Trang chủ Các hoạt động Playing with Math - Chủ đề của Ngày Toán học quốc tế...

Playing with Math – Chủ đề của Ngày Toán học quốc tế năm 2024

“Playing With Math” – chủ đề của ngày toán học quốc tế năm 2024 sẽ được thể hiện qua AlphaGeometry, AI giải toán hình quốc tế – một sáng tạo đột phá với giới yêu toán; qua những phương pháp định lượng trong kinh tế – và qua cuộc toạ đàm sôi nổi cùng các diễn giả đã từng thi toán quốc tế, đang tạo sân chơi toán cho mọi lứa tuổi hay các nhà kinh tế học luôn áp dụng toán học.

🍀 Sự kiện sẽ có 02 Bài giảng đại chúng và 01 Chuyên mục Tọa đàm về chủ đề “Playing With Math”.

🌈 Chương trình có sự tham dự của các đại diện lãnh đạo Bộ KHCN, Ủy ban UNESCO, Viện Hàn lâm KH&CN VN, Viện Toán học cùng các Viện, Trường khác, Trung tâm Quốc tế Đào tạo và Nghiên cứu Toán học UNESCO (ICRTM), Quỹ VINIF, các nhà khoa học, các bạn trẻ, câu lạc bộ VINIF Alumni.

🎯 NỘI DUNG CHƯƠNG TRÌNH

1. Tên sự kiện: Ngày Toán học quốc tế: Playing With Math.

2. Thời gian: 09:00 – 12:00, thứ Năm, ngày 14 tháng 3 năm 2024.

3. Địa điểm: Hội trường Hoàng Tụy, Nhà A6, Viện Toán học, Viện Hàn lâm Khoa học và Công nghệ Việt Nam, 18B Hoàng Quốc Việt, quận Cầu Giấy, Hà Nội.

4. Sự kiện đã được đăng tải trên trang của Hội liên hiệp Toán học Quốc tế: https://www.idm314.org

5. Chương trình:

✅Bài giảng đại chúng số 01: Hình học, IMO và AI. Diễn giả: + TS. Trần Nam Dũng, Phó hiệu trưởng Trường Phổ thông Năng khiếu – ĐH Quốc gia TP.HCM. + TS. Lương Minh Thắng, Chuyên gia nghiên cứu và quản lý cao cấp tại Google Deepmind, Đồng tác giả AlphaGeometry.

✅ Bài giảng đại chúng số 02: Phương pháp nghiên cứu định lượng trong kinh tế xã hội. Diễn giả: TS. Nguyễn Việt Cường, Trường Quốc tế – ĐHQG HN, Phó Giám đốc Viện Nghiên cứu Phát triển Mekong.

✅ Minigame Toán học.

✅ Chuyên mục Tọa đàm với các khách mời: TS. Trần Nam Dũng, TS. Nguyễn Việt Cường, PGS.TSKH. Phan Thị Hà Dương, GS.TSKH. Phùng Hồ Hải, PGS.TS. Chu Cẩm Thơ.

BÀI MỚI NHẤT

Phát triển phương tiện tự hành dưới nước AUV phục vụ hỗ trợ các tác vụ ngầm và nghiên cứu khoa học biển

Tiềm năng kinh tế biển Việt Nam Việt Nam có hơn 3.260 km bờ biển với hơn 4.000 hòn đảo, bãi đá ngầm lớn nhỏ,...

Mạng nơ-ron tăng vọt trong hệ thống Neuromorphic hiện đại (Phần 3): Phần cứng

Hệ thống phần cứng ở mức caoHệ thống phần cứng ở mức cao được chia thành các triển khai mạch tương tự, mạch số...

Mạng nơ-ron tăng vọt trong hệ thống Neuromorphic hiện đại (Phần 2)

Một trong những câu hỏi quan trọng liên quan đến tính toán neuromorphic là sử dụng mô hình mạng nơ-ron nào? Mô hình mạng nơ-ron xác định những thành phần nào tạo nên mạng, cách các thành phần đó hoạt động và tương tác. Ví dụ, các thành phần phổ biến của mô hình mạng nơ-ron là các nơ-ron và khớp thần kinh (synapse), lấy cảm hứng từ các mạng nơ-ron sinh học. Khi xác định mô hình mạng nơ-ron, người ta cũng phải xác định các mô hình cho từng thành phần (ví dụ: mô hình nơ-ron và mô hình synapse); các mô hình thành phần chi phối cách thành phần đó hoạt động.

Mạng nơ-ron tăng vọt trong hệ thống Neuromorphic hiện đại (Phần 1)

Mạng nơ-ron tăng vọt (Spiking Neural Network – SNN) được giới thiệu bởi các nhà nghiên cứu tại Đại học Heidelberg và Đại học Bern. Mạng nơ-ron tăng vọt bắt chước gần giống mạng nơ-ron tự nhiên, có khả năng xử lý thông tin theo thời gian thực và tiết kiệm năng lượng. SNN sử dụng các xung điện (spikes) để truyền thông tin giữa các nơ-ron. Thay vì truyền tín hiệu liên tục như các mạng nơ-ron truyền thống, SNN truyền các xung điện rời rạc tại các thời điểm cụ thể khi điện thế màng của nơ-ron vượt qua một ngưỡng nhất định. SNN lấy một tập hợp các xung tăng vọt làm ngõ vào và tạo ra một tập hợp các xung tăng vọt làm ngõ ra (một loạt các xung tăng vọt thường được gọi là các chuỗi xung tăng vọt). Tế bào thần kinh kích hoạt khi điện thế màng chạm ngưỡng, gửi tín hiệu đến các tế bào thần kinh lân cận, làm tăng hoặc giảm điện thế của chúng để đáp lại tín hiệu. Các thành phần quan trọng của mạng SNN là mô hình nơ-ron thần kinh, khớp thần kinh (synapse), STDP (spike-timing-dependent plasticity), v.v.

BÀI ĐỌC NHIỀU

Khái quát về mô hình dữ liệu quan hệ

Phần lớn hệ thống cơ sở dữ liệu hiện nay đều được xây dựng bằng mô hình dữ liệu quan hệ. Vậy mô hình...

Supervised Learning và Unsupervised Learning: Khác biệt là gì?

Supervised learning (Học có giám sát) và Unsupervised learning (Học không giám sát) là hai trong số những phương pháp kỹ thuật cơ bản...

Transformer Neural Network – Mô hình học máy biến đổi thế giới NLP

Năm 2017, Google công bố bài báo “Attention Is All You Need” thông tin về Transformer như tạo ra bước ngoặt mới trong lĩnh...

Khái quát về Data Pipeline

Dữ liệu là chìa khóa trong việc khám phá tri thức sâu rộng, nâng cao hiệu quả quy trình và thúc đẩy đưa ra...