NoML Digest

Мероприятия осенью С сентября продолжит работу семинар ИОИПР (Исследование Операций и Интеллект Принятия Решений). Доклады будут проходить также в онлайн формате по средам, по умолчанию в 12:00 МСК (но иногда будут небольшие смещения). Следите за детальными анонсами предстоящих докладов в @noml_digest или @noml_community и сохраняйте в календари интересные темы: 2 сентября | Дмитрий Витальевич Федрушков (Университет ИТМО), Методы оценки синтезированного программного кода и управления его генерацией с применением языковых моделей. 16 сентября | Павел Владимирович Снурницын (ВМК МГУ), Лунный свет модулярных форм: арифметика, физика, кибернетика. 30 сентября | Андрей Дмитриевич Пудовиков (Институт ИИ МГУ), Методы автоматического выставления ставок в рекламных аукционах. 14 октября | Сергей Павлович Строев (ФМИТ ОГУ), О некоторых задачах теории массового обслуживания и имитационного моделирования. 28 октября | Глеб Владимирович Фёдоров (Университет Сириус), Об одной задаче моделирования Монте-Карло. 11 ноября | [Тема будет объявлена позже]. 25 ноября | Александр Андреевич Петров (ФКИ МГУ), Определение множества достижимости в динамических системах с помощью нейронных сетей. 9 декабря | Дарья Александровна Горбань (ФКИ МГУ), Дмитрий Игоревич Королёв (ФКИ МГУ), Совместная оптимизация конфигурации и поведения: обзор simulation-based optimization для пространственно-процессных систем. 23 декабря | [Тема будет объявлена позже].

26 августа 2026 г., 12:00 МСК, онлайн Созвон про состояние адаптации LLM и GenAI в бизнесе Яндекс Телемост-> Денис Афанасьев из Клуба CDO @cdo_club недавно делился исследованием: Состояние клиентских GenAI-агентов в финансовых услугах. Решили с Денисом собрать созвон для обсуждения следующих вопросов: • Какие сейчас в целом есть бизнес-кейсы на базе LLM и GenAI? Что реально работает, а что остаётся на уровне идей и пилотов? • Почему после трёх лет хайпа LLM/GenAI лицом к клиенту — всё ещё редкость, а не норма? • Во сколько обходится страх галлюцинаций? И как контролировать процессы на базе LLM/GenAI? • Строить свой стек или покупать готовое? Почему у разных организаций ответы диаметрально противоположные? • Что мешает доводить пилоты и идеи на базе LLM/GenAI до прода? • Наконец, кто в организации должен отвечать за риски связанные с ИИ? Как обычно, формат открытый и свободный, приглашаются все желающие и послушать, и высказаться по теме!

Еще про PET Во-первых, ссылка на ПНСТ, о котором говорили на созвоне: Серия ПНСТ «Синтез данных» Во-вторых, два текстовых резюме созвона (Денис Афанасьев и я) В-третьих, слегка обновленная заметка про PET/PPML в нашей базе знаний->

Созвон: Проблемы адаптации технологий конфиденциальных вычислений и PET YouTube-> Дзен-> RuTube-> Файл-> Презентация->

15 июля 2026 г., 16:00(!!) МСК, онлайн Созвон про проблемы адаптации технологий конфиденциальных вычислений и PET Яндекс Телемост-> Технологии конфиденциальных вычислений (и в более широком смысле PET, Privacy-Enhancing Technologies) и потенциальные бизнес-кейсы их применения в контексте задач данных и аналитики мы обсуждаем уже давно. В этот раз решили поговорить подробнее о вызовах на пути их массового внедрения. Ключевые барьеры сейчас лежат не в технологической, а в организационной и методологической плоскости. Коллеги из Ассоциации больших данных поделятся своим видением проблем и подходами к их решению: • Как считать риски при использовании PET? • Кто берёт эти риски на себя: бизнес, регулятор, оператор данных, вендор технологии? • Как выглядит пайплайн митигации рисков и что нужно, чтобы ввести его в правовое поле? Далее проведём широкое обсуждение указанных и смежных вопросов с участием других экспертов данной области. Сохраняйте ссылку в свои календари и пересылайте коллегам, которым релевантно!

А.С. Тарасов (TarasovMath), Задача Таммеса для 13 точек (сильная проблема тринадцати сфер) Кстати запись прошедшего семинара от 13 мая: YouTube-> Дзен-> RuTube-> Файл-> Презентация->

