Разработка вероятностных и нейросетевых моделей прямых и обратных задач для создания нанотехнологийНИР

Development of probabilistic and neural network models of direct and inverse problems for the creation of nanotechnologies

Соисполнители НИР

МГУ имени М.В.Ломоносова Координатор

Источник финансирования НИР

госбюджет, раздел 0110 (для тем по госзаданию)

Этапы НИР

# Сроки Название
1 1 января 2021 г.-31 декабря 2021 г. Разработка вероятностных и нейросетевых моделей прямых и обратных задач для создания нанотехнологий
Результаты этапа: Основные результаты выполнения данного этапа НИР состоят в следующем: 1) Разработан метод поиска редуцированного базиса для уравнения Смолуховского. 2) Разработан многочастотный алгоритм определения диэлектрической проницаемости однородного слоя в прямоугольном волноводе. 3) Проведено моделирование динамики генерации висмутового волоконного лазера. 4) Предложен и реализован метод кросс-классификации эволюционных и роевых алгоритмов непрерывной оптимизации и различных тестовых задач непрерывной оптимизации с использованием различных методов понижения размерности. 5) Разработана программная система для автоматического распознавания печатных текстов в русской дореформенной орфографии на основе технологии распознавания Tesseract. 6) Реализован численный код PLASMALESS для моделирования магнитной системы установок токамак. Модернизирован численный код TOKSCEN (TOKamak SCENario) для расчетов сценариев разряда в установках токамак. 7) Создана модель предиктивной аналитики на основе временных рядов. 8) Исследованы сценарии работы газотурбинной установки. Изучена работа установки, получены и обработаны данные об «общем уровне». Для построения прогноза были использованы модели линейной регрессии, ARIMA и скользящего среднего. Для анализа стационарности был использован тест Дики-Фуллера. 9) Для установки JET получены оценки погрешностей восстановления в задаче реконструкции равновесия плазмы для случая ограничения на коэффициент запаса устойчивости q. 10) Исследована актуальная математическая задача, связанная с возмущением классической детерминированной системы дифференциальных уравнений Лоренца за счет добавления в правую часть стохастического дифференциала (стохастического процесса). На основе разработанного численного кода показано, что в результате внесения в систему стохастичности возможно видоизменение классического (детерминированного) аттрактора с его преобразованием в так называемый «стохастический» аттрактор.
2 1 января 2022 г.-31 декабря 2022 г. Разработка вероятностных и нейросетевых моделей прямых и обратных задач для создания нанотехнологий
Результаты этапа:
3 1 января 2023 г.-31 декабря 2023 г. Разработка вероятностных и нейросетевых моделей прямых и обратных задач для создания нанотехнологий
Результаты этапа:
4 1 января 2024 г.-31 декабря 2024 г. Разработка вероятностных и нейросетевых моделей прямых и обратных задач для создания нанотехнологий
Результаты этапа:
5 1 января 2025 г.-31 декабря 2025 г. Разработка вероятностных и нейросетевых моделей прямых и обратных задач для создания нанотехнологий
Результаты этапа:

Прикрепленные к НИР результаты

Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".

Прикрепленные файлы


Имя Описание Имя файла Размер Добавлен