Top.Mail.Ru

Информационные технологии, вычислительные системы и математическое моделирование

Направление: Гетерогенные вычислительные системы
Подразделение: Лаборатория специализированных вычислительных систем
Руководитель: профессор, д.т.н. Тарасов Илья Евгеньевич; к.т.н. Советов Пётр Николаевич.

Направление: Интеллектуальная оптимизация производственных и логистических систем
Подразделение: Кафедра инструментального и прикладного программного обеспечения Института информационных технологий.
Руководитель: Акимов Андрей Анатольевич, к.ф.-м.н., доцент.

Направление: Квантовые вычисления
Подразделение: Учебно-научная лаборатория «Квантовые технологии» Института информационных технологий.
Руководитель: доцент, к.т.н. Бочаров Никита Алексеевич; доцент, к.т.н. Зуев Андрей Сергеевич.

Направление: Многоагентные транспортные системы и генетические алгоритмы
Подразделение: Кафедра инструментального и прикладного программного обеспечения Института информационных технологий.
Руководитель: д.т.н., профессор, профессор РАН Акопов Андраник Сумбатович.

Направление: Программируемые логические интегральные схемы
Подразделение: Кафедра вычислительной техники Института информационных технологий.
Руководитель: доцент, д.т.н. Тарасов Илья Евгеньевич.

Направление: Цифровизация химико-технологического производства
Подразделение: Кафедра инструментального и прикладного программного обеспечения Института информационных технологий.
Руководитель: д.ф.-м.н. Мифтахов Эльдар Наилевич.

Направление: Анализ и моделирование больших динамических систем с упорядоченным аргументом
Подразделение: Кафедра прикладной математики Института информационных технологий.
Руководитель: профессор, д.х.н. Калач Андрей Владимирович.

Направление: Математическое моделирование технологических и физических процессов
Подразделение: Кафедра высшей и прикладной математики Института тонких химических технологий имени М.В. Ломоносова.
Руководитель: профессор, д.ф.-м.н. Шевелёв Валентин Владимирович.

Направление: Математическое моделирование технологических и физических процессов
Подразделение: Кафедра высшей и прикладной математики Института тонких химических технологий имени М.В. Ломоносова.
Руководитель: профессор, д.ф.-м.н. Карташов Эдуард Михайлович.

Направление: Математическое моделирование технологических и физических процессов
Подразделение: Кафедра цифровой трансформации Института информационных технологий.
Руководитель: доцент, к.т.н. Дзгоев Алан Эдуардович.

Направление: Математическое моделирование технологических и физических процессов
Подразделение: Кафедра прикладной математики Института информационных технологий.
Руководитель: к.т.н. Сидоров Станислав Михайлович

Гетерогенные вычислительные системы
Проектирование современных гетерогенных вычислительных систем для решения типовых, многократно встречающихся предметно-ориентированных задач, основывается на сочетании процессоров общего назначения и аппаратных ускорителей. Высокие показатели производительности и энергоэффективности аппаратных ускорителей достигаются, в первую очередь, за счет широкого использования параллелизма вычислений и специализации элементов архитектуры ускорителя. При условии выделения в наборе решаемых задач алгоритмов, допускающих параллельное выполнение операций, появляется возможность разработки специализированного вычислительного устройства с массовым параллелизмом – ускорителя вычислений, интегрируемого в состав программно-аппаратного комплекса на базе процессора общего назначения.

Сочетание процессора и ускорителей вычислений с массово-параллельной архитектурой позволяет распределять между ними отдельные группы вычислений. Реализация минимально необходимого набора вычислительных узлов позволяет сократить объем аппаратных ресурсов, требуемых для ускорителя, что является практическим подходом для повышения его эффективности. В результате актуально комплексное рассмотрение уровней проектирования ускорителей вычислений – от системной модели до топологической реализации с использованием обратных связей от нижележащих уровней проектирования, что позволяет проводить комплексную оптимизацию характеристик вычислительного устройства по устанавливаемым критериям.

