Mechanics Colloquium

 

PROGRAM

---

MATEMATIČKI INSTITUT SANU
ODELJENJE ZA MEHANIKU

PROGRAM ZA FEBRUAR 2024.

 

---

Predavanja se mogu pratiti na daljinu preko stranice:
https://miteam.mi.sanu.ac.rs/asset/YfY2cZTcN3YwGqFjc
Ukoliko želite da učestvujete u radu seminara ili da postavite pitanja na kraju predavanja, a još niste registrovani na miteam platformi Matematičkog instituta, možete se registrovati popunjavanjem forme:
https://miteam.mi.sanu.ac.rs/asset/o9cuDZYqrq7jvFxw8
Arhiva snimljenih predavanja se nalazi na stranici:
https://miteam.mi.sanu.ac.rs/asset/j9rAJJvBQHx2zgSSH

---

Pozivamo Vas da učestvujete u radu sednica Odeljenja i to:

Sreda, 07.02.2024. u 18:00, Kneza Mihaila 36, sala 301f
Tijana Šukilović, Matematički fakultet u Beogradu
INTEGRABILNOST GEODEZIJSKOG TOKA LEVO-INVARIJANTNE SUB-RIMANOVE METRIKE NA HAJZENBERGOVOJ GRUPI
Poznato je da je Hajzenbergova grupa najjednostavniji primer sub-Rimanove mnogostrukosti. Na predavanju će biti reči o geodezijskim tokovima levo-invarijantne Carnot-Carathéodory metrike i odgovarajućim Hamiltonovim sistemima. Poznato je da je takav sistem super-integrabilan ako je metrika definisana na levo-invarijantnoj distribuciji. Međutim, postoji i druga klasa invarijantnih tokova koji odgovaraju levo-invarijantnoj metrici na desno-invarijantnoj distribuciji. Taimanov je 90-tih godina pokazao da je ovakav sistem integrabilan u slučaju trodimenzione Hajzenbergove grupe, a na predavanju će biti razmatrana proizvoljna dimenzija.

---

Sreda, 14.02.2024. u 18:00, Kneza Mihaila 36, sala 301f i Online
Marina Pavlović, MISANU
PRIMENA DUBOKOG UČENJA ZA MODELOVANJE SVETLOSNIH KRIVIH KVAZARA
Svetlosne krive kvazara pokazuju stohastičku varijabilnost, koja u kombinaciji sa tehničkim ograničenjima posmatranja, kao što su česte praznine u posmatranju, stvaraju značajne izazove za njihovu analizu. Da bi se efikasno suočili sa ovim problemima, pogotovo u LSST (Legacy Survey of Space and Time) eri, gde očekujemo veliki broj podataka u kratkom vremenskom intervalu, korišćenje dubokog učenja ističe se kao ključni metod za efikasno modelovanje svetlosnih krivih kvazara. U ovom predavanju predstavljamo naš Python paket, koji je sada dostupan kao "QNPy" na PyPI platformi, koji predstavlja revolucionarni alat za modelovanje svetlosnih krivih kvazara pomoću algoritama meta učenja koji se nazivaju Kondicionim Neuronskim Procesima. Pokazaćemo prvu primenu QNPy Python paketa na dva uzorka podataka dobijenih iz Data Čallenge-a LSST AGN Science Collaboration i svemirske misije GAIA.

---

Predavanja su namenjena širokom krugu slušalaca, uključujući studente redovnih i doktorskih studija. Održavaju se sredom sa početkom u 18 sati u sali 301f na trećem spratu zgrade Matematičkog instituta SANU, Knez Mihailova 36.

---