Вход для сотрудников

Расписание семинаров

Сегодня,

16.30 ч., модуль ИМ СО РАН; Yandex Telemost

Денис Иванович Михайлапов (инженер-исследователь ИМ СО РАН)
Применение Фурье-нейронных операторов (FNO) для прогнозирования стационарного течения в пористых средах.

Аннотация

Прогнозирование стационарного течения жидкости в пористых средах (таких как песчаник) классическими методами вычислительной гидродинамики (CFD) сопряжено с высокими вычислительными затратами. В частности, решение уравнений Навье-Стокса-Бринкмана с помощью метода конечных элементов (FEniCS) занимает около 212 секунд на одну топологию, что делает его непригодным для многократных циклов оптимизации или статистического анализа.

В докладе рассматривается современный альтернативный подход — Фурье-нейронные операторы (Fourier Neural Operator, FNO). В отличие от классических сверточных сетей (U-Net), FNO параметризует оператор решения в частотной области, что обеспечивает свойство mesh-invariance (независимость от разрешения сетки). Это критически важно при работе с КТ-срезами песчаника, имеющими разный масштаб.

На основе методологии статьи Wang et al. (2026) будут продемонстрированы ключевые преимущества FNO: высокая точность (R2=0.998 для канала скорости) и ускорение вычислений до 1000 раз по сравнению с классическим решателем. Отдельное внимание будет уделено нашему собственному эксперименту, в котором исследуются границы применимости метода. В частности, будет показано, что на малых выборках данных классическая U-Net может выигрывать по точности, однако при дообучении (fine-tuning) на новом разрешении FNO демонстрирует лучшую адаптивность, равномерно улучшая все каналы, в то время как U-Net склонен к переобучению. Также будут разобраны архитектурные особенности FNO и роль физически-информированного лосса (Physics-Informed Loss).

Анонсы

18.10 ч., ауд. 344, ИМ

М. Э. Иванов
Пространства вложений и конфигурационные пространства.

АннотацияОдним из подходов к изучению пространств гладких вложений является исчисление Гудвилли–Вейсса. В докладе мы обсудим построение башни Тейлора для пространств вложений и связь с инвариантами узлов.
11.00 ч., ауд. 305, ИМ

Ю. В. Вяткин (Институт искусственного интеллекта МГУ им. М. В. Ломоносова, Москва)
Поиск знаний в латентных пространствах языковых моделей.

АннотацияСовременные большие языковые модели не только умеют отвечать на вопросы, но и формируют сложные внутренние представления понятий, фактов и связей между ними. Исследования последних лет показывают, что анализ этих представлений позволяет обнаруживать знания, которые модели не всегда способны выразить словами, а также иногда выявлять неочевидные закономерности в самих данных. В докладе будет рассмотрено, как исследователи изучают скрытые пространства языковых моделей, что уже удалось обнаружить и насколько перспективно использовать такие модели не только для воспроизведения известных знаний, но и для получения новых.
18.10 ч., ауд. 4117, НГУ

Гуань Сюэлинь (Новосибирский государственный университет)
Математическое моделирование и анализ различных режимов течений пуазейлевского типа несжимаемой вязкоупругой полимерной жидкости в рамках модели Покровского-Виноградова.

18.10 ч., новый корпус НГУ, ауд. 5218

П. П. Соколов
Вложение градуированной матричной алгебры в элементарно градуированную матричную алгебру.

Семинары ОФ ИМ СО РАН

Семинары ММЦ в Академгородке

Диссертационные советы SciAct1C-Кабинет сотрудника Важнейшие результаты

Новые публикации

Баратова Л. М., Баженов Н. А.
Обучение замкнутых вниз множеств в частичных порядках по различным типам информации
Сириус. Математический журнал. 2026. Т. 2. № 3. С. 11-19.

Жуков Г. А., Ерзин А. И., Плотников Р. В.
Метод ветвей и отсечений для задачи взвешенной 3-раскраски графа
Дискретный анализ и исследование операций. 2026. Т. 33. № 2. С. 46-63.
DOI: 10.33048/daio.2026.33.848

Романов В. Г., Бугуева Т. В.
Обратная задача для волнового уравнения со степенной нелинейностью и потенциалом, зависящим от пространственной и временной переменных
Математические труды. 2026. Т. 29. № 3. С. 226-254.
DOI: 10.25205/1560-750X-2026-29-3-226-254

Hào D. N., Shishlenin M., Van C. B.
Stable Numerical Solution to Multi-dimensional Nonlinear Inverse Heat Conduction Problems via Artificial Neural Networks
Lobachevskii Journal of Mathematics. 2026. V. 47. N 3. P. 1213-1232.
DOI: 10.1134/s1995080225614705

Buchinskiy I., Kotov M., Treier A.
Problems in algebra inspired by tropical cryptography
Asian-European Journal of Mathematics. 2026. 2630001 :1-28.
DOI: 10.1142/s1793557126300010

Редакционная деятельность

Журналы ИМ СО РАН

Сибирский математический журнал
Сайт журнала | СМЖ в Springer | Полные тексты

Дискретный анализ и исследование операций
Сайт журнала | Полные тексты

Сибирский журнал индустриальной математики
Сайт журнала  |  Полные тексты

Journal of Applied and Industrial Mathematics
Сайт журнала

Сибирские электронные математические известия
Сайт журнала

Свежие номера журналов

Сибирский математический журнал
Том 67, 2026 г., номер 5

Дискретный анализ и исследование операций
Том 33, 2026 г., номер 2

Сибирский журнал индустриальной математики
Том 29, 2026 г., номер 2(106)

Сибирские электронные математические известия
Том 23, 2026 г., номер 2

По результатам оценки результативности научных организаций ФГБУН Институту математики им. С. Л. Соболева Сибирского отделения Российской академии наук присвоена 1 категория.

Список публикаций сотрудников ИМ СО РАН за 2014-2022 гг. (по информации Scopus)

Список публикаций сотрудников ИМ СО РАН за 2014-2022 гг. (Web of Science (Core Collection))