Совещания по гранту проходят в очно-дистанционном формате по четвергам. Начало 10:30. Для дистанционных участников ссылка на Зум высылается за пару дней до совещания либо ее можно найти в разделе с ограниченным доступом.

Архив 2024г.
Архив 2025г.

Присутствовали: П.Волчугов, Е.Гресь, Ю.Дубенская, Д.Журов, А.Крюков, А.Разумов, Е.Федотова.
Ассоциированные члены: А.Демичев, С.Поляков, Е.Постников.

• Публикауция статей
  • DLCP2026 - 3 статьи. 1 статья (Ю.Д.) принята, 2 статьи (Л.Г. и П.В.) на рецензии.
  • MMCP'2026 - 1 статья (А.К.) готовится. Срок 13 сентября.
  • ВККЛ 2026 - 1 статья (А.К.+С.П.) готовится. Последний срок подачи статьи 20 сентября 2026 г.
• Есть надежда, что статьи в DLCP выйдут в этом году.
• Итоговый отчет.
  1. Реализованы обобщённые нейросетевые модели, включающие полный набор

физических параметров ШАЛ, восстанавливаемых традиционными методами, включая направление оси ШАЛ, координаты точки прихода оси, глубина максимума ШАЛ, энергия первичной частица космического излучения.

1. Апробирована возможность разделения легкой (протоны и гелий) и тяжелой

компонент космического излучения с помощью мультимодального анализа данных.

1. Разработана многозадачная (multitasking) нейросетевая модель для получения

спектра первичных космических лучей.

1. Проведены вычислительные эксперименты и практическая апробация

разработанных методов на реальных данных черенковских атмосферных телескопов и массива черенковских станций HiSCORE эксперимента TAIGA.

1. Проведен совместный анализ широких атмосферных ливней (ШАЛ), используя

существенно разнородные данные от одного до четырех атмосферных черенковских телескопов и массива станций HiSCORE.

1. Проведен поиск редких гамма событий по экспериментальным данным TAIGA

для точечного источника гамма-лучей в Крабовидной туманности.

1. Выполнен анализ полученных результатов в ходе выполнения проекта и обобщен

полученный опыт.

1. Выполнено обобщение результатов исследований и сравнение полученных

результаты с традиционными методами.

1. Проведено сопоставление данных из научно-информационных источников и

результатов теоретических и экспериментальных исследований, полученных в ходе выполнения проекта.

1. Проведена оценка эффективности полученных результатов в сравнении с

современным мировым научно-техническим уровнем.

1. Получены свидетельства Федерального института промышленной собственности о

государственной регистрации двух разработанных программ.

1. Программная реализация нейросетевой модели для извлечения редких гамма-

событий из потока космических лучей от Крабовидной туманности.

1. Программная реализация нейросетевой модели для определения энергии

первичных частиц космических лучей.

1. Представить доклады на не менее чем двух международных конференциях и

опубликовать результаты в шести статьях в российских изданиях, индексируемых WoS, Scopus или RSCI.</code>

Присутствовали: П.Волчугов, Е.Гресь, Ю.Дубенская, Д.Журов, А.Крюков, А.Разумов, Е.Федотова.
Ассоциированные члены: А.Демичев, С.Поляков, Е.Постников.

ЗУМ.

Вопросы.

• О статьях по материалам конференции DLCP2026:
  • Ю.Д.,
  • П.В., План.

    Введение
    2. Астрофизический комплекс TAIGA
    2.1. Установка TAIGA-IACT
    3. Монте-Карло моделирование данных
    4. Выделение протонной компоненты с помощью сверточной нейронной сети
    4.1. Архитектуры и выбор рабочей модели
    4.2. Обучение, метрики и критерий отбора
    5. Результаты и сравнение с другими экспериментами
    Заключение

  • Е.Г.. PDF, предварительная версия.
• Д.Ж+П.В. Подготовка к анализу реальных данных.
• Статус текущих задач.