Про сети очередей В теории массового обслуживания (ТМО) есть такая интересная область как сети очередей. Если кратко: это обобщение классической системы массовго обслуживания (СМО) на случай, когда заявка/клиент после обслуживания не покидает систему, а маршрутизируется дальше в другой узел сети (детерминированно, вероятностно, в зависимости от состояния системы и т.д.). Получается граф из взаимосвязанных СМО, где выход одного узла становится входом для другого. Такими моделями можно описывать производственные и логистические цепочки, движение пациентов в больнице или посетителей в музее, вычислительные системы и маршрутизацию пакетов в компьютерной сети, ... практически любую систему с несколькими последовательными или параллельными стадиями обслуживания/обработки. Обычно с помощью таких моделей оценивают сквозные характеристики сети: среднее время прохождения заявки от входа до выхода, длины очередей и время ожидания на отдельных узлах, загрузку и простой серверов, вероятности блокировки из-за переполненных буферов, а также общую пропускную способность системы. Примером классического результата являются так называемые сети Джексона: при ряде условий стационарное распределение поведения всей сети раскладывается в произведение распределений отдельных узлов, как будто узлы независимы друг от друга. То есть задача решается аналитически и это сильно облегчает анализ системы. Но стоит отойти от этих условий (добавить ограниченную ёмкость буферов и блокировки, приоритеты, не-марковсть, ...) и аналитическое решение уже невозможно, тогда надо применять приближённые численные методы и имитационное моделирование (ИМ). Пара источников по которым можно познакомиться с областью подробнее: • J.F. Shortle, J.M. Thompson, D. Gross, C.M. Harris, Fundamentals of Queueing Theory, 2018. Хорошая вводная книга по ТМО, от простых очередей, до сетевых моделей (сети Джексона), фокус прежде всего на аналитические методы, но упоминается также ИМ и численные методы. • G. Bolch, S. Greiner, H. de Meer, K. Trivedi, Queueing Networks and Markov Chains, 2006. Отличная книга в качестве второй по ТМО, уже с фокусом на сетевые модели. В ней же очень хорошая глава 2 про марковские цепи. Плюс рекомендую (может быть даже в первую очередь) почитать разделы 1.1-1.2 про таксономию задач, методов решения и так называемых концептуализаций/формализаций, то есть как описывать системы различными парадигмами. С практической точки зрения можно посмотреть на туториалы открытых фреймворков: • Ciw • queueing-tool • LINE • JMT Более полный список материалов по ТМО и ИМ ведется в нашей базе знаний->.

Про VLSI Ниже материалы от докладчика Михаила Шеблаева. Во-первых, для всех интересующихся темой: сейчас проходит хакатон Траектория САПР 2026, регистрируйтесь и участвуйте! Во-вторых, очень хорошая книга с систематическим изложеним задач VLSI: A.B. Kahng, J. Lienig, I.L. Markov, J. Hu, VLSI Physical Design From Graph Partitioning to Timing Closure, 2011 И в-третьих, пара инструментов, которые упоминались на семинаре: • The OpenROAD Project • iEDA

М.В. Шеблаев (ФКИ МГУ, Аквариус), Задачи дискретной оптимизации в проектировании микроэлектроники Запись прошлого семинара от 29 апреля: YouTube-> Дзен-> RuTube-> Файл-> Презентация->

13 мая 2026 г., 12:00 МСК, онлайн Задача Таммеса для 13 точек (сильная проблема тринадцати сфер) Алексей Сергеевич Тарасов, к.ф.-м.н, TarasovMath Яндекс Телемост-> Как плотно упаковать 13 шаров вокруг единичного шара? Этот вопрос уходит корнями в знаменитый спор Ньютона и Грегори 1694 года: могут ли 13 равных шаров одновременно касаться центрального? Ньютон утверждал, что нет, Грегори — что да. Правота Ньютона была строго доказана лишь в 1953 году (Шютте и ван дер Варден). Но сразу возник следующий, более тонкий вопрос: какого максимального радиуса должны быть 13 шаров, чтобы уместиться вокруг единичного? Это и есть задача Таммеса для N=13, известная также как сильная проблема тринадцати сфер, и она оставалась открытой вплоть до недавнего времени. В докладе будет представлено решение этой задачи. Ключевым инструментом стала нелинейная оптимизация в сочетании с перебором так называемых неприводимых графов — комбинаторных объектов, кодирующих структуру допустимых конфигураций.

29 апреля 2026 г., 12:00 МСК, онлайн Задачи дискретной оптимизации в проектировании микроэлектроники Михаил Владимирович Шеблаев (ФКИ МГУ, Аквариус) Яндекс Телемост-> (ссылка будет завтра) В докладе речь пойдет о принципах проектирования и этапах разработки современных сверхбольших интегральных схем, а такж о задачах оптимизации, возникающих на каждом этапе.

Н.А. Лутовинова (ИПУ РАН), Классические задачи теории расписаний YouTube-> Дзен-> RuTube-> Файл-> Презентация->

Р.В. Сультимов (Институт ИИ МГУ и МФТИ), Арктика: современное состояние, перспективы, моделирование YouTube-> Дзен-> RuTube-> Файл->

1 апреля 2026 г., 12:00 МСК, онлайн Арктика: современное состояние, перспективы, моделирование Роман Владиславович Сультимов, руководитель научных групп в Институте ИИ МГУ и МФТИ Яндекс Телемост-> Деградация многолетнемерзлых пород (ММП) в условиях стремительного изменения климата представляет собой критическую угрозу для инфраструктуры и экосистем полярных регионов. Учитывая, что Арктика нагревается значительно быстрее среднеглобальных темпов, традиционные подходы к геокриологическому и климатическому моделированию сталкиваются с фундаментальными ограничениями: чисто физические модели требуют колоссальных вычислительных ресурсов и сложной локальной калибровки, а стандартные методы машинного обучения страдают от недостатка качественных полевых наблюдений (проблема sparse data). В докладе рассматривается смена научно-технологической парадигмы в исследовании Арктики, обусловленная революционным переходом ведущих мировых центров на архитектуры на базе искусственного интеллекта (ИИ) и гибридного моделирования.

