{"id":6942,"date":"2025-04-15T13:37:31","date_gmt":"2025-04-15T11:37:31","guid":{"rendered":"https:\/\/us.edu.pl\/instytut\/ifiz\/?page_id=6942"},"modified":"2025-04-30T09:33:42","modified_gmt":"2025-04-30T07:33:42","slug":"fizycy-w-swiecie-si","status":"publish","type":"page","link":"https:\/\/us.edu.pl\/instytut\/ifiz\/fizycy-w-swiecie-si\/","title":{"rendered":"Fizycy w \u015bwiecie SI: przekraczanie granic dyscyplin"},"content":{"rendered":"

[vc_row][vc_column]\r\n

\r\n
\r\n

Fizycy w \u015bwiecie SI: przekraczanie granic dyscyplin<\/h3> \r\n
\r\n
\r\n <\/p>\n

Zapraszamy na coroczne Grudniowe Sympozjum Tematyczne<\/b><\/span><\/span><\/p>\n

 <\/p>\n\n\n\n\n\n\n\n
Termin<\/strong><\/span><\/td>\n12 grudnia 2024<\/span><\/td>\n<\/tr>\n
Lokalizacja<\/strong><\/span><\/td>\nInstytut Fizyki, Uniwersytet \u015al\u0105ski, ul. 75 Pu\u0142ku Piechoty 1A, Aula P\/0\/05, 41 500 Chorz\u00f3w<\/span><\/td>\n<\/tr>\n
<\/td>\n<\/td>\n<\/tr>\n
Formularz rejestracyjny<\/strong><\/span><\/td>\nKLIKNIJ TUTAJ<\/a><\/span><\/td>\n<\/tr>\n
Transmisja<\/strong><\/span><\/td>\nKLIKNIJ TUTAJ<\/a><\/span><\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

 <\/p>\n

Zapraszamy do zapis\u00f3w!<\/b><\/span><\/p>\n

<\/div>\r\n <\/div>\r\n \r\n
\"img\"<\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>[\/vc_column][\/vc_row][vc_row css=”.vc_custom_1744732587331{margin-left: 150px !important;}”][vc_column el_class=”container zakladki”][vc_tta_tabs active_section=”1″][vc_tta_section title=”O sympozjum” tab_id=”1744717726704-df217991-df42″ el_class=”container zakladki”]\r\n
\r\n
\r\n \r\n
<\/p>\n
\n
\n
\n
\n

Dyrekcja Instytutu Fizyki U\u015a oraz Polskie Towarzystwo Fizyczne maj\u0105 zaszczyt i przyjemno\u015b\u0107 zaprosi\u0107 na wyj\u0105tkowe sympozjum naukowe \u201eFizycy w \u015awiecie SI: Przekraczanie Granic Dyscyplin\u201d, kt\u00f3ra odb\u0119dzie si\u0119 w dniu 12 grudnia 2024<\/strong> roku w Kampusie Chorzowskim Uniwersytetu \u015al\u0105skiego, ul. 75 Pu\u0142ku Piechoty 1, 41-500 Chorz\u00f3w w auli P\/0\/05<\/span>.<\/strong><\/span><\/h4>\n

Konferencja ta jest dedykowana najnowszym osi\u0105gni\u0119ciom z zakresu fizyki oraz sztucznej inteligencji, a jej celem jest zainspirowanie i zintegrowanie \u015brodowisk naukowych oraz technologicznych. Wydarzenie b\u0119dzie doskona\u0142\u0105 okazj\u0105 do zaprezentowania, jak umiej\u0119tno\u015bci i wiedza fizyk\u00f3w przyczyniaj\u0105 si\u0119 do dynamicznego rozwoju sztucznej inteligencji w r\u00f3\u017cnych dziedzinach, w tym w medycynie i optymalizacji proces\u00f3w przemys\u0142owych.<\/span><\/p>\n

