Математическое моделирование

Ученые из МФТИ, ИРЭ РАН с зарубежными коллегами разработали математический аппарат для описания процессов, важных для будущей магнитной памяти, спинтроники и терагерцовой физики.

Ученые МФТИ сравнили подходы построения вычислительных сеток для цилиндрических тел, необходимых для описания геометрических областей сложной формы, отличной от прямоугольника.

Физтехи промоделировали морскую сейсморазведку в условиях арктического шельфа, учитывающую одновременно присутствие ледяного покрова, многолетней мерзлоты, слоистого морского дна и нефтяной залежи.

Физики и математики МФТИ совместно с коллегами провели численное моделирование защитных сейсмических барьеров, обеспечивающих безопасность наземных строений.

Михаил Криницкий, зав. лабораторией машинного обучения в науках о Земле МФТИ: «В Арктике от качества прогнозов погоды зависит безопасность судоходства, авиационного сообщения, добычи ресурсов и других видов деятельности».

Астрофизики из МФТИ, Института прикладной математики им. М. В. Келдыша РАН и США выяснили, что магнитосфера молодой звезды может полностью изменить направление ее дрейфа.

Исследователи из МФТИ и МГУ предложили новый способ оптимизировать сбор налогов, вдохновившись теорией финансовых портфелей.

Ученые из МФТИ с коллегами из институтов РАН разработали инновационный метод для расчета равновесного распределения несмешивающихся жидкостей в пористой среде.

Международная группа исследователей провела масштабное компьютерное моделирование таумасита — редкого, но опасного минерала, ответственного за разрушение бетонных конструкций при низких температурах. Ученым удалось выявить на атомном уровне то, что происходит на границе между минералом таумасита и водным раствором в нанопорах цемента. Эта тончайшая межфазная область управляет тем, как минерал зарождается, кристаллизуется и растет в цементном камне, что влияет на один из самых неприятных сценариев долговечности бетона — сульфатную коррозию при низких температурах.

Новый метод значительно повышает надежность нейронных сетей, обучая их эффективно распознавать объекты и ситуации, с которыми они не сталкивались в процессе обучения. Ученые показали, что в некоторых случаях избыточная информация о геометрии пространства решений вредна. Отказ от нее и переход к более общей и гладкой оценке неопределенности позволяет нейросети лучше очертить границы известного и вовремя сигнализировать о столкновении с чем-то новым.