И.А. Самыловский (ФКИ МГУ), Задачи оптимизации в планировании орбитальной съёмки YouTube-> Дзен-> RuTube-> Файл-> И канал, который ведёт докладчик: @astrodynlab

18 марта 2026 г., !! 14:00 МСК, онлайн Задачи оптимизации в планировании орбитальной съёмки Иван Александрович Самыловский, к.ф.-м.н, доцент кафедры ММКИ ФКИ МГУ имени М.В. Ломоносова Яндекс Телемост-> Мы поговорим о математических задачах, которые возникают при необходимости навести аппаратуру спутника на "мишень", будь то локация на планете или центр масс объекта в космосе. Начнём с классики: задачи на минимум при наличии ограничений, включая, разумеется, и задачи терминального управления. А нужно нам это для того, чтобы раскрутить и потом стабилизировать небольшой спутник, чтобы он мог не терять из поля зрения перемещающийся в космосе объект! Канал в Max->

И.В. Чижов (ВМК МГУ), Что может, а что (пока) нет квантовый компьютер? YouTube-> Дзен-> RuTube-> Файл-> Презентация-> Канал в Max->

4 марта 2026 г., 12:00 МСК, онлайн Что может, а что (пока) нет квантовый компьютер? Иван Владимирович Чижов, к.ф.-м.н, доцент кафедры ИБ ВМК МГУ имени М.В. Ломоносова Яндекс Телемост-> В докладе будет дано введение в квантовые вычисления. Рассмотрим понятие квантового алгоритма, его отличие от классического. Изучим основные квантовые алгоритмы: алгоритм Дойча--Йожи, алгоритм факторизации и дискретного логарифмирования Шора, а также алгоритм Гровера. Постараемся ответить на вопрос что умеет делать квантовый компьютер лучше классического, а какие задачи пока остаются трудными для него. P.S.: Наш канал в Max->

К.В. Чижов, Цифровые модели и ИИ в сквозной оптимизации прибыли, планировании производства и логистики YouTube-> Дзен-> RuTube-> Файл-> Презентация->

18 февраля 2026 г., 12:00 МСК, онлайн Цифровые модели и ИИ в сквозной оптимизации прибыли, планировании производства и логистики Кирилл Витальевич Чижов Яндекс Телемост-> Доклад посвящен практическому построению и внедрению цифровых моделей на базе оптимизационной математики и динамической симуляции в крупных промышленных компаниях. Рассматривается, как организовать сбор данных от бизнес-подразделений и контрагентов, как выявлять и формировать отсутствующие, но критически необходимые для моделирования данные, и как формализовать бизнес-логику компании в виде исполняемых правил и ограничений внутри цифровой модели. Затронем вопросы как превратить неформальные договоренности, методологии планирования и «экспертные правила» в воспроизводимый расчетный контур. В докладе разбираются два практических кейса. Первый кейс — FMCG ведущего производителя напитков: дизайн и редизайн цепей поставок, оптимизация материальных потоков и совокупных затрат при множестве ограничений по производственным линиям, страховым запасам, вместимости складов, транспортным плечам и частотам, сервисным уровням и ограничениям по клиентам. Второй кейс — крупный металлургический холдинг в фазе активного роста через M&A: внедрение расчетного ядра для интегрированного бизнес-планирования с регулярным полным пересчетом всех зависимостей и поиском оптимального плана по прибыли с учетом технологических диапазонов непрерывных агрегатов, налоговых формул, социальных ограничений на загрузку мощностей, ограничений по транспорту и хранению, а также альтернативных ценовых сценариев сделок. Отдельный блок посвящен организационным, методологическим и инженерным проблемам построения цифровых моделей всего бизнеса: управлению качеством и полнотой данных, жизненному циклу моделей, устройству проектной работы, архитектуре корпоративного расчетного стека, задачам для ИИ и практическому пути от отдельных моделей к связной цифровой модели компании и дальнейшему движению к цифровому двойнику. Ключевые темы: Проектирование и изменение цепей поставок как задача оптимизации структуры сети, размещения мощностей и потоков; интегрированное бизнес-планирование как согласование продаж, производства, снабжения, запасов и финансов в одном расчетном контуре; оптимизационные модели как инструмент выбора наилучших решений при большом числе ограничений и альтернатив; динамическая симуляция как проверка реализуемости планов и устойчивости к сбоям; архитектура корпоративной цифровой модели и путь к цифровому двойнику бизнеса.