Szczeg\u00f3ln\u0105 atrakcj\u0105 tegorocznego wydarzenia b\u0119dzie segment po\u015bwi\u0119cony laureatom Nagrody Nobla w dziedzinie fizyki z 2024 roku, kt\u00f3rzy zostali wyr\u00f3\u017cnieni za prze\u0142omowe badania w obszarze komputer\u00f3w kwantowych oraz ich zastosowa\u0144 w sztucznej inteligencji. Ich rewolucyjne prace otworzy\u0142y nowe horyzonty zar\u00f3wno w fizyce teoretycznej, jak i stosowanej, stwarzaj\u0105c niespotykane dot\u0105d mo\u017cliwo\u015bci rozwoju technologii SI. Ich osi\u0105gni\u0119cia b\u0119d\u0105 omawiane podczas konferencji, ukazuj\u0105c, jak te innowacje zmieniaj\u0105 r\u00f3\u017cnorodne bran\u017ce.<\/span><\/p>\n

Prelegentami b\u0119d\u0105 fizycy pracuj\u0105cy zar\u00f3wno na znakomitych uniwersytetach polskich i zagranicznych, jak i w sektorze prywatnym. Przewidujemy wyk\u0142ady w j\u0119zyku polskim i angielskim.<\/strong><\/span><\/p>\n

 <\/p>\n

Aby uczestniczy\u0107 w wydarzeniu w formie stacjonarnej, nale\u017cy si\u0119 zarejestrowa\u0107.<\/span> <\/strong><\/span><\/p>\n

Wydarzenie b\u0119dzie emitowane na kanale Youtube<\/strong>: kliknij tutaj<\/a><\/strong><\/span><\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

\n<\/div>\r\n <\/div>\r\n <\/div>[\/vc_tta_section][vc_tta_section title=”Harmonogram” tab_id=”1744717726714-5589f640-1cfb”]\r\n

\r\n
\r\n \r\n
<\/p>\n
\n
\n
\n
\n

9:30 \u2013 10:15 dr Stuart Gibson,\u00a0Physics-Driven AI and AI-Driven Physics, Exploring a Symbiotic Evolution<\/em><\/span>,<\/strong>\u00a0wyk\u0142ad w j\u0119zyku angielskim<\/span><\/strong><\/span><\/p>\n

This lecture examines the intersection of physics and artificial intelligence (AI), inspired by the pioneering contributions of 2024 Nobel Laureates John Hopfield and Geoffrey Hinton. We begin with an accessible introduction to machine learning and AI fundamentals, setting the stage for understanding the Nobel-winning advancements in neural networks and associative memory. By drawing on principles from physics, Hopfield and Hinton created adaptive models that enable autonomous pattern recognition, influencing developments from image recognition to the transformative potential of deep learning.<\/span>
\nThe presentation will showcase AI\u2019s impact within physics, highlighting applications in materials science, particle research, and other fields. The speaker will also share insights from his own work in chemometrics and AI\u2019s role in the natural sciences. Concluding with a forward-looking perspective, we will explore how collaborative AI-physics efforts may shape the future of scientific discovery and lead to new breakthroughs.\u200b<\/span><\/p>\n

 <\/p>\n

10:25 \u2013 10:55 dr Anna Dawid,\u00a0Wyja\u015bnia\u0107 czy interpretowa\u0107? Czyli jak uczy\u0107 si\u0119 (fizyki kwantowej) od sieci neuronowych<\/em><\/strong><\/span><\/p>\n