Основные работы, опубликованные по результатам исследований
  1.  Патент на полезную модель № 231681 U1 Российская Федерация, МПК G06F 7/02, G06F 16/90. Устройство для сравнения строк с заданным шаблоном : заявл. 28.11.2024 : опубл. 05.02.2025 / И. Е. Тарасов, П. Н. Советов ; заявитель Федеральное государственное бюджетное образовательное учреждение высшего образования "МИРЭА - Российский технологический университет". – EDN CUCUPT.  Тарасов И. Е. Перспективы применения софт-процессоров в системах на кристалле на базе программируемых логических интегральных схем / И. Е. Тарасов, Д. С. Потехин, О. В. Платонова // Russian Technological Journal. – 2022. – Т. 10, № 3. – С. 24-33. – DOI 10.32362/2500-316X-2022-10-3-24-33. – EDN UVLVBA.  Тарасов И.Е., Советов П.Н., Люлява Д.В., Дуксин Н.А. Управление топологическими ограничениями при реализации конвейерных вычислительных структур на базе программируемых логических интегральных схем. Russian Technological Journal. 2025;13(3):44-53.  
  2. Тарасов И.Е., Советов П.Н., Люлява Д.В., Мирзоян Д.И. Методика проектирования специализированных вычислительных систем на основе совместной оптимизации аппаратного и программного обеспечения. Russian Technological Journal. 2024;12(3):37–45. https://doi.org/10.32362/2500-316X-2024-12-3-37-45
  3. Тарасов И. Е. Специализированная вычислительная система для определения параметров периодических радиосигналов на основе вейвлет-анализа / И. Е. Тарасов // Электромагнитные волны и электронные системы. – 2025. – Т. 30, № 1. – С. 46-54. – DOI 10.18127/j5604128-202501-05. – EDN FPPRPY.
  4. Советов П. Н. Алгоритмы улучшения автоматически синтезированного набора команд расширяемого процессора / П. Н. Советов // Программная инженерия. – 2023. – Т. 14, № 5. – С. 225-231. – DOI 10.17587/prin.14.225-231.
Интеллектуальная оптимизация производственных и логистических систем
Отрасли национальной экономики Российской Федерации —  от нефтехимии и фармацевтики до логистики и промышленной робототехники — стремительно переходят к «умным» системам управления, где решение принимает алгоритм, учитывающий нелинейную динамику, нестационарность и сразу несколько зачастую конфликтующих критериев: производительность, энергоэффективность, экологический след и т.п.

Эволюционные и роевые метаэвристики, гибридизированные с методами оптимального управления и цифровыми двойниками, позволяют находить глобально-выгодные режимы без упрощающих допущений о линейности и полной определённости процесса. Разрабатываемый инструментарий масштабируется от химических реакторов до многоагентных логистических сетей, интегрируется в облачные сервисы и вычислительные кластеры GPU, обеспечивая российским предприятиям импортонезависимые решения уровня Aspen/gPROMS и подготавливая кадры в области промышленной индустрии.