Присутствовали: П.Волчугов, Е.Гресь, Ю.Дубенская, Д.Журов, А.Крюков, А.Разумов, Е.Федотова.
Ассоциированные члены: А.Демичев, С.Поляков, Е.Постников.

ЗУМ.

Вопросы.

• О прошедших конференциях:
  • ВККЛ 2026, 2 доклада (Ю.Д., А.К.)
  • MMCP'2026, 1 доклад (А.К.)
  • DLCP2026, 3 доклада (Ю.Д., П.В., Е.Г.)
• Д.Ж+П.В. Подготовка к анализу реальных данных.
• Статус текущих задач.

Присутствовали: П.Волчугов, Е.Гресь, Ю.Дубенская, Д.Журов, А.Крюков, А.Разумов, Е.Федотова.
Ассоциированные члены: А.Демичев, С.Поляков, Е.Постников.

Вопросы.

• ВККЛ 2026
  • Ю.Дубенская. Постер на ВККЛ
  • А.Крюков. Презентация на ВККЛ
• DLCP2026. Драфты докладов:
  • Е.Г. Выделение гамма событий на основе совместного анализа данных АЧТ в стерео режиме.
  • П.В. Метод разделения легкой и тяжелой компонент по данным АЧТ.
  • А.Р. Применение обратимых нейронных сетей для извлечения физических свойств ШАЛ.
    • А.Разумов. Отчет о запуске FrEIA
• Д.Ж+П.В. Подготовка к анализу реальных данных.
• Статус текущих задач.

Присутствовали: П.Волчугов, Е.Гресь, Ю.Дубенская, Д.Журов, А.Крюков, А.Разумов, Е.Федотова.
Ассоциированные члены: А.Демичев, С.Поляков, Е.Постников.

Вопросы.

• DLCP2026
  • Регистрация на конференции DLCP2026.
    • Сделали: Разумов, Крюков, Демичев, Дубенская, Постников,
    • Не сделали: Гресь, Волчугов, Поляков, Журов
  • Драфты докладов:
    • Е.Г. Выделение гамма событий на основе совместного анализа данных АЧТ в стерео режиме.
    • П.В. Метод разделения легкой и тяжелой компонент по данным АЧТ.
    • А.Р. Применение обратимых нейронных сетей для извлечения физических свойств ШАЛ.
• Опубликована программа ВККЛ-2026
• Д.Ж+П.В. Подготовка к анализу реальных данных.
• Статус текущих задач.
• Доклад Волчугова (15 мин) “Hillas-template анализ данных TAIGA-IACT”.

Присутствовали: П.Волчугов, Е.Гресь, Ю.Дубенская, Д.Журов, А.Крюков, А.Разумов, Е.Федотова.
Ассоциированные члены: А.Демичев, С.Поляков, Е.Постников.

Коллеги, очередное совещание по гранту РНФ состоится в четверг, 11 июня в 10:30. Совещание пройдет в зуме.

Вопросы.

1. Драфты презентаций
   • MMCP. А.Крюков. Метод мультимодального анализа данных эксперимента TAIGA с использованием существенных признаков, извлекаемых с помощью автоэнкодеров
   • ВККЛ. С.Поляков. Использование 1D- и 2D-конволютивных нейросетей для определения направления оси ШАЛ по данным TAIGA HiSCORE
   • ВККЛ. Ю.Дубенская. Shower Core Reconstruction in the HiSCORE Experiment using Neural Networks fed by Autoencoder-Derived Essential Features
2. DLCP2026
   • Регистрация на конференции DLCP2026.
   • подготовка к докладам:
     • Е.Г. Выделение гамма событий на основе совместного анализа данных АЧТ в стерео режиме.
     • П.В. Метод разделения легкой и тяжелой компонент по данным АЧТ.
     • А.Р. Применение обратимых нейронных сетей для извлечения физических свойств ШАЛ.
3. Д.Ж+П.В. Подготовка к анализу реальных данных.
4. Статус текущих задач.
5. Волчугов. Hillas-template анализ данных TAIGA-IACT.

