Научная деятельность >> Крупные научные проекты >> Комплексная научная программа «Цифровые ...
Комплексная научная программа "Цифровые технологии и их применения"
Направления программы
Программа предусматривает выполнение научных исследований и разработок мирового уровня, создание наукоемкой продукции по следующим направлениям:
- Наука о данных и предсказательное моделирование (рук. - Вьюгин В.В.);
- Анализ данных в геномике (рук. - Базыкин Г.А.);
- Беспроводные сети нового поколения для Интернета людей и вещей (рук. - Ляхов А.И.);
- Фундаментальные проблемы разработки интеллектуальных автономных систем (рук. - Николаев Д.П.);
- Фундаментальные математические и физические модели больших систем (рук. - Кричевер И.М.).
Сведения о достижении цели и решении задач программы в 2015 году
Выполнение работ по программе позволило ИППИ РАН сделать заметные шаги в комплексном развитии института как мультидисциплинарного научного центра современного уровня, нацеленного на создание фундаментальных научных основ для производства высокотехнологичной продукции, критически важной для целей национальной безопасности и улучшения качества жизни.
Задачи, запланированные на 2015 год, выполнены по всем направлениям программы (см. раздел о научных результатах по направлениям программы).
Получили поддержку подразделения Института, занятые исследованиями в области современной фундаментальной и прикладной математики и теоретической физики (см. полученные результаты по направлениям 1 и 5). Кроме того, создано новое структурное подразделение – лаборатория методов математической физики и теории информации под руководством молодого кандидата физико-математических наук Д.В. Васильева. К работе в созданном подразделении привлечены, в том числе, ученые из российской диаспоры за рубежом, что позволит ИППИ РАН интенсифицировать международное сотрудничество по направлению работы лаборатории.
Удалось существенно усилить направления исследований, связанные с науками о данных – современной области, появившейся в последнее десятилетие и сочетающей методы классической математической статистики и теории вероятностей с методами современной геометрии и топологии, теории функций и оптимизации, а также методами высокопроизводительных вычислений. В связи с научным ростом молодых ученых Института, занятых в этом направлении исследований, и притоком в институт новых высококвалифицированных кадров, на ближайшее время запланировано преобразование сектора интеллектуального анализа данных и моделирования в лабораторию, в составе которой будут выделены три направления исследований: анализ данных в нейронауках, нейросетевые методы анализа данных и суррогатное моделирование и оптимизация.
В рамках работ в области помехоустойчивого кодирования и построения сетей с поддержкой M2M-коммуникации, получены результаты, имеющие первостепенное значение для создания нового поколения мобильных телекоммуникационных систем, развертывание которых в полной мере ожидается к 2020 году. Многие результаты, полученные в рамках выполнения программы, были представлены не только на крупнейших конференциях, но и в международном комитете по стандартизации в области локальных и городских сетей (IEEE 802 LAN/MAN Standards Committee).
По Направлению фундаментальных проблем разработки интеллектуальных автономных систем на базе существовавшего ранее Сектора моделирования биоинформационных процессов в зрительных системах была сформирована Лаборатория зрительных систем. Для решения задач программы в лабораторию было дополнительно принято 20 сотрудников (19 из них - моложе 39 лет). Исследования Лаборатории носят междисциплинарный характер, объединяя математические, технические и биологические научные результаты, связанные с общими принципами функционирования зрительных систем. По задачам Направления, не относящихся к зрительной тематике, налажено взаимодействие с другими структурными подразделениями Института.
Такая консолидация научных кадров позволила решить все запланированные на 2015 год задачи Направления, существенно превысив при этом заложенные в плане показатели по числу публикаций. Параллельно с накоплением базы фундаментальных научных знаний в области разработки интеллектуальных автономных систем силами научного коллектива Направления в 2015 году был собран корпус видеоданных с существующих на рынке платформ БПЛА. Кроме того, в кооперации с сотрудниками МИП Института - ООО “Визиллект Сервис” - были созданы собственные лабораторные макеты БПЛА и БНТС. Это позволяет в рамках Программы перейти в 2016 году к исследованию принципов построения интеллектуальных автономных систем, пригодных для промышленной эксплуатации.
За счет средств софинансирования программы существенно улучшена материально-техническая база Института - модернизированы высокопроизводительные вычислительные системы и системы хранения данных, ресурсами которых пользуются исследователи всех направлений программы; приобретена система высокопроизводительного секвенирования, что позволит создать в последующие годы полноценную лабораторию секвенирования для исследований в области геномики, нейрогенетики и нейробиологии.
Основные научные результаты по напралениям программы
Направление 1
При трансдуктивном машинном обучении рассматривается обучающая выборка размеченных примеров и тестовая выборка неразмеченных объектов. Алгоритм классификации или регрессии обучается на размеченной выборке и применяется для получения меток объектов тестовой выборки. Введена новая мера сложности класса применяемых алгоритмов – перестановочная сложность Радемахера (Permutational Rademacher Complexity (PRC)). Изучены свойства этой сложности. Доказано новое симметризационное неравенство, которое предлагает более точную оценку среднего супремума эмпирического процесса, чем при использовании независимых одинаково распределенных случайных величин. Получены неравенства между новой сложностью и известной мерой сложности - сложностью Радемахера. Получены новые оценки вероятности ошибки при трансдуктивном обучении.
Разработана процедура многоуровнего бутстрепа, предназначенная для определения доверительных множеств для правдоподобия в случае конечных выборок. Получено теоретическое обоснование применимости процедуры бутстрепа для выборок конечного среднего размера, учитывающее размерность параметров. Процедура работает, если отношение размерности параметра к длине выборки мало. Основной результат о применимости процедуры бутстрепа распространен на случай, когда лежащая в основе модель неверно специфицирована в смысле небольшого смещения модели от истинной.
Разработанная процедура бутстрепа применима также в том случае, когда истинная модель, генерирующая данные, значительно отличается от используемого параметрического семейства. В этом случае возрастает размер доверительного множества в зависимости от модельного смещения. Проведены численные эксперименты для случая неверно специфицированных линейной и логистической регрессий.
Направление 2
По направлению «Анализ данных в геномике» получены результаты по всем запланированным к исследованию темам. В частности, выполнен анализ экспрессии генов модельного генетического объекта – растения Arabidopsis thaliana; полученная карта, показывающая особенности экспрессии генов в различных тканях, является наи |