Основные работы, опубликованные по результатам исследований:
  1. Antipina E., Mustafina S., Antipin A., Akimov A. Search for the optimal composition of the reaction mixture based on a genetic algorithm  // Match: Communications in Mathematical and Computer Chemistry. - 2025. -Т. 94.- № 2.- С. 309-324. [Scopus Q1]  
  2. A. A. Akimov, K. A. Sapozhnikova and Y. A. Gnatenko  A Discrete Swarm Optimization Modification for the Multi-Agent Traveling Salesman Problem   / / 2025 International Russian Smart Industry Conference (SmartIndustryCon) Sochi, Russian Federation. - 2025. - pp. 418-424. [Scopus]
  3. Miftakhov E., Mustafina S., Akimov A., Mustafina S. Simulation approach to study kinetic heterogeneity of gadolinium catalytic system in the 1,4-cis-polyisoprene production //E-Polymers.- 2024. - Т. 24.- № 1. [Scopus Q2]  
  4. Mustafina S., Antipina E., Antipin A., Akimov A. Solving the optimal control problem with terminal constraints in modeling chemical processes//Match: Communications in Mathematical and Computer Chemistry. 2024. Т. 91. № 3. С. 665-682. [Scopus Q1]
  5. Miftakhov E., Mustafina S., Akimov A. Application of heuristic methods for polymer synthesis process optimization // Journal of Engineering. -2024.- Т. 2024.- № 1.- С. 10.1155/je/5900477. [Scopus Q2]
  6. Miftakhov E., Mustafina S., Kashnikova A., Akimov A. Development of a cloud service for comprehensive research of polymer synthesis processes  //Emerging Science Journal. -2024. -Т. 8. -№ 6.- С. 2539-2553.[Scopus Q1]
  7. Miftakhov E., Mustafina S., Akimov A. Application of a genetic algorithm for optimization of periodic polymerization processes //Revista Mexicana de Ingeniería Química. - Vol. 24. - No. 1. - 2025. - pp. 1-15. [Scopus Q3]
  8. Mustafina S., Miftakhov E., Akimov A., Podvalny S., Gabelashvili K. Assessing the hydrodynamic effect on the molecular parameters of the isoprene polymerization product in the presence of a neodymium-based catalytic system // ACS Omega. -2022. -Т. 7. -№ 21.- С. 17652-17657. [Scopus Q2]
Квантовые вычисления
Технологии квантовых вычислений (компьютеров) доказанно позволят решать недоступные классическим компьютерам, в том числе суперкомпьютерам, вычислительные задачи. В результате начала их прикладного применения сформируются предпосылки для технологического прорыва в большом количестве направлений научно-технического развития: химия, биология, медицина, логистика, финансы, криптография, искусственный интеллект и т.д.

Новые вычислительные возможности, в том числе в решении оптимизационных задач, приведут к фундаментальным изменениям в системах управления техническими, организационными и социальными системами, значительно повысив их эффективность. В результате ожидается значительный экономический эффект во всех отраслях национальных экономик государств, владеющих (применяющих) данными технологиями.

Реализацией дорожной карты по квантовым вычислениям на 2025-2030 гг. занимается Госкорпорация «Росатом», соответствующий комплекс мероприятий нацелен на достижение качественных эффектов развития квантовых технологий в России. В их числе – обеспечение технологического суверенитета и глобальной конкурентоспособности России в стратегической перспективе. Главное в этом направлении — овладение практикой промышленного использования квантовых технологий. Также одна из важных задач – построение основных элементов национальной квантовой индустрии, конкурентоспособной в международном масштабе, в том числе в контексте реализации нацпроекта «Экономика данных».

Основные работы, опубликованные по результатам исследований
  1.  Кирилюк М.А., Бочаров Н.А. Разработка программной модели квантовых вычислений и моделирование работы квантовых алгоритмов на платформе «Эльбрус». Вестник Концерна ВКО «Алмаз – Антей». 2022. № 1. С. 93-101
  2. Кирилюк М.А. Перспективы применения квантовых компьютеров для решения вычислительно сложных задач // Состояние и перспективы развития современной науки по направлению «ИТ-технологии»: Сборник трудов II Всероссийской научно-технической конференции, Анапа, 23–24 марта 2023 года. Том 3. – Анапа: Федеральное государственное автономное учреждение «Военный инновационный технополис «ЭРА», 2023. – С. 295-298
  3. Кирилюк М.А., Бочаров Н.А., Парамонов Н.Б., Григоренко В.М. Оценка вычислительных характеристик квантовых компьютеров для ускорения решения систем линейных уравнений // Искусственный интеллект. Теория и практика. – 2025. – № 2(10). – С. 52-56.
  4. Кирилюк М.А. Разработка метода формирования структуры переносимой квантовой программы // Приборы. – 2024. – № 2(284). – С. 14-23.
  5. Кирилюк М.А. Формирование потока исходных данных задач на квантовый сопроцессор // Вестник Концерна ВКО «Алмаз – Антей». 2023. № 1. С. 90-106
  6. Кирилюк М.А., Парамонов Н.Б., Суминов К.А. Программная модель вычислительного комплекса, имеющего в составе квантовый сопроцессор // Известия высших учебных заведений. Поволжский регион. Технические науки. 2023. № 4. С. 70–83.
  7. Кирилюк М.А., Бочаров Н.А., Парамонов Н.Б., Суминов К.А. Разработка и оценка эффективности метода организации вычислений на специализированных вычислительных системах с квантовым сопроцессором // Приборы. – 2024. – № 3(285). – С. 12-20.
  8. Бочаров Н.А., Кирилюк М.А., Парамонов Н. Б. Квантовые вычисления и некоторые сложности их реализации // Приборы. – 2021. – № 7(253). – С. 18-25.
  9. Бочаров Н.А., Кирилюк М.А., Гладышев А.И., Парамонов Н.Б. Моделирование квантовых алгоритмов машинного обучения на доверенной платформе «Эльбрус» // Приборы. – 2022. – № 9(267). – С. 8-14.
Многоагентные транспортные системы и генетические алгоритмы
Современные системы поддержки принятия решений на транспорте требуют учёта поведения множественных взаимодействующих агентов на микроуровне, например, таких как, транспортные средства, пешеходы, «умные светофоры» и т.д. Управление подобными многоагентными системами требует разработки прикладного математического и программного обеспечения, реализующего методы имитационного моделирования, эволюционные алгоритмы класса генетических и роевых оптимизационных алгоритмов, методы кластеризации и др.

