Коллектив Лаборатории промышленной математики Байкальского института БРИКС ИРНИТУ успешно завершил масштабный цикл исследований в рамках государственного задания Министерства науки и высшего образования РФ. Общий объём выполненных работ в 2025 году превысил 15 млн рублей. Результаты, которые открывают новые возможности в ключевых для страны технологических областях, представил на заседании научно-технического совета университета руководитель лаборатории, профессор ИРНИТУ и РАН Денис Сидоров.
Основная работа велась в рамках трёхлетнего проекта «Математическое моделирование динамических систем с параметрами и сингулярностями». Учёные сфокусировались на создании и совершенствовании принципиально новых методов, которые уже находят применение в сфере искусственного интеллекта, точной навигации, управления сложными энергосистемами и наук о Земле.
Профессор Денис Сидоров рассказал о ключевых научных прорывах лаборатории. Сотрудники научного подразделения работали над принципом максимума для нового класса задач. Исследователям впервые удалось доказать и сформулировать принцип максимума Понтрягина — фундаментальный инструмент оптимального управления — для систем с нелокальными законами баланса. Это расширяет горизонты его использования в нейросетях, транспортном моделировании и математической биологии.
Еще одна задача, которую решали ученые, была сфокусирована на искусственном интеллекте для ионосферы. Точный прогноз состояния ионосферы критически важен для геофизики и навигации. Математики ИРНИТУ разработали метод, который на основе ограниченных (разреженных) данных с помощью машинного обучения (архитектура ConvLSTM) строит детальные мультимодальные изображения ионосферы, значительно повышая точность прогнозов.
Коллектив Лаборатории промышленной математики также был сосредоточен на вопросах, связанных с «физичными» нейросетями.
В рамках госзадания Минобрнауки РФ политеховцы уделили большое внимание математике для «зелёной» энергетики. Одно из прикладных достижений связано с разработкой моделей для интеллектуального управления зарядом аккумуляторов на основе гибридных сетей (Колмогорова-Арнольда и Вольтерра). Внедрение таких алгоритмов повысит надёжность и срок службы накопителей энергии. Другая разработка — гибридная архитектура глубокого обучения — с рекордной точностью прогнозирует нагрузку в локальных энергосетях, включая «умные» здания с почти нулевым энергопотреблением.
«Современные нейросети часто работают как «чёрный ящик», — отмечает профессор Сидоров. — Наш подход, сочетающий классические численные методы и нейросетевые архитектуры, позволяет создавать модели, которые не просто аппроксимируют данные, но и учитывают фундаментальные физические законы, стоящие за процессом». Эти комбинированные методы особенно эффективны для решения сложных интегральных уравнений».
Подчеркнем, что лаборатория под руководством профессора Сидорова демонстрирует эффективную модель интеграции образования, науки и международного сотрудничества. Коллектив, в который входят учёные из России, Китая, Колумбии и Вьетнама, целенаправленно работает с молодёжью: доля исследователей и аспирантов младше 39 лет составляет 73%.
Научные итоги года нашли отражение не только в отчётах, но и в солидных публикациях. Совместно с коллегами из ИГУ и Колумбийского национального университета была издана монография в престижном издательстве World Scientific. Статьи сотрудников публикуются в ведущих международных журналах, входящих в «Белый список», Scopus, WoS.
По информации Дениса Сидорова, партнёрская сеть лаборатории активно расширяется. В прошедшем году состоялись семинары с Харбинским политехническим университетом (КНР), развивается сотрудничество с ИСЭМ СО РАН, ИДСТУ СО РАН, Хенаньской академией наук КНР, ИГУ и Пензенским государственным университетом.
Выполнение госзадания подтверждает статус ИРНИТУ как одного из центров развития современной промышленной математики, способного готовить кадры и генерировать знания для решения технологических вызовов.
Информацию предоставил профессор Денис Сидоров
«Современные нейросети часто работают как «чёрный ящик», — отмечает профессор Сидоров. — Наш подход, сочетающий классические численные методы и нейросетевые архитектуры, позволяет создавать модели, которые не просто аппроксимируют данные, но и учитывают фундаментальные физические законы, стоящие за процессом». Эти комбинированные методы особенно эффективны для решения сложных интегральных уравнений».








