История
Behzat Aslanoğlu
От молекул к нейронам и агентам
Математика и код росли в моей голове вместе — затем прошли через молекулы, мозг и машинное обучение к переднему краю: LLM, агентный ИИ и рои агентов. Одна непрерывная нить.
4
рецензируемые статьи
1
тезисы конференции
23
публичные репозитории
// the story
Параллельная дуга.
Математика, код, информатика и веб росли в моей голове вместе — каждое оттачивало другие. Я получил Бакалавр прикладной математики (Тебризский университет), а Магистр прикладной информатики в Стамбульском техническом университете (GPA 3.94/4.00), и Соискание степени PhD по информационно-коммуникационной инженерии — параллельно самостоятельно обучаясь программированию и мышлению в области машинного обучения. Математика питала код; код делал математику реальной.
Дисциплина никогда не была о заучивании формул — она была о разложении запутанной реальной задачи на уравнения, которые действительно можно решить. Дифференциальные уравнения, линейная алгебра и теория вероятностей стали грамматикой, которой я читаю каждый набор данных и каждую сеть, а компилятор был карандашом, которым я проверял предложения. Эта единая нить — от абстрактного доказательства до работающего программного обеспечения — тянется от молекулярных симуляций до LLM-агентов.
Math never waited for the code, and the code never waited for the math. They arrived together and stayed together — one continuous, intertwined thread from the very start.
— the through-line · BSc → MSc → PhD → the work
Дисциплина никогда не заключалась в запоминании формул — она заключалась в разложении беспорядочной реальной задачи на уравнения, которые вы действительно можете решить.
— applied mathematics · University of Tabriz
Don't just fit the curve — model the mechanism.
— molecular dynamics · TÜBİTAK, F876L resistance story
Vision
Intelligence from molecules to neurons to agents — one unbroken thread. Mathematics, science, and agentic AI grown together, and shared as I build.
Mission
Build LLMs and agentic AI that don't just answer — they act. From first-principles ML to coordinated swarms of agents, ship systems, not notebooks.
Philosophy
Reduce a messy, real system to a model you can trust. Respect the physics, model the mechanism — don't just fit the curve. Math and code arrived together and never waited for each other.
The Goal
Coordinated swarms where emergence echoes the brains I studied — resilience, parallel exploration, and answers that come from collective reasoning rather than one model's guess.
Движок
Три главы, одна нить
Столпы, на которых держится история, — и движок, с которым я до сих пор строю.
01
From Proofs to Physics
The Mathematician & Scientist
Applied mathematics, molecular dynamics, and the F876L resistance story. The discipline of decomposing a messy, real problem into equations you can actually solve.
02
Connectomics as Graph Theory
The Neuroscientist
Super-resolution for the most complex known graph — predicting high-resolution brain graphs from sparse, noisy observations. Open data, released to the community.
03
From ML to Swarms
The Agent Builder
From-scratch ML → federated learning → agents. Today: LLM systems end to end, and a working thesis that emergence echoes the brains I studied.