G\u0142\u0119bokie uczenie maszynowe rewolucjonizuje przemys\u0142 i obiecuje zmieni\u0107 oblicze nauki. Ma jednak liczne ograniczenia, z kt\u00f3rych najistotniejszym z punktu widzenia rozwoju nauki jest to, \u017ce sieci neuronowe s\u0105 \u201eczarnymi skrzynkami\u201d. Taka konstrukcja\u00a0uniemo\u017cliwia nam zrozumienie jak dochodz\u0105 do podawanych wniosk\u00f3w czy odpowiedzi, co sprawia, \u017ce nie mo\u017cemy si\u0119 od nich uczy\u0107. W tej prezentacji om\u00f3wi\u0119 r\u00f3\u017cne ograniczenia sieci neuronowych, a tak\u017ce sposoby, by \u201eotworzy\u0107\u201d te czarne skrzynki za pomoc\u0105 metod wyja\u015bniania modeli uczenia maszynowego. Poka\u017c\u0119 te\u017c na przyk\u0142adzie prostego problemu z fizyki jak mo\u017cna budowa\u0107 sieci o interpretowalnej konstrukcji, przez zmuszanie ich do pos\u0142ugiwania si\u0119 \u201ej\u0119zykiem\u201d, kt\u00f3ry rozumiemy.\u200b<\/span><\/p>\n

 <\/p>\n

11:05 \u2013 11:35\u00a0<\/strong>dr Ciro Taranto,\u00a0Visualize<\/i>,\u00a0<\/i>Predict<\/i>, Plan:\u00a0<\/i>Synergies<\/i>\u00a0between<\/i>\u00a0Physics<\/i>\u00a0and\u00a0<\/i>Artificial<\/i>\u00a0Intelligence<\/i>\u00a0applied to\u00a0<\/i>Hydropower<\/i>,\u00a0wyk\u0142ad w j\u0119zyku angielskim<\/span><\/strong><\/span><\/p>\n

In this presentation, I will highlight how the skillset built as a researcher in theoretical physics has helped me to shape my motto in artificial intelligence: \u201cVisualize, Predict, Plan\u201d.<\/span>
\nVisualizing very abstract quantities is fundamental to interpret the results of complex simulations in condensed matter physics, but is also a key part of exploratory data analysis in machine learning. Predicting, one of the \u201cstandard\u201d tasks of machine learning, can benefit from the art of approximating mathematical models in theoretical physics: which relations can be assumed to be linear? Which quantities can we neglect? Finally, in order to plan actions in the real world one needs to be able to translate real-life problems into mathematical models: this is a fundamental step which allows to fully exploit the computational power that modern artificial intelligence frameworks offer us.\u200b<\/span><\/p>\n

 <\/p>\n

11:45 \u2013 12:15 dr Emil Kaptur,\u00a0U\u017cycie metod uczenia maszynowego w optymalizacji efektywno\u015bci\u00a0<\/i>paliwowej linii lotniczych na podstawie danych z rejestrator\u00f3w\u00a0<\/i>szybkiego dost\u0119pu (tzw. czarnych skrzynek)<\/i><\/strong><\/span><\/p>\n

StorkJet zajmuje si\u0119 tworzeniem oprogramowania wspieraj\u0105cego linie lotnicze w zwi\u0119kszeniu efektywno\u015bci paliwowej oraz zmniejszeniu emisji CO2 oraz pozosta\u0142ych czynnik\u00f3w wp\u0142ywaj\u0105cych na klimat. Operacje lotnicze s\u0105 skomplikowane. Na szcz\u0119\u015bcie, mo\u017cna je rozwa\u017ca\u0107 jako sum\u0119 prostszych sk\u0142adowych, w kt\u00f3rych decyzje dyspozytora, pilota, autopilota, itd. wp\u0142ywaj\u0105 w r\u00f3\u017cny spos\u00f3b na spalanie paliwa i osi\u0105gi samolotu. StorkJet stworzy\u0142 modele uczenia maszynowego, kt\u00f3re opisuj\u0105 prawie ka\u017cdy aspekt operacji lotniczych. U\u017cycie tych modeli w produktach StorkJet pozwala linii lotniczej na okre\u015blenie optymalnej procedury wykonania operacji oraz oszcz\u0119dno\u015bci zwi\u0105zanych ze zmian\u0105 procedur. Podczas prezentacji StorkJet przedstawi:<\/span><\/p>\n