Таким образом, проектирование систем поддержки принятия решений для управления интеллектуальными многоагентными транспортными системами, использующими методы искусственного интеллекта для адаптивного управления транспортными потоками в масштабе системы «умный город» является важным направлением исследований.

Подобный подход нацелен на улучшение транспортных потоков, уменьшение количества дорожных заторов и аварий, повышение уровня комфорта для пешеходов, минимизацию объема вредных выбросов (CO2) от транспортных средств и др.

Основные работы, опубликованные по результатам исследований
  1. A. S. Akopov and L. A. Beklaryan, "Evolutionary Synthesis of High-Capacity Reconfigurable Multilayer Road Networks Using a Multiagent Hybrid Clustering-Assisted Genetic Algorithm," in IEEE Access, vol. 13, pp. 53448-53474, 2025, doi: 10.1109/ACCESS.2025.3554054.
  2. A. S. Akopov and L. A. Beklaryan, "Traffic Improvement in Manhattan Road Networks With the Use of Parallel Hybrid Biobjective Genetic Algorithm," in IEEE Access, vol. 12, pp. 19532-19552, 2024, doi: 10.1109/ACCESS.2024.3361399.
  3. Зарипов Е.А., Акопов А.С. Моделирование и оптимизация характеристик интеллектуальной транспортной системы «умного города» с использованием гибридных эволюционных алгоритмов // Бизнес-информатика. 2025. Т. 19. № 1. С. 34–49. DOI: 10.17323/2587-814X.2025.1.34.49
  4. Акопов A.C., Зарипов Е.А., Мельников А.М. Адаптивное управление транспортной инфраструктурой в городской среде с использованием генетического алгоритма вещественного кодирования // Бизнес-информатика. 2024. Т. 18. № 2. С. 48–66. DOI: 10.17323/2587-814X.2024.2.48.66
  5. Зарипов Е. А., Мельников А. М., Акопов А. С. Имитационное моделирование и оптимизация транспортных потоков в локальных участках уличной дорожной сети с использованием системы AnyLogic // ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ №4. Том 30. 2024, С. 183-189.
  6. Бекларян А.Л., Бекларян Л.А., Акопов A.C. Имитационная модель интеллектуальной транспортной системы «умного города» с адаптивным управлением светофорами на основе нечеткой кластеризации // Бизнес-информатика. 2023. Т. 17. № 3. С. 70–86. DOI: 10.17323/2587-814X.2023.3.70.86.
Программируемые логические интегральные схемы
Программируемые логические интегральные схемы обеспечивают возможность прототипирования электронной компонентной базы при минимальных затратах. Это открывает возможности разработки широкого спектра цифровых устройств для решения задач обработки данных, управления в технических системах, промышленной автоматизации, связи и др. Увеличение сложности цифровых устройств обуславливает необходимость исследования перспективных подходов к разработке и использованию ПЛИС.