Присутствовали: П.Волчугов, Е.Гресь, Ю.Дубенская, Д.Журов, А.Крюков, А.Разумов.
Ассоциированные члены: А.Демичев, С.Поляков, Е.Постников.

1. С.П. Направление оси. Статус.
   • Ничего принципиального нет.
2. Ю.Д. Точка прихода. Статус.
   • Пока ничего нового
3. П.В. Разделение компонент. Статус.
   • Научился работать с GPU
   • Адаптирую НС.
   • Вставляю ResNet
4. Д.Ж.,П.В. Подготовка экспериментальных данных к мультимодальному анализу. Статус.
   • Через 1-2 недели будут готовы для тестов с сетями.
5. Аннотации докладов на конференциях.
   • ВККЛ 2026.
     • Ю.Д. Определение точки прихода оси ШАЛ методом ИНС с использованием существенных признаков в эксперименте HiSCORE.
     • С.П. Применение 1D сверточных нейронных сетей для определения направления оси ШАЛ в эксперименте HiSCORE.
   • MMCP’2026.
     • А.К. Метод мультимодального анализа данных эксперимента TAIGA с использованием скрытого пространства АЭ.
   • DLCP2026.
     • Е.Г. Выделение гамма событий на основе совместного анализа данных АЧТ в стерео режиме.
       • Аннотации пока нет.
       • Делала обучение на несбалансированных наборах.
     • П.В. Метод разделения легкой и тяжелой компонент по даннм АЧТ.
     • А.Д. Применение обратимых нейронных сетей для извлечения физических свойств ШАЛ.
6. А.К. Регистрация программ.
   1. 1D конволюция - С.П.
   2. MMD (АЭ+конкатенация). - Е.Г.
7. Прочее.

Присутствовали: П.Волчугов, Е.Гресь, Ю.Дубенская, Д.Журов, А.Крюков, А.Разумов.
Ассоциированные члены: А.Демичев, С.Поляков, Е.Постников.

1. С.П. Направление оси.
   • Зависимость точности от порога по числу станций (3, 5, 10);
   • Зависимость точности от порога по ф.э. (100, 300)
2. Ю.Д. Точка прихода. Статус.
   • Построить графики.
   • Пока ничего нового
3. П.В. Разделение компонент. Статус.
4. Д.Ж.,П.В. Подготовка экспериментальных данных к мультимодальному анализу. Статус.
5. П.В. Подготовка МК данных АЧТ с учетом специфики телескопов.
6. Аннотации докладов на конференциях.
   • ВККЛ 2026.
     • Ю.Д. Определение точки прихода оси ШАЛ методом ИНС с использованием существенных признаков в эксперименте HiSCORE.
     • С.П. Применение 1D сверточных нейронных сетей для определения направления оси ШАЛ в эксперименте HiSCORE.
   • MMCP’2026.
     • А.К. Метод мультимодального анализа данных эксперимента TAIGA с использованием скрытого пространства АЭ.
   • DLCP2026.
     • Е.Г. Выделение гамма событий на основе совместного анализа данных АЧТ в стерео режиме.
     • П.В. Метод разделения легкой и тяжелой компонент по даннм АЧТ.
     • А.Д. Применение обратимых нейронных сетей для извлечения физических свойств ШАЛ.
7. Прочее.

Присутствовали: П.Волчугов, Е.Гресь, Ю.Дубенская, Д.Журов, А.Крюков, А.Разумов.
Ассоциированные члены: А.Демичев, С.Поляков, Е.Постников.

