Машинное обучение (МО) прочно вошло в арсенал современной экспериментальной физики, однако за пределами стандартных приложений существует широкий спектр более сложных задач. В докладе рассматриваются некоторые избранные темы из продвинутого МО:

• статистический вывод на основе моделирования (simulation-based inference) для задач, где функция правдоподобия недоступна аналитически;
• методы оценки неопределенностей;
• интерпретируемость моделей МО для получения достоверных и физически адекватных результатов;
• дифференцируемое моделирование (differentiable simulation), открывающее новые возможности для решения обратных задач.

Обсуждение будет проиллюстрировано примерами приложений машинного обучения в области физики частиц и астрофизики.