В Российской Федерации разработкой ПЛИС занимается НИИ Молекулярной Электроники (НИИМЭ), выпускающий серию ПЛИС 5510 на производственных мощностях АО "Микрон". Освоение этой элементной базы будет способствовать производству цифровых устройств для работы в специальных условиях эксплуатации, в том числе на объектах критической инфраструктуры.

Основные работы, опубликованные по результатам исследований
  1. ПЛИС Xilinx. Языки описания аппаратуры VHDL и Verilog, САПР, приемы проектирования Тарасов И.Е. 2025 (Тиражирование книги начато в 2019 г.) 538 стр. Справочное издание ISBN 978-5-9912-0802-4.
  2. Тарасов И.Е. Анализ характеристик компонентов специализированных процессорных ядер, реализуемых в составе ПЛИС / И. Е. Тарасов // Высокопроизводительные вычислительные системы и технологии. – 2024. – Т. 8, № 1. – С. 13-20. – EDN CUWSML.
  3. Тарасов И.Е. Разработка конвейеризованных ускорителей обработки данных для проектов на базе ПЛИС / И. Тарасов // Электронные компоненты. – 2023. – № 4. – С. 76-83. – EDN VEHDTH.
  4. Тарасов И.Е. Обзор семейства Xilinx Artix UltraScale+ и перспективы применения ПЛИС Xilinx начального уровня / И. Тарасов // Компоненты и технологии. – 2022. – № 1(246). – С. 56-58. – EDN FVJPRM.
  5. Тарасов И.Е. Практические подходы к моделированию систем цифровой обработки сигналов на базе ПЛИС / И. Тарасов // Компоненты и технологии. – 2022. – № 8(253). – С. 31-37. – EDN SBSPPC.
Цифровизация химико-технологического производства
Современная химико-технологическая промышленность предъявляет высокие требования к внедрению передовых методов математического моделирования и цифровых технологий для повышения эффективности производства, обеспечения стабильного качества продукции и оптимизации ресурсов. В условиях цифровизации и глобальной конкуренции критически важным становится создание цифровых инструментов для анализа, прогнозирования и управления химико-технологическими процессами.

В соответствии с национальной стратегией России по переходу на отечественное программное обеспечение проводится разработка математического и информационного обеспечения, способного заменить зарубежные аналоги и быть внедрённым на любом профильном предприятии. Разрабатываемый комплекс решений включает модели, методы и алгоритмы управления промышленными процессами, позволяет проводить вычислительные эксперименты, автоматизированное моделирование и оптимизацию технологических параметров с использованием облачных технологий. Его применение обеспечит независимость от зарубежных решений, ускорит цифровую трансформацию отрасли и значительно повысит конкурентоспособность российских предприятий на мировом рынке.

