На информационном ресурсе применяются рекомендательные технологии (информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети "Интернет", находящихся на территории Российской Федерации)

Свежие комментарии

  • Vladimir Lioubimcev
    😪🙏  ВЕЧНАЯ И СВЕТЛАЯ ПАМЯТЬ НАШИМ ПОГИБШИМ РОДНЫМ!!В Санкт-Петербург...
  • Leon D
    Да ладно? С добрым утром. А кто же у нас возглавляет всё это расплодив дружбанов по всем постам?Коррупция преврат...
  • Алекс Сэм
    В принципе какого хрена эти кишлачные детёныши делают в МОЕЙ СТРАНЕ? Ладно их родители нужны (Хотя это тоже под вопро...В Нижнем Новгород...

Лауреат Научной премии Сбера прочитал лекцию нижегородским студентам

Евгений Тыртышников, академик РАН, доктор физико-математических наук, директор Института вычислительной математики им. Г. И. Марчука РАН в рамках лекции рассказал студентам вузов Нижнего Новгорода о методах предоставления многомерных данных, основанных на идее разделения переменных, и об алгоритмах, которые уже успешно решают задачи за гранью возможностей суперкомпьютеров.

Денис Скребец, заместитель председателя Волго-Вятского Сбербанка:

«Без науки невозможно представить современный мир. Все технологии, товары, продукты вокруг — результат работы ученых. Поэтому Сбер совместно с ведущими российскими исследователями проводит третий сезон Научной премии. Интерес к ней ежегодно растет у участников из разных регионов, а лауреаты премии становятся ориентирами для молодежи. Мы рады, что Евгений Тыртышников посетил наш регион и выступил с лекцией перед студентами. Уверен, что для многих сегодняшнее мероприятие станет отправной точкой в раскрытии их потенциала».Научная премия Сбера — три ежегодных персональных премии для российских и иностранных учёных, которые внесли значительный вклад в развитие науки и продолжают активную научно-исследовательскую деятельность в России.

Ученый Евгений Тыртышников стал одним из лауреатов премии Сбера 2023 года в номинации «Цифровая вселенная» за создание новых матричных и тензорных методов моделирования и сжатия данных для решения сверхбольших задач высокой размерности, что открывает широкие возможности ускорения вычислений в естественных науках, машинном обучении и других областях.

 

Ссылка на первоисточник
наверх