 | {{:dlcp2026:slides:27.staritsyna.pdf|27. Application of machine learning for the analysis of four-jet final states in the CEPC experiment}} | A.Staritsyna ||
+||14:45-15:00 | {{:dlcp2026:slides:17.abasov.pdf|17. Lorentz-Equivariant Geometric Algebra Transformers for Top-Quark Event Reconstruction}} | Abasov E. ||
+|| 15:00-15:15 | {{ :dlcp2026:slides:07.dubenskaya.pdf |07. Neural Network-Based Shower Core Reconstruction in the HiSCORE Experiment using Autoencoder-Derived Essential Features}} | J.Dubenskaya ||
+||15:15-15:30 | {{:dlcp2026:slides:49.gres.pdf|49. Deep learning methods for gamma event selection in TAIGA-IACT image analysis in stereo-mode}} | *Е.О. Гресь ||
+||15:30-15:45 | {{ :dlcp2026:slides:31.saraev.pdf|31. Реконструкция ориентации многоканального изображающего детектора с помощью нейросетевой оценки отношения }}|Р.Е. Сараев||
+||15:45-16:00 | {{:dlcp2026:slides:54.shorokhov.pdf|54. On neural inverse problem of celestial mechanics}} | *Shorokhov Sergey ||
+^^ 16:00-16:30  ^ Coffee Break | ||
+|| 16:30-16:45| {{:dlcp2026:slides:52.volchugov.pdf|52. Метод машинного обучения для разделения тяжелой и легкой компнент в космических лучах по данны АЧТ}} | П.А. Волчугов ||
+|| 17:00-17:15  | {{ :dlcp2026:slides:3.osadchiy-2.pdf |3. Применение графовых нейронных сетей для сегментации хитов в глубоководном нейтринном телескопе Baikal-GVD}}| Лев Осадчий ||
+|| 17:15-17:30  |{{ :dlcp2026:slides:14.usatyuk.pdf |14. Kohn–Sham Spectral Embedding on Sparse Graphs at the Nishimori Temperature for Image Classification}} | V. S. Usatyuk   ||
+----
+===== Section 2. Machine Learning in Natural Sciences =====
+**July 7, 2026.  SINP MSU, bld.19, room 2-15 **
+//* - remote report//
+||10:00-10:15 | {{ :dlcp2026:slides:22.тарасов.pdf|22. An Approach to Solving Model Problems in Computational Fluid Dynamics Based on Physics-Informed Neural Networks}}  | *Tarasov A.A. ||
+||10:15-10:30 | {{:dlcp2026:slides:34.kalita.pdf|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 | {{:dlcp2026:slides:33.izhitskii.pdf|33. Large Language Models for Tabular Data Classification}} | Timofei Izhitskii||
+||10:45-11:00 | {{:dlcp2026:slides:32.chugreeva.pdf|32. Сверточные нейронные сети для разработки углеродных наносенсоров с управляемыми люминесцентными свойствами}} | Г. Н. Чугреева ||
+||11:00-11:15 | {{:dlcp2026:slides:45.куприянов.pdf|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 | {{:dlcp2026:slides:38.макаров.pdf|38. Сравнение глубоких архитектур при различных уровнях предобработки фМРТ в задаче бинарной классификации мозговой активности}} | А.С.Макаров ||
+||12:00-12:15 | {{:dlcp2026:slides:41.mardanov.pdf|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 | {{:dlcp2026:slides:42.katsuba.pdf|42. One Model for All Columns: Unified Learning for Tabular Data}}  | *Kirill Katsuba ||
+||12:30-12:45 | {{:dlcp2026:slides:43.утегенова.pdf|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 | {{:dlcp2026:slides:46.пятикоп.pdf|46. Использование алгоритмов машинного обучения для доменной адаптации при переходе между данными космических аппаратов}} | *Пятикоп А.В. ||
+||13:00-13:15 | {{:dlcp2026:slides:47.шалеев.pdf|47. Нейросетевое определение концентраций ионов в природной воде с использованием стратегий параметрически эффективной адаптации}} | М.К.Шалеев ||
+||13:15-13:30  | {{ :dlcp2026:slides:28.kiura.pdf | 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  | {{:dlcp2026:slides:4.egorshev.pdf|4. Топовые вычислительные системы для суперкомпьютинга и ИИ.}} \\ Приглашенный доклад | В.Егоршев ||
+||15:00-15:15 | {{ :dlcp2026:slides:13.хвостова.pdf |13. Метод автоматизированной обработки научных публикаций}}| *Хвостова М.О. ||
