Thesis supervisor: István Csabai
Location of studies (in Hungarian): ELTE TTK Komplex Rendszerek Fizikája Tanszék Abbreviation of location of studies: ELTE
Description of the research topic:
Az utóbbi években a mesterséges intelligencia módszerek a tudományokban és azokon kívül is rendkívüli fejlődésen mentek át. Az eddig csak legkifinomultabb emberi intelligenciával játszható játékokban a gépek behozhatatlan előnyre tettek szert (AlphaGO), a szakértők pontosságával vetekedő módon diagnosztizálnak orvosi felvételeket (mammográfia), értelmeznek és alkotnak szövegeket és képeket (GPT-3, DALLE-2). Legutóbb pl. a molekuláris biológia egyik “szent Grálját” a fehérje feltekeredés problémájában hozott áttörést az AlphaFold2. A transformer architektúra pedig forradalmasította a generatív nyelvi modelleket.
A módszerek mélyén önmagukban is érdekes matematikai módszerek rejlenek, melyek gyakran a fizika különböző területeiről nyertek ihletet (Boltzmann-gépek, geometriai deep learning, renormalizáció, energia minimalizáció, Hopfield modell, stb.) illetve központi szerepet játszik az algoritmikus deriválás. Ezek a metodikák számos módon hasznosíthatók a fizikai kutatásokban is, így például numerikus szimulációk erőforrás igényes lépéseire lehet hatékony „shortcut” megoldásokat találni valamint az autodiff segítségével end-to-end differenciálható szimulációkat létrehozni. Ezek a technikák állnak a tervezett PhD kutatások középpontjában.
Required language skills: angol Further requirements: affinitás programozáshoz, számítógépes adatfeldolgozáshoz, angol nyelv