Основные работы, опубликованные по результатам исследований
  1. Мифтахов Э.Н., Кашникова А.П. Использование генетического алгоритма для поиска оптимального состава реакционной смеси на основе кинетической модели процесса // Автоматизация и информатизация ТЭК. 2025. №1(618). С.48–56.  
  2. Miftakhov E.N., Mustafina S.I., Akimov A.A. Application of a genetic algorithm for optimization of periodic polymerization processes // Revista Mexicana de Ingeniera Quimica. 2025. Vol. 24. No. 1. pp. 1-15. 
  3. Miftakhov E.N., Mustafina S.I., Kashnikova A.P., Akimov A.A. Development of a cloud service for comprehensive research of polymer synthesis processes // Emerging Science Journal. 2024. Vol. 8. No. 6. pp. 2539-2553. 
  4.  Miftakhov E., Mustafina S., Akimov A. Application of Heuristic Methods for Polymer Synthesis Process Optimization // Journal of Engineering. 2024. Article ID 5900477. pp. 1-9.
  5. Miftakhov E., Mustafina S., Akimov A., Mustafina S. Simulation approach to study kinetic heterogeneity of gadolinium catalytic system in the 1,4-cis-polyisoprene production // e-Polymers. 2024. 24(1). pp. 20230131.  
  6. Мифтахов Э.Н., Михайлова Т.А., Мустафина С.А. Моделирование процессов синтеза полимеров с целью оценки молекулярно-массового распределения. Вестник МГТУ им. Н.Э. Баумана. Сер. Естественные науки. 2024. № 5 (116). С. 110–126. 
  7. Мифтахов Э.Н. Алгоритм поиска оптимального режима подачи регулятора в процессе получения полимерных продуктов // Инженерные технологии и системы. 2024. Т. 34. №4. C. 597-614. 
  8. Мифтахов Э.Н., Иванов Д.В. Поиск оптимального состава реакционной смеси с использованием алгоритма имитации отжига // Автометрия. 2024. Т. 60. № 5. С. 120-128. 
  9. Мифтахов Э.Н., Кашникова А.П., Иванов Д.В. Использование генетических алгоритмов для решения задачи поиска оптимального состава реакционной смеси // Научно-технический вестник информационных технологий, механики и оптики. 2024. Т. 24. № 4. С. 637-644.
  10. Мифтахов Э.Н., Мустафина С.И., Михайлова Т.А., Насыров И.Ш., Фаизова В.Ю. Оценка композиционной неоднородности продуктов сополимеризации бутадиена со стиролом методами имитационного моделирования // Каучук и резина. 2024. Т.83. №4. С.214-217. 
  11. Мифтахов Э.Н., Мустафина С.И., Морозкин Н.Д., Насыров И.Ш., Мустафина С.А. Оценка эффективности влияния трубчатого турбулентного аппарата на кинетику процессов получения полимеров // Инженерные технологии и системы. 2023. Т. 33. № 3. С. 388-402. 
  12. Мифтахов Э.Н., Мустафина С.А., Насыров И.Ш., Морозкин Н.Д. Алгоритм оценки молекулярных характеристик полимерного продукта в условиях многоточечного регулирования // Инженерные технологии и системы. 2023. Т. 33. № 2. С. 270-287. 
Анализ и моделирование больших динамических систем с упорядоченным аргументом
Из-за множества факторов, таких как рост населения, глобализация и изменение климата, человечество становится все более уязвимым к природным и техногенным катастрофам. Статистические данные свидетельствуют о росте числа природных опасных явлений по всему миру. Частота и интенсивность чрезвычайных ситуаций (ЧС), имеющих неблагоприятные последствия для экономического развития государств и объектов окружающей среды, значительно возросли за последние десятилетия.

Актуальным является создание новых и совершенствование существующих научно-обоснованных подходов к идентификации и прогнозированию возникновения чрезвычайных ситуаций, вызванных опасными природными явлениями, с целью минимизации материального ущерба и, самое главное, предотвращения жертв среди населения.

В связи с этим, необходимо совершенствование имеющегося научно-методического обеспечения оценки устойчивости систем жизнеобеспечения населения и планирования мероприятий по повышению их устойчивости в ЧС за счет внедрение новых высокоэффективных методов прогнозирования динамики развития ЧС, вызванных опасными природными явлениями.

Основные работы, опубликованные по результатам исследований
  1. Парамонов А.А., Крынецкий Б.А. Асимптотический анализ алгоритма поиска почти-периодов в данных с упорядоченным аргументом // Защита информации. Инсайд. – 2023. – Т. 112, № 4. – С. 53-57.
  2. Калач А.В., Парамонов А.А., Сахаров С.Л. О возможностях применения метода почти-периодического анализа для обработки изображений // Моделирование систем и процессов. – 2024 – Т. 17, № 3. – С. 44-52. DOI: https://doi.org/10.12737/2219-0767-2024-42-50.
  3. Парамонов А.А., Калач А.В., Кравченко А.С. Исследование структуры тропического циклона на основе анализа данных спутникового видеоряда с применением метода почти периодического анализа // Моделирование систем и процессов. – 2024. – Т. 17, № 4. – С. 67-76. – DOI 10.12737/2219-0767-2024-17-4-67-76.
Математическое моделирование технологических и физических процессов (Шевелев В.В)
Математические модели технологических и физических процессов и их исследование аналитическими методами, позволяют установить основные факторы, влияющие на формирование структуры, физико-химических и физико-механических свойств материалов, что позволяет создавать технологии получения материалов с заданными свойствами.