1. С.П. Направление оси.
   • Зависимость точности от порога по числу станций (3, 5, 10);
   • Зависимость точности от порога по ф.э. (100, 300)
2. Ю.Д. Точка прихода. Статус.
   • Построить графики.
3. П.В. Разделение компонент. Статус.
4. Д.Ж.,П.В. Подготовка экспериментальных данных к мультимодальному анализу. Статус.
5. П.В. ПОдготовка МК данных АЧТ с учетом специфики телескопов.
6. Аннотации докладов на конференциях.
   • ВККЛ 2026.
     • Ю.Д. Определение точки прихода оси ШАЛ методом ИНС с использованием существенных признаков в эксперименте HiSCORE.
     • С.П. Применение 1D сверточных нейронных сетей для определения направления оси ШАЛ в эксперименте HiSCORE.
   • MMCP’2026.
     • А.К. Метод мультимодального анализа данных эксперимента TAIGA с использованием скрытого пространства АЭ.
   • DLCP2026.
     • Е.Г. Выделение гамма событий на основе совместного анализа данных АЧТ в стерео режиме.
     • П.В. Метод разделения легкой и тяжелой компонент по даннм АЧТ.
     • А.Д. Применение обратимых нейронных сетей для извлечения физических свойств ШАЛ.
7. Прочее.

Присутствовали: П.Волчугов, Е.Гресь, Ю.Дубенская, Д.Журов, А.Крюков, А.Разумов.
Ассоциированные члены: А.Демичев, С.Поляков, Е.Постников.

1. С.П. Направление оси.
   • Зависимость точности от порога по числу станций (3, 5, 10);
   • Зависимость точности от порога по ф.э. (100, 300)
2. Ю.Д. Точка прихода. Статус.
   • Построить графики.
3. П.В. Разделение легкой (p+He) и тяжелой (N+O+…) компонент. Статус.
4. Д.Ж.,П.В. Готовность экспериментальных данных к мультимодальному анализу. Статус.
5. Аннотации докладов на конференциях.
   • ВККЛ 2026.
     • Ю.Д. Определение точки прихода оси ШАЛ методом ИНС с использованием существенных признаков в эксперименте HiSCORE.
     • С.П. Применение 1D сверточных нейронных сетей для определения направления оси ШАЛ в эксперименте HiSCORE.
   • MMCP’2026.
     • А.К. Метод мультимодального анализа данных эксперимента TAIGA с использованием скрытого пространства АЭ.
   • DLCP2026.
     • Е.Г. Выделение гамма событий на основе совместного анализа данных АЧТ в стерео режиме.
     • П.В. Метод разделения легкой и тяжелой компонент по даннм АЧТ.
     • А.Д. Применение обратимых нейронных сетей для извлечения физических свойств ШАЛ.
6. Прочее.

Присутствовали: А.Крюков, Ю.Дубенская, Д.Журов, П.Волчугов, Е.Гресь, А.Разумов.
Ассоциированные члены: А.Демичев, С.Поляков, Е.Постников.

1. Ю.Д. Точка прихода. Статус.
2. Д.Ж.,П.В. Подготовка экспериментальных данных к мультимодальному анализу.
3. П.В. ПОдготовка МК данных АЧТ с учетом специфики телескопов.
4. А.К. Точность традиционного метода. Xmax примерно 70г/кв.см (10%).
5. Темы докладов на конференциях.
   • ВККЛ 2026.
     • Определение точки прихода оси ШАЛ с использованием метода существенных параметров.
     • Применение 1D сверточных нейронных сетей для определения направления оси ШАЛ в эксперименте HiSCORE.
   • MMCP’2026.
     • Метод мультимодального анализа данных эксперимента TAIGA с использованием скрытого пространства АЭ.
   • DLCP2026.
     • Выделение гамма событий на основе совместного анализа данных АЧТ в стерео режиме.
     • Метод разделения легкой и тяжелой компонент по даннм АЧТ.
     • Применение обратисых нейронных сетей для извлечения физических свойств ШАЛ.
6. Прочее.

Присутствовали: А.Крюков, Ю.Дубенская, Е.Постников, Д.Журов, П.Волчугов, Е.Гресь, А.Разумов.
Ассоциированные члены: А.Демичев, С.Поляков.

