- Գլխավոր
- Նորություններ
- ԵՊՀ թիմը հաղթել է «Firebird AI» միջազգային հաքաթոնում
Սեպտեմբեր 29, 2026 | 16:30
Կրթություն
Մրցույթներ
ԵՊՀ թիմը հաղթել է «Firebird AI» միջազգային հաքաթոնում
ԵՊՀ ֆոտոնիկայի և արհեստական բանականության լաբորատորիայի հետազոտողները առաջին տեղն են զբաղեցրել «Firebird AI» միջազգային հաքաթոնում՝ ներկայացնելով արհեստական բանականությունը ֆիզիկական փորձարարական համակարգերում կիրառելու նորարարական լուծում։ 24 ժամ տևած մրցույթի ընթացքում թիմը մշակել է համակարգ, որը լաբորատորիայի ֆիզիկական-օպտիկական փորձարարական սարքավորումները ինտեգրում է «OpenAI» տեխնոլոգիական հարթակին՝ ձևավորելով ինքնավար հետազոտական միջավայր։
«Firebird AI» միջազգային հաքաթոնի շրջանակում ԵՊՀ ֆոտոնիկայի և արհեստական բանականության լաբորատորիայի թիմն արժանացել է 50 000 ԱՄՆ դոլար դրամական պարգևի և 12 000 ԱՄՆ դոլարի «OpenAI» օգտագործման փաթեթի։ Դրանից բացի՝ թիմը «NVIDIA» ընկերությունից որպես նվեր կստանա նաև ժամանակակից սարքավորումներ՝ գիտահետազոտական աշխատանքները շարունակելու համար։ Հաղթող նախագծի իրականացմանը մասնակցել են ԵՊՀ ֆիզիկայի ինստիտուտի ասպիրանտ, ֆոտոնիկայի և արհեստական բանականության լաբորատորիայի հետազոտող Արամ Սարգսյանը, ինչպես նաև նույն լաբորատորիայի հետազոտողներ Նիկիտա Մարինինն ու Նարեկ Մելոյանը։
Արամը զբաղվել է օպտիկական համակարգերի հաշվարկներով, ԱԲ լուծումների ինտեգրմամբ և մրցույթի վերջնական փուլում ժյուրիին է ներկայացրել նախագծի արդյունքները։
Նարեկը պատասխանատու է եղել ծրագրային ճարտարապետության և միջավայրի ստեղծման, ինչպես նաև ԱԲ-ի աշխատանքի համար անհրաժեշտ գործիքակազմի ապահովման համար՝ հնարավորություն տալով ավտոմատացնելու գիտահետազոտական գործընթացը։
Նիկիտան իր մասնագիտական փորձն է ներդրել հեղուկ բյուրեղներով փորձարկումների, ինչպես նաև օպտիկական ու հաշվողական համակարգերի մշակման ուղղությամբ։
Նրանց խոսքով՝ հաքաթոնին մասնակցելու համար ներկայացվել էր ավելի քան 210 թիմ, որոնցից հաջորդ փուլում ընտրվել էր շուրջ 20-ը։ Մասնակիցներին տրվել էր 24 ժամ՝ իրական խնդիրների համար արհեստական բանականության գործիքների, այդ թվում՝ «OpenAI Codex»-ի կիրառմամբ աշխատող տեխնոլոգիական նախատիպեր մշակելու համար։ Ժամանակի ավարտին թիմերը ներկայացրել և ցուցադրել են իրենց նախագծերը, որոնք գնահատվել են ժյուրիի կողմից, ինչի արդյունքում ընտրվել են երեք հաղթող թիմերը։
Նախագիծը ցույց է տալիս գիտական հետազոտություններում ԱԲ-ի կիրառման նոր հնարավորությունը․ համակարգը ոչ միայն վերլուծում է տվյալները, այլև անմիջականորեն փոխազդում ֆիզիկական լաբորատոր միջավայրի և փորձարարական սարքավորումների հետ։
«ԱԲ-ին ինտեգրված լաբորատորիաներ». ինքնավար հետազոտական էկոհամակարգ
Մրցույթի ընթացքում թիմը ներկայացրել է «ԱԲ-ին ինտեգրված լաբորատորիաներ» («AI Integrated Lab») նախագիծը։ Սա ինքնավար համակարգ է, որը լաբորատորիայի ֆիզիկական-օպտիկական փորձարարական սարքավորումները (օրինակ՝ տեսախցիկներ, օբյեկտիվներ և այլն) ինտեգրում է «OpenAI» տեխնոլոգիական հարթակին և նմանատիպ այլ միջավայրերի։
«Մեր հիմնական գաղափարն այն էր, որ արհեստական բանականությունը ոչ միայն վերլուծի գիտական տվյալները, այլև անմիջականորեն աշխատի իրական լաբորատոր սարքավորումների հետ և ինքնուրույն որոշումներ կայացնի հաջորդ փորձարկումների վերաբերյալ։ 24 ժամում կարողացանք այդ գաղափարը վերածել աշխատող համակարգի»,- ասում է Արամ Սարգսյանը։
Համակարգը լուծում է գիտական հետազոտությունների ընթացքում առաջացող խնդիրներից մեկը՝ սարքավորումների երկարատև կարգավորումը, սինխրոնացումը և անվտանգ շահագործումը։ Արհեստական բանականությունը ոչ միայն վերլուծում է տվյալները, այլև անմիջականորեն կառավարում ֆիզիկական սարքերն ու հետազոտության ընթացքը։
