Вход для сотрудников

Семинары ИМ СО РАН

Заседания семинаров

18.10 ч., новый корпус НГУ, ауд. 5218

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

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.

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).

16.20 ч., ауд. 344, ИМ

Т. В. Васильев
Стабильность доминирования для различных классов графов.

16.20 ч., ауд. 115, ИМ

Tonguc Unluyurt (Sabanci University)
A review of the sequential testing problem and its extensions.

14.30 ч., к. 417, ИМ
Zoom

Юдин Иван Николаевич (ИМ СО РАН)
О представлении самоподобных дендритов $P$-ростками (часть 2).

АннотацияВсякий самоподобный дендрит $K$ с конечной границей $P$ задает ациклический двудольный отмеченный граф, называемый $P$-ростком. Доказывается, что $P$-росток задает $K$ с точностью до изоморфизма. Получен алгоритм восстановления главного дерева такого дендрита по заданному ростку.
14.30 ч., Яндекс Телемост

Сергей Макогон
Local-MIP: Efficient local search for mixed integer programming. Реферат статьи из журнала Artificial Intelligence 348 (2025).

18.10 ч., новый корпус НГУ, ауд. 5218

Бирама Сангаре, В. Г. Бардаков
Constructions and automorphisms of quandles
arXiv:2610.18676 (продолжение).

Список семинаров

***

В Институте математики СО РАН проходят около 30 семинаров по разным направлениям математики.

На наших семинарах выступают с докладами не только научные сотрудники института, но и приглашенные докладчики со всего мира.

Семинары проводятся как очно, так и на онлайн-платформах: Zoom, Google Meet, YouTube, Jitsi.

***

Семинары ИМ СО РАН