+||15:15-15:30 | {{:dlcp2026:slides:35.isaev.pdf|35. OPTIMIZATION OF THE OPERATING TEMPERATURE RANGE OF SEMICONDUCTOR GAS SENSORS USING MACHINE LEARNING}} | Isaev I.V. ||
+||15:30-15:45   | {{:dlcp2026:slides:57.fomicheva.pdf|57. Оптимизация для инженерного проектирования
+}}  | Фомичева Н.В. ||
+|| 15:45-16:00 | {{:dlcp2026:slides:56.grekov.pdf|56. Оптимизация генераторов ветропарка}} | Греков П.П. ||
+^^ 16:00-16:30  ^ Coffee Break | ||
+||16:30-16:45  | {{:dlcp2026:slides:6.ilyin.pdf|6. О предподготовке входных данных для спайковых нейронных сетей}} | В.А. Ильин ||
+|| 16:45-17:00 | {{:dlcp2026:slides:50.volkov.pdf|50. Methodology for Processing Open Data for Machine Learning Models in BSM Searches}} | Volkov P ||
+|| 17:00-17:15 | <del>1. Invertible Neural Networks and the Possibility of
+their Applications to Cosmic Rays Data Analysis</del> {{:dlcp2026:canceled.png?64|}} | A.Kryukov ||
+----
+===== Section 3. Machine Learning for Environmental Sciences =====
+**July 8, 2026.  SINP MSU, bld.19, room 2-15 **
+//* - remote report//
+||10:00-10:15  | {{ dlcp2026:slides:2.vorobev.pdf |2. Convolutional Neural Networks and Bayesian Classification for Risk Assessment of High-Latitude Critical Infrastructure }}| *Vorobev A.V. ||
+||10:15-10:30  | {{ :dlcp2026:slides:16.shatalov.pdf | 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 | {{ :dlcp2026:slides:23.mustafa.pdf | 23. Structured Training Ablation and GSD-Adaptive Orthophoto Inference for UAV-Based Pavement Defect Detection with YOLO26 }} | *Mustafa A. ||
+|| 10:45-11:00 |{{ :dlcp2026:slides:29.popov.pdf |29. Integrated Study of Seismoacoustic Facies Types Using Deep Learning Methods in the Romanche Fracture Zone}} | *Popov M.S. ||
+|| 11:00-11:15 | {{:dlcp2026:slides:44.ghosh.pdf|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  | {{:dlcp2026:slides:20.petrov.pdf |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 |{{:dlcp2026:slides:12.gerasimov1.pdf|12. Ускорение численного моделирования в задаче рассеяния атмосферных примесей в городской застройке методами глубокого обучения}}| И. А. Герасимов  ||
+||12:15-12:30 |{{:dlcp2026:slides:11.demidova.pdf|11. АНАЛИЗ СТРУКТУРЫ ДАННЫХ СТРАТОСФЕРНОГО ПОЛЯРНОГО ВИХРЯ С ПРИМЕНЕНИЕМ САМОКОНТРОЛИРУЕМОГО ОБУЧЕНИЯ}} | E. А. Демидова ||
+|| 12:30-12:45 | {{:dlcp2026:slides:37.ustimov.pdf|37. Cloud Base Height Estimation from Stereo Images Using Deep Feature Matching and Temporal Filtering}} | *Ivan Ustimov ||
+||12:45-13:00 | {{:dlcp2026:slides:55.belkova.pdf|55. Cloud Base Height Assessment via Stereo-Based Neural Network Feature Matching}} | *E.A. Belkova ||
+||13:00-13:15 | {{:dlcp2026:slides:59.shamsutdinov.pdf|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 | {{ :dlcp2026:slides:26.gerasimov.pdf |26. Автоматическая предварительная разметка судовых снимков в задаче обнаружения плавающего морского мусора}} | И. А. Герасимов ||
+^^ 13:30-14:30  ^ LUNCH  |  ||
+||14:30-14:45 | {{:dlcp2026:slides:48.rezvov.pdf|48. Параметризация субмезомасштабного вертикального потока плавучести с помощью свёрточной нейронной сети на основе крупномасштабных характеристик перемешанного слоя}} | В.Ю.Резвов ||
+||14:45-15:00 | {{:dlcp2026:slides:61.borisov.pdf|61. Comparing Direct and Autoregressive Neural Forecasting Strategies for Black Sea Ocean State Prediction at Sub-Seasonal Horizons}} | M. Borisov ||
+||15:00-15:15   | {{:dlcp2026:slides:19.kalinin.pdf|19. Self-Supervised Eddy Embeddings for Irminger Ring Analysis in the Labrador Sea}}  | *Mikhail Kalinin ||
+||15:15-15:30 | {{:dlcp2026:slides:53.suslov.pdf|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  |  ||
+----