1. Новости
   • Школы НЦФМ
   • Гранки статей в Вестник
2. Юля+Стас. HiSCORE - точка прихода.
3. Дима, Павел. Сравнение с данными Осиповой, полученных их экспериментальных данных.
   1. А.К. Стравнение должно быть ТЕХ ЖЕ самых событиях, что и Э.О.
4. Павел. Статус разделения легкой и тяжелой компонент.
5. Павел. МК данный для обучении мультимодальных моделей.
   • Стас, Лиза
6. Лиза. Статус ММ анализа (HiS+n*IACT)
7. ФИПС
   • Выделение существенных параметров с помощью АЭ + интерпретатор
   • Генерация изображений с помощью контроллера + декодер АЭ

• А.К. Разработать обратимую НС модель для разделения энергии и “шума” для данных АЧТ. - А.Р.

Присутствовали: А.Крюков, Ю.Дубенская, Е.Постников, Д.Журов, П.Волчугов, Е.Гресь, А.Разумов.
Ассоциированные члены: А.Демичев, С.Поляков.

1. Стас. HiSCORE - точка прихода.
2. Дима+. Сравнение с данными Осиповой, полученных их экмспериментальных данных.
3. А.К. Статья по 1D сверткам
4. Павел. Статус разделения легкой и тяжелой компонент.
5. Павел. МК данный для обучении мультимодальных моделей.
   • Стас, Лиза
6. ФИПС → 19.02.2026
7. Андрей. Доклад по обратимым НС (30мин+вопросы) Презентация по шумоподавлению с помощью обратимых сетей

Присутствовали: А.Крюков, Ю.Дубенская, Е.Постников, Д.Журов, П.Волчугов, Е.Гресь, А.Разумов.
Ассоциированные члены: А.Демичев, С.Поляков.

• Конференция MMCP'2026, on 22 - 26 June 2026 in Dubna. Срок подачи абстрактов - 10 мая.

• С.П. О результатах предсказания параметров ШАЛ с помощью 1D конволютивной модели.
  • Сравнение с предыдущими результатами.
• П.В. Разделение легкой и тяжелой компонент. Статус.
• Е.Г. Обобщение мультимодальной (ММ) модели на случай нескольких телескопов (HS+n*IACT). Статус.
  • Обеспечить ММ модели необходимым МК данными. Отв. П.В.
• Е.Г. Выделения гамма от Краба с использованием ММ моделей. Статус 2025г.
• Д.Ж. Аппробация моделей на реальных данных.
  • (+П.В.) Обработка предварительных данных от Э.О.
    • Все лежит в “/k38/prosin_group/HiSCORE/a_for_Krukov”.
      Результаты обработки: out1911_Kruk.dat, описание: for_kr.txt
    • Используя модель Лизы прошлого года (HS+1*IACT), сравниться (что можно) с результатами Э.О. на тех же самых экспериментальных данных.
      • В частности энергетические спектры.
  • Необходимо построить различные распределения физических параметров по данным Э.О., в целях
    • проверки корректности результатов;
    • в дальнейшем - сравнения с аналогичными результатами, полученными с помощью НСМ.
  • Лиза, попробуйте прогнать данные из out1911_Kruk.dat через свою модель.
    • Возможно там только HS
• Ю.Д.+С.П. Генерация событий с заданным энергетическим спектром и сравнение их с МК. Статус.

• На следующем совещании: А.Д. Обратимые НС и проблема извлечения “физических” параметров.
  • Для проработки возможной новой заявки на грант 2026г.

Присутствовали: А.Крюков, Ю.Дубенская, Е.Постников, Д.Журов, П.Волчугов, Е.Гресь, А.Разумов.
Ассоциированные члены: А.Демичев, С.Поляков.