Основные работы, опубликованные по результатам исследований
  1. Шевелёв, В. В. Прогнозирование долговечности пучка волокон при одноосном растяжении на основе термофлуктуационной модели их хрупкого разрушения // Прикладная механика и техническая физика. – 2023. – Т. 64, № 5(381). – С. 194-204.
  2. Шевелёв, В. В. Метод интегральных преобразований решения краевых задач для уравнения теплопроводности в ограниченных областях, содержащих движущуюся границу // Инженерно-физический журнал. – 2023. – Т. 96, № 1. – С. 170-179.
Математическое моделирование технологических и физических процессов (Карташов Э.М.)
Развиты новые модельные представления при исследовании комплекса термодинамических, теплофизических, физико-химических, механических и других свойств конструкционных материалов (полимеры, органические и неорганические стекла, металлы), определяющих их термическую прочность (термоупругость. термовязкоупругость, тепловое разрушение) в условиях мощных энерговкладов и временах воздействия от долей секунды до длительных интервалов времени.

Разработаны новые математические модели в аналитической теории теплопереноса при исследовании тепловой реакции твердых тел в терминах краевых задач для уравнений гиперболического типа ( обобщенные краевые задачи на основе классических феноменологий переноса теплоты, вытекающих из соотношений Онзагера) в средах с тепловой памятью для линеаризованного уравнения Гуртина-Пипкина, в областях с движущимися во времени границами с дальнейшим развитием теории Карташова о тепловых потенциалах обобщенного типа простого и двойного слоя, исследованы диффузионные процессы в условиях переменной температуры, в условиях с двухфазным запаздыванием.

Развиты новые аналитические методы решения краевых задач обобщённого типа в классических областях для тел канонической формы и в областях нецилиндрического типа. Развиты обобщенные подходы к проблеме хрупкого и квазихрупкого разрушения твердых тел в простейших и усложненных условиях их испытаний. Разработаны теоретически обоснованные кинетические уравнения и новые методы расчета важных параметров и критериев процесса разрушения , а также важнейших предельных кинетических характеристик материалов с трещинами при механических и тепловых нагрузках.

Основные работы, опубликованные по результатам исследований
  1. Карташов Э.М. Новые операционные соотношения для математических моделей локально-неравновесного теплообмена // Российский технологический журнал. 2022.Т.10.№1.С.7-18 (тема 1).
  2. Карташов Э.М. Тепловое состояние области с термоизолированной движущейся границей // Теплофизика высоких температур 2023. Т.67.№5. С.714-722 (тема 1).
  3. Карташов Э.М. Новые соотношения для аналитических решений локально-неравновесного теплообмена// Вестник МГТУ им. Баумана, серия Естественные науки. 2023.№6. С.4-24 (тема1).
  4. Карташов Э.М. Новый энергетический эффект в областях нецилиндрического типа с термоизолированной движущейся границей // Российский технологический журнал.2023. Т.11.35.С.106-117. (тема 2).
  5. Карташов Э.М. Обобщенные модельные представления теории теплового удара // Математическое моделирование. 2023.Т.35.№8.С.14-30 (тема 2).
  6. Карташов Э.М. Развитие обобщенных модельных представлений теплового удара для локально-неравновесных процессов переноса теплоты // Российский технологический журнал. 2023.Т.11.№3.С.70-85. (тема 2).
  7. Карташов Э.М., Крылов С.С. Новые аналитические решения математических моделей теплового удара локально-неравновесного теплообмена // Известия РАН, Энергетика. 2023. №6. С.44-60. (тема 2).
  8. Карташов Э.М., Крылов С.С. Обобщенная модель теплового удара в динамической термоупругости // Инженерно-физический журнал.2023. Т.96.33.С.575-587 (тема 2).
  9. Карташов Э.М., Крылов С.С. Аналитические решения краевых задач теплопроводности со свободной границей //Тепловые процессы в технике. 2023.Т.35. №10. С.456-467. (тема 2).
  10. Карташов Э.М. Развитие модельных представлений термической реакции вязкоупругих тел на температурное поле // Российский технологический журнал. 2024.12(6). С.80-90 (темы 1-2).
Математическое моделирование технологических и физических процессов (Дзгоев А.Э.)
Для работы на оптовом рынке электроэнергии и мощности (ОРЭМ) энергетическим компаниям и производственным предприятиям необходимо подавать прогнозные заявки на необходимые объёмы электроэнергии на каждый час следующих суток. Когда прогнозные значения в заявке оказываются заниженными, предприятие покупает недостающие объёмы на розничном рынке электроэнергии по цене выше оптовой. Если прогнозные оценки оказываются завышенными, то на следующий день предприятие продает «излишки» объемов электроэнергии на розничном рынке по невыгодной для себя цене. Таким образом, возникает переплата, за счёт некорректных прогнозных значений, ошибка которых составляет от 10 до 15%.

