Occam
borotvája vagy gépi tanulás?
Természettudományos
modellezés kevés vagy sok paraméterrel
Workshop
2024.
március 7-8.
MTA Szegedi Akadémiai Bizottság székháza,
Szeged, Somogyi u.7.
version 2024.03.01
Csütörtök, március 7.
11.00
Ferenczy György: Gépi tanulásos
modellek a felfedező gyógyszerkutatásban, HUN-REN Gyógyszerkémiai
Kutatócsoport, SE Biofizikai és Sugárbiológiai Intézet
11.45
Nagy Brigitta: Mechanisztikus modellek és mesterséges neurális hálózatok
összehasonlítása gyógyszerek kioldódásának előrejelzésében, BME Szerves Kémia
és Technológia Tanszék
12.10
Galata Dorián: Mesterséges
intelligencia alapú objektumfelismerés gyógyszertechnológiai folyamatok valós
idejű minőségellenőrzésében, BME Szerves Kémia és Technológia Tanszék
12.35 ebédszünet
13.40
Jakovác Antal: Miért
egyszerű a tudomány? HUN-REN Wigner Fizikai Kutatóintézet
14.25
Jedlovszky Pál: DMF
modell parametrizálása vizes közegű szimulációkhoz
szabadenergia számítások alapján, EKKE Élelmiszertudományi Intézet
14.50
Böcskey Zsolt: Szakmai
életút, avagy egy öreg occamista alkonya a gépi
tanulás fényében, (SANOFI)
15.15 szünet
15.30
Csendes Tibor: Mesterséges neuronhálók:
álhírkeresés és verifikálás. SZTE TTIK Informatikai Intézet
16.15
Egedy Attila: Modellezés
a vegyészmérnökségben, PE Vegyészmérnöki és Folyamatmérnöki Intézet
16.40
Pethes Ildikó: Többkomponensű folyadékok
szerkezetvizsgálata multi forcefield módszerrel,
HUN-REN Wigner Fizikai Kutatóintézet
16.40 szünet
17.00
Jelasity Márk: Az
általánosítás anomáliái a gépi tanulásban, SZTE TTIK Informatikai Intézet
17.45
Kovács Dániel: Tabulálástól átlagoláson át egy
genetikus algoritmusig: a gépi tanulás beszivárgása a fehérje NMR
spektroszkópia területére a random coil kémiai
eltolódás predikción keresztül, ELTE Analitikai
és BioNMR Laboratórium, ELTE Hevesy György Doktori
Iskola
19.00
Közös vacsora a Napfény Műterem vendéglőben, Széchenyi tér 2/a
Péntek, március 8.
9.00
Héberger Károly: Occam
borotvája ÉS gépi tanulás: kemometriai közelítés, a
két statisztikai kultúra és a validálás hiánya a gépi tanulás esetén,
HUN-REN Anyag- és Környezetkémiai Intézet
9.45
Tóth Gergely: ML modellek interpretációja,
ELTE Kémiai Intézet
10.30
Temleitner László: Magas szimmetriájú molekulák kölcsönös,
elrendeződésének osztályozása különböző fázisokon: SF6, HUN-REN
Wigner Fizikai Kutatóintézet
10.35 szünet
11.00
Rácz Anita: Gépi tanulás KNIME környezetben:
példák a gyógyszer- és anyagtudomány területéről, HUN-REN Anyag- és
Környezetkémiai Intézet
11.45
Hamza Andrea: Hogyan tervezzünk redox-aktív molekulákat gépi tanulással? HUN-REN
Szerves Kémiai Intézet
12.10
Fehér Péter: Fotokatalizátorok
redox erősségének becslése kombinált DFT+ML
módszerrel, HUN-REN Szerves Kémiai Intézet
12.35
Király Péter: Immunoterápia
és gépi tanulás (Változószelekció – hangolás – külső validáció), Transz. Med. Intézet SOTE
12.40 ebédszünet
13.50
Daru János: Potenciálisenergia-felületek
illesztése gépi tanulás, vagy fizikai modellek segítségével, ELTE Kémiai Intézet
14.35
Győri Tibor: Reakciódinamikai potenciálok
illesztése permutációra invariáns polinomokkal, aktív tanulás a Robosurfer programmal, MTA-SZTE Lendület Elméleti
Reakciódinamika Kutatócsoport
15.00
Boda Dezső: Az egyszerű fizikai rendszerektől, a
bonyolult fizikai rendszereken át a komplex rendszerekig, PE
Természettudományi Központ
15.45
Zárszó
A workshop magyar nyelvű, de az előadás írott része
lehet angolul.
A részvétel ingyenes, nincs hivatalosan
regisztrációhoz kötve, de a létszám tervezésében segít, ha részvételi szándékát
emailben előre jelzi.
Az utazást és a szállást a résztvevők maguk intézik, a
csütörtök esti vacsora önköltséges.
5 perces mini előadás tartására a helyszínen lehet
jelentkezni. Poszter szekció nem lesz.
A workshop ötletét a szinte
minden szakmai fórumon a gépi tanulással kapcsolatos megosztottság adta. Sokan
úgy tanultuk, hogy egy természettudományos modell lehetőleg kevés illesztendő
paramétert tartalmazzon. Ezt, a korosztályunkba belevésődött elvet Occam
borotvájaként szokás említeni. A másik oldalon viszont az a kutatói generáció
áll, akik bátran használják a néha rendkívül sok illesztendő paramétert
tartalmazó összetett ML módszereket, ott is, ahol az optimálandó paraméterek
száma messze több, mint a független bemenő adatok száma. A workshop célja, hogy
ütköztessük a két megközelítést természettudományos és műszaki alkalmazások
bemutatásával, hátha ez segíti a kilépést a dogmatikus hozzáállásból.
Szervezők:
Daru János (ELTE), Paragi Gábor
(PTE, SZTE), Tóth Gergely (ELTE), SZAB KeMoMo
szakcsoport
Email:
Honlap: