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 07. 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