Для эффективного управления процессом производства продукции и контроля за расходом электроэнергии необходимо прогнозировать поведение потребления электроэнергии, с использованием современных способов математического моделирования и машинного обучения, на основе реальных производственных данных. Новые, полезные, адекватные и качественные регрессионные уравнения, в том числе модели машинного обучения и искусственного интеллекта, позволяют предприятиям снижать ошибки прогнозирования электропотребления, что приводит к экономии, в том числе за счёт отсутствия переплат на рынке электроэнергетики. В результате, производственные и энергетические предприятия получают дополнительный экономический эффект.

Основные работы, опубликованные по результатам исследований
  1. Дзгоев А.Э., Лагунова А.Д., Карацев С.Т., Комаров И.А., Конюшок И.А., Хузмиев И.М., Гладышев О.Я. Системный анализ данных и моделирование поведения потребления электроэнергии на каждый час суток с помощью методов машинного обучения // Управление большими системами: Сборник трудов. Вып. 114. – М.: Институт проблем управления имени В.А. Трапезникова РАН, 2025. – С.6-40.
Математическое моделирование технологических и физических процессов (Сидоров С.М.)
Актуальность направления обусловлена возрастающей сложностью современных технических систем и необходимостью точного прогнозирования их поведения, выявления неисправностей и оптимизации процессов. Традиционные методы моделирования часто не способны адекватно описывать системы со сложной структурой, стохастическим характером функционирования и неполной наблюдаемостью внутренних состояний.

Скрытые марковские модели представляют собой мощный математический аппарат, позволяющий эффективно моделировать подобные системы, учитывая их вероятностную природу и скрытые от непосредственного наблюдения состояния. Разработка математических моделей и специализированных программ для ЭВМ обеспечивает возможность широкого применения подхода в различных отраслях промышленности, таких как машиностроение, энергетика, аэрокосмическая техника, а также в диагностике и мониторинге сложных технических объектов.

Основные работы, опубликованные по результатам исследований
  1. Обжерин, Ю. Е., Сидоров С.М. Полумарковские модели двухфазных асинхронных линий с накопителем // Прикладная информатика. – 2025. – Т. 27, № 1 (115). – С. 28-47. – DOI 10.37791/2687-0649-2025-20-1-28-47.
  2. Sidorov, S.M., Obzherin, Y.E. (2024). Intelligent Distribution Electrical Grid Section Efficiency Analysis. In: Bolshakov, A.A. (eds) Cyber-Physical Systems. Studies in Systems, Decision and Control, vol 554. Springer, Cham. https://doi.org/10.1007/978-3-031-67685-7_13.
  3. Obzherin, Y.E., Sidorov, S.M., Fedorenko, S.N. Hidden Markov Model and States Prediction of an Autonomous Wind-Diesel Complex. E3S Web of Conferences, 2023, Vol. 384, № статьи 01023. https://doi.org/10.1051/e3sconf/202338401023.
  4. Обжерин Ю.Е., Сидоров С.М., Никитин М.М., Федоренко С.Н. Укрыпненная полумарковская и скрытая марковская модели технической системы на основе сигналов от подсистем // Прикаспийский журнал: управление и высокие технологии. 2023. № 1 (61). С. 120-126.

© 2025 МИРЭА - Российский технологический университет

Все права на материалы сайта mirea.ru принадлежат РТУ МИРЭА. Правила использования сайта.