Лазарев Михаил Владимирович

Научный сотрудник научно-учебной лаборатории методов анализа больших данных Института искусственного интеллекта и цифровых наук и доцент департамента больших данных и информационного поиска факультета компьютерных наук НИУ ВШЭ. Степень PhD получил в 2019 году в Федеральной политехнической школе Лозанны (EPFL). Окончил Московский физико-технический институт: бакалавриат в 2011 году, магистратуру в 2013-м, направление «Прикладные математика и физика». В Высшей школе экономики работает с 2021 года.

Карьеру начинал в физике: в 2011–2013 годах был лаборантом теоретического отдела Института теоретической и прикладной электродинамики (ИТПЭ) РАН, затем перешёл в EPFL, где в 2013–2019 годах вёл исследования в лаборатории физики наноструктур LPN, а в 2013–2017 годах был ассистентом профессора на факультете SB — вёл курс общей физики. Научные интересы сегодня лежат на стыке этих областей: машинное обучение, нанофизика, анализ данных и оптика. Круг задач — символьная регрессия, графовые нейронные сети для описания дефектов в двумерных материалах, автоматизированный дизайн материалов и применение ИИ в медицине.

Преподаёт дисциплины по глубинному обучению и математическим методам на факультете компьютерных наук. В программе 2025/2026 учебного года — англоязычный курс Introduction to Deep Learning («Введение в глубинное обучение», 4 кредита) для третьего курса «Прикладной математики и информатики», курс по выбору «Глубинное обучение в естественных науках» (6 кредитов, 80 контактных часов, читается также в формате «Маго-лего») и обязательный курс Mathematical Methods for Data Analysis («Математические методы анализа данных», 5 кредитов, 56 контактных часов) для направления «Программная инженерия». Ранее вёл «Алгоритмы и структуры данных» для первокурсников и магистерский курс «Глубинное обучение».

Публикуется в международных журналах по вычислительному материаловедению, физике и компьютерным наукам. Среди работ — «Physical origins of optical anisotropy in quantum confined-semiconductors» (Journal of Applied Physics, 2023), «Symbolic expression generation via Variational Auto-Encoder» (PeerJ Computer Science, 2023), «Review on automated 2D material design» (2D Materials, 2024), «Symbolic regression for defect interactions in 2D materials» (Materials and Design, 2025), «Thermal stability of monolayer fullerene networks: A molecular dynamics study with machine-learning potential» (Computational Materials Science, 2025) и «Database of tensile test results of carbon fibers impregnated with thermoplastic polymer» (Scientific Data, 2026). Ранняя работа «Особенности формирования запрещённых зон в одномерных фотонных кристаллах большого контраста» вышла в «Журнале радиоэлектроники» (2011, № 9).

Автор и соавтор трёх зарегистрированных программ для ЭВМ: программного модуля обучения символьной регрессии на основе вариационного автокодировщика (регистрация 2023610599, совместно с С. А. Поповым и А. Е. Устюжаниным), библиотеки обучения графовых нейронных сетей на разреженном представлении точечных дефектов в 2D-материалах (2024682683, с А. Р. Аль-Маини) и метода генерации конфигураций дефектов в кристаллах MoS2 (2025689093), где он указан единственным автором. В августе 2023 года представлял НИУ ВШЭ на международной конференции по искусственному интеллекту для бизнеса AI IN в Университете Иннополис. В июле 2023 года отмечен благодарностью факультета компьютерных наук НИУ ВШЭ.