«Մենք մրցույթին ներկայացել էինք մեր գաղափարով և խնդրով, իսկ կազմակերպիչները մեզ տրամադրեցին համապատասխան միջավայրն ու գործիքները։ Մասնավորապես, օգտագործեցինք նաև «OpenAI»-ի գործիքները, որոնք օգնեցին արագացնելու աշխատանքային գործընթացն ու զարգացնելու մեր լուծումը։ Ներկայացման ընթացքում ոչ միայն պատմեցինք գաղափարի մասին, այլև ցուցադրեցինք աշխատող նախատիպը՝ ժյուրիին ներկայացնելով դրա իրական աշխատանքը»,- պատմում է Նարեկը։
300 փորձարկում և գիտական հոդված՝ ընդամենը 5 ժամում
Հաքաթոնին 24 ժամվա ընթացքում թիմը ոչ միայն մշակել է հարթակը, այլև այն կիրառել իրական գիտական խնդիր լուծելու համար։ Համակարգին հանձնարարվել է լուծել մաթեմատիկական ու ֆիզիկական բարդ խնդիրներ, որոնք ունեն գործնական կիրառություն՝ սկսած GPU ծանրաբեռնվածության օպտիմալացումից մինչև տրանսպորտային խցանումների կառավարում։
Գիշերվա ընթացքում՝ ընդամենը 5 ժամում և առանց մարդու անմիջական միջամտության, ԱԲ համակարգը կատարել է ավելի քան 300 ֆիզիկական փորձարկում, ինչը մարդկանց կողմից ամիսների աշխատանք կպահանջեր։
«Ամենաբարդ հատվածներից էր արհեստական բանականության համակարգը իրական ֆիզիկական սարքավորումներին կապելը։ Արդյունքում համակարգը կարողացավ ինքնուրույն կառավարել փորձարարական գործընթացը և մեկ գիշերվա ընթացքում կատարել ավելի քան 300 ֆիզիկական փորձարկում»,- ընդգծում է Նիկիտա Մարինինը։
Ստացված տվյալների հիման վրա ԱԲ-ն ինքնուրույն ստեղծել է գիտական հոդվածի սևագիր՝ օպտիկական Իզինգի մեքենայի օպտիմալացման նոր մեթոդների վերաբերյալ։
Սարքավորումը՝ թիմի առավելություն և «այցեքարտ»
Մրցույթի պայմաններով ֆիզիկական սարքավորման առկայությունը պարտադիր չէր, սակայն հաքաթոնի կազմակերպիչները նախապատվություն էին տալիս ֆիզիկական ԱԲ (Physical AI) ուղղությանը: ԵՊՀ թիմը մրցույթին ներկայացել է նաև ֆիզիկական սարքավորմամբ՝ օպտիկական համակարգով, որը ներառում է միկրոհայելային մատրիցա, հատուկ տեսախցիկներ, օբյեկտիվներ և բարդ միկրոսխեմաներ։ Սոսկ ծրագրային լուծում առաջարկելու փոխարեն՝ թիմը ցույց տվեց ԱԲ-ի և ֆիզիկական սարքավորումների իրական ինտեգրումը, ինչը հնարավորություն տվեց ժյուրիին տեսնելու ԱԲ-ի և ֆիզիկական սարքավորումների իրական ինտեգրումը։
«Սարքավորումը պարտադիր չէր, սակայն առավելությունը տրվում էր այն նախագծերին, որոնք ֆիզիկական ԱԲ-ի՝ ֆիզիկական աշխարհի և արհեստական բանականության կապի ուղղությամբ էին։ Մենք ոչ միայն ստեղծեցինք այս էկոհամակարգը, այլև ցույց տվեցինք, որ այն ունակ է աշխատելու և տպավորիչ արդյունքներ ապահովելու»,- շեշտում է Արամը։
Մարդը և ԱԲ-ն գիտական հետազոտություններում
ԵՊՀ ֆոտոնիկայի և արհեստական բանականության լաբորատորիայի թիմը նախատեսում է շարունակել այս ուղղության զարգացումը՝ ընդլայնելով ԱԲ-ի կիրառությունը գիտական հետազոտություններում և ավտոմատացնելով փորձարարական գործընթացները։
Անդրադառնալով այն հարցին, թե արդյոք ԱԲ-ն ի վերջո փոխարինելու է հետազոտողներին, նրանք նշում են, որ մարդու դերը, միևնույն է, մնալու է առանցքային։
«Ամենալավ ԱԲ մոդելն էլ չէր կարող լուծել այս խնդիրը, եթե չլիներ մեր ստեղծած միջավայրն ու ոլորտային իմացությունը։ Մարդը ստեղծում է գաղափարը, ԱԲ-ին տալիս գործիքակազմն ու առաջադրանքը, իսկ ԱԲ-ն ավտոմատացնում ու բազմակի արագացնում է գործընթացը»,- նշում է Նարեկը։
Թեև տեխնոլոգիայի առաջին կիրառությունները նախատեսված են գիտահետազոտական լաբորատորիաների համար, այն հետագայում կարող է կիրառվել նաև արտադրական ոլորտներում։
Հաքաթոնի արդյունքը ցույց է տալիս գիտահետազոտական գործընթացների ավտոմատացման նոր հնարավորությունը․ առաջադեմ հաշվողական համակարգերը կարող են անմիջականորեն կառավարել լաբորատոր սարքավորումները՝ արագացնելով փորձարարական գործընթացներն ու գիտահետազոտական աշխատանքները։


