В преддверии Дня белорусской науки, который отмечается в нашей стране в последнее воскресенье января, мы спросили выпускника нашего факультета Павла Гончарова о том, почему он принял решение заниматься научной деятельностью, а также рассказать о проектах, в которых он сейчас принимает участие. Далее рассказ пойдет от его лица.

Меня зовут Павел Гончаров. Я родился и вырос в Гомеле, в самой обычной семье. Мама работает в больнице, отец – в Центре подготовки, повышения квалификации и переподготовки рабочих «Промподготовка-Образование». Ни программистов, ни учёных в моей семье нет. В гимназии я учился на филологическом отделении, программированием не интересовался совсем, а поступать хотел в Новосибирск на офицера спецразведки. Не поступил из-за роста: не хватило всего пять сантиметров. К централизованному тестированию я как следует не готовился, так как был уверен в своих силах. Но когда узнал свои результаты, которые мне не позволяли поступить на бюджет в какой-нибудь ведущий столичный университет, то схватился за голову. Речи о платном обучении даже не шло – никто бы за меня платить не стал. Поэтому, оценив доступные варианты, я решил поступать в Гомельский государственный технический университет имени П.О. Сухого на факультет автоматизированных и информационных систем по перспективной специальности «Информационные системы и технологии», студентом которой впоследствии я и стал.

Так как программированием до университета я не увлекался, то пришлось осваивать все с нуля. Мне повезло попасть на курс основ алгоритмизации к доценту кафедры «Информационные технологии» Кравченко Ольге Алексеевне – она преподаватель старой закалки и, благодаря ее муштре, я понял, как необходимо мыслить, чтобы решить задачу.

За время обучения Павел Гончаров выполнял обязанности старосты, активно участвовал в общественной жизни университета

На третьем курсе обучения в университете я поинтересовался у своего научного руководителя, Цитринова Андрея Викторовича, с чего мне стоит начать, если мне нравится заниматься наукой. Он посоветовал мне подать заявку на участие в Летней студенческой программе Объединенного института ядерных исследований (ОИЯИ) – российском научно-исследовательском центре мирового масштаба, основной сферой деятельности которого являются физика элементарных частиц, ядерная физика и физика конденсированных сред. Так я попал на практику к доктору физ.-мат. наук, профессору Ососкову Геннадию Алексеевичу.

Участие в Летней студенческой программе Объединенного института ядерных исследований

Геннадий Алексеевич ученый с огромным стажем, ученик самого академика Колмогорова, является экспертом в области интеллектуального анализа данных и искусственных нейронных сетей. Он заинтересовался моими успехами по результатам практики и предложил продолжить сотрудничество – так появился долгосрочный проект между ОИЯИ и нашим университетом по реконструкции траекторий элементарных частиц. Этот проект завершился только в конце прошлого года. Геннадий Алексеевич даже приезжал в Гомель, чтобы прочитать в нашем университете курс лекций по искусственным нейронным сетям.

В магистратуре я учился тоже в нашем университете по специальности «Математическое моделирование, численные методы и комплексы программ». За время обучения в магистратуре вместе с Геннадием Алексеевичем нам удалось опубликовать около десяти научных статей в престижных журналах. Наличие такого количества статей подтолкнуло меня подать заявку на участие в конкурсе на присуждение премии имени Ильи Сегаловича, одного из основателей «Яндекса», которая вручается за вклад в развитие компьютерных наук. По итогам участия в конкурсе мне посчастливилось стать лауреатом премии.

На вручении премии имени Ильи Сегаловича

После обучения в магистратуре, которую я закончил в прошлом году, я решил подать документы в Государственный университет «Дубна», чтобы продолжить заниматься исследованиями по реконструкции траекторий элементарных частиц, но уже в рамках будущей кандидатской диссертации под официальным руководством профессора Г.А. Ососкова. Моя магистерская диссертация легла в основу заявки на Республиканский конкурс научных работ, и в конце прошлого года стало известно, что конкурсная комиссия выбрала мою работу в качестве лучшей в секции и присвоила звание лауреата.

Первым моим научным проектом стало исследование по применению глубоких нейросетей в задачах сжатия изображений. Дело в том, что не вся информация на изображении полезна: человек может распознать на фотографии лицо, используя ключевые точки. Сжатие – выделение скрытых признаков, по которым можно идентифицировать изображение как по отпечатку пальцев. Тем, кто интересуется данной тематикой, я советую почитать нашу статью «Shallow and deep learning for image classification».

Второй проект связан с предсказанием уровня загрязнения тяжелыми металлами по снимкам со спутников. Есть сайт проекта – http://moss.jinr.ru. Идея заключается в том, чтобы собрать образцы мха и подвергнуть процедуре нейтронного анализа, чтобы извлечь данные об уровне концентрации различных веществ. Мох ведь впитывает всё, как губка, но собрать его можно не везде, да и процедура анализа тоже стоит денег. Моя работа заключалась в том, чтобы подготовить модель машинного обучения для предсказания уровня загрязнения в выбранной точке Европы.

Сравнение реальных измерений уровня загрязнения марганцем в Сербии и предсказание сети по данным со спутников

Третий достаточно важный проект связан с распознаванием болезней растений по фотографиям их листьев. У проекта также есть сайт http://pdd.jinr.ru/ с необходимой информацией. За время работы над проектом мы собрали свою базу фотографий, обучили модель глубокой нейросети, сделали мобильное приложение и уже даже можем распознавать болезни оффлайн: нейросеть работает прямо на мобильном устройстве, но эта версия приложения появится в открытом доступе позже.

Мобильное приложение, позволяющее распознавать болезни растений по фотографиям их листьев

И самое важное исследование, которое ляжет в основу моей будущей кандидатской диссертации – реконструкция траекторий элементарных частиц с помощью методов глубокого обучения. Физикам, которые работают на таких ускорителях как Большой адронный коллайдер, нужно очень быстро обрабатывать данные, потому что один такой эксперимент генерирует петабайт данных в секунду – их просто негде хранить. Классические алгоритмы не справляются с этой задачей. Нашей группой было предложено три модели, каждая показывает высокую точность реконструкции на данных моделирования, при этом работают все они на несколько порядков быстрее классических методов.

Всем студентам я хочу пожелать усердно учиться, не откладывать все на последний момент и начинать работать уже с первого курса, поскольку конкуренция в сфере ИТ растет с каждым годом.

Фото из личного архива Павла Гончарова