Математики из НИУ ВШЭ разработали новую архитектуру нейронных сетей, позволяющую искусственному интеллекту эффективно выявлять и сохранять симметрию при обработке информации. Разработка может ускорить анализ данных в научных и инженерных областях, сообщила пресс-служба университета.
Как пояснил заведующий лабораторией геометрической алгебры и приложений Дмитрий Широков, эти результаты открывают перспективы для создания новых инструментов в биоинформатике, робототехнике и геоинформатике. По его словам, подход основан на принципах геометрической алгебры и отличается высокой универсальностью.
Новая архитектура GLGENN использует концепции алгебры Клиффорда и специальный метод учета внутренних структур данных. Как отметили разработчики, система успешно прошла тестирование на различных задачах, включая физическое моделирование и работу с геометрическими объектами, показав результаты на уровне или превосходящие существующие аналоги.
Стажер-исследователь Екатерина Филимошина подчеркнула, что главным достижением стало сочетание высокой эффективности с относительно простой структурой. По ее словам, GLGENN требует меньше вычислительных ресурсов по сравнению с традиционными эквивариантными нейросетями, что делает технологию более доступной для практического применения.
Разработка особенно актуальна для задач, где важна симметрия данных — в физике элементарных частиц, анализе биомолекул и компьютерном зрении. Ученые планируют дальнейшую оптимизацию системы для конкретных прикладных областей.