• Задачи 2026г.
  1. П.В. Разделение легкой и тяжелой компонент.
     • Подготовил список МК с имеющимися сассовыми компнентами (p, He, CNO, Fe).
     • He очень мало.
  2. Е.Г. Обобщение мультимодальной (ММ) модели на случай нескольких телескопов (HS+n*IACT).
     • Получены некоторые предварительные данные с HS+2*IACT.
     • Показано, что раздельный предварительный анализ СП перед объединением несколько улучшает результаты.
     • Что делаем с X_max? Модель атмосферы (В.Просин)
  3. Обеспечить ММ модели необходимым МК данными. Отв. П.В.
     • Лиза, сделайте запрос Павлу.
  4. Вернуться к задаче выделения гамма от Краба с использованием ММ моделей. Отв. Е.Г.
     • Используем “вобблинг” для оценки фона.
       • Возможно для этого не нужен HS.
  5. Аппробация моделей на реальных данных. Отв. Д.Ж. (совместно с Е.П. и П.В.)
     • Имеются предварительные данные от Э.О.
     • А.К. Необходимо разобраться с результатами Э.О.
       • Все лежит в “/k38/prosin_group/HiSCORE/a_for_Krukov”.
         Результаты обработки: out1911_Kruk.dat, описание: for_kr.txt
       • Используя модель Лизы прошлого года (HS+1*IACT), сравниться (что можно) с результатами Э.О. на тех же самых экспериментальных данных (уточняю какие).
         • В частности энергетические спектры.
     • Необходимо построить различные распределения физических параметров по данным Э.О., в целях
       • проверки корректности результатов;
       • в дальнейшем - сравнения с аналогичными результатами, полученными с помощью НСМ.
     • Лиза, попробуйте прогнать данные из out1911_Kruk.dat через НСМ.
       • Возможно там только HS
  6. А.К. Обратимые НС.
     • Базовая идея: пусть у нас есть набор физических параметров (Ph) и “шум” (Noise) и есть изоморфизм f(Ph,Noise) → Exp. Т.е. f - это НС модель физического процесса. Тогда, обратное отображение f^-1(Exp)→ {Ph,Noise}. Иаким образом можно восстановить параметры Ph по экспериментальным данным.
     • Для проработки возможности новой заявки 2026г.
  7. Генерация событий с заданным энергетическим спектром и сравнение их с МК.
     • Используем метод управления существенными параметрами.
     • В частности, задача сгенерить набор событий (примерно 10000) со спектром, который соответствует МК и другими распределениями, которые соответствуют МК.
• Прочее

Присутствовали: А.Крюков, Ю.Дубенская, Е.Постников, Д.Журов, П.Волчугов, Е.Гресь, А.Разумов.
Ассоциированные члены: А.Демичев, С.Поляков.

• Распределение задач на 2026г.
  1. Разделение легкой и тяжелой компонент. Отв. П.В.
  2. Обобщение мультимодальной (ММ) модели на случай нескольких телескопов (HS+n*IACT). Отв. Е.Г.
     • Что делаем с X_max? Модель атмосферы (В.Просин)
  3. Обеспечить ММ модели необходимым МК данными. Отв. П.В.
     • Лиза, сделайте запрос Павлу.
  4. Вернуться к задаче выделения гамма от Краба с использованием ММ моделей. Отв. Е.Г.
     • Используем “вобблинг” для оценки фона.
       • Возможно для этого не нужен HS.
  5. Аппробация моделей на реальных данных. Отв. Д.Ж. (совместно с Е.П. и П.В.)
     • Имеются предварительные данные от Э.О.
     • Дима, разберись с результатами Э.О.
       • Все лежит в “/k38/prosin_group/HiSCORE/a_for_Krukov”.
         Результаты обработки: out1911_Kruk.dat, описание: for_kr.txt
       • Используя модель Лизы прошлого года (HS+1*IACT), сравниться (что можно) с результатами Э.О. на тех же самых экспериментальных данных (уточняю какие).
         • В частности энергетические спектры.
  6. Обратимые НС. Отв. А.К (совместно с А.Р. и А.Д.)
     • Для проработки возможности новой заявки 2026г.
  7. Генерация событий с заданным энергетическим спектром и сравнение их с МК. Отв. Ю.Д. совместно с С.П.
     • Используем метод управления существенными параметрами.
• Прочее