Отчёт по работе в ОИЯИ за 2024
Отчёт по работе в ОИЯИ за 2024 год.
Содержание
1 Общая информация
- Кулябов Дмитрий Сергеевич
- Научный отдел вычислительной физики, Сектор №2 методов моделирования нелинейных систем
- Старший научный сотрудник (совместитель)
- Доктор физико-математических наук, профессор
2 Промежуточный отчёт, 1 квартал
2.1 Короткое описание статуса исследований
- Исследуется применимость Physics Informed Neural Network (PINN) для решения дифференциальных уравнений.
- Physics Informed Neural Network учитывает физические законы при обучении нейронной сети.
- На наборе разных моделей, представимых в виде дифференциальных уравнений (обыкновенных и в частных производных), производится сравнение классических алгоритмов и алгоритмов Physics Informed Neural Network.
- В результате предполагается получить рекомендации по области применимости нейросетевого подхода к решению дифференциальных уравнений.
2.2 Публикации
- Опубликована одна статья [1].
- Приняты к печати 2 статьи в Программирование:
- А. В. Королькова, М. Н. Геворкян, А. В. Фёдоров, К. А. Штепа, Д. С. Кулябов Символьные исследования уравнений Максвелла в формализме пространственно-временной алгебры
- М. Н. Геворкян, А. В. Королькова, Д. С. Кулябов, Л. А. Севастьянов Реализация аналитической проективной геометрии для компьютерной графики
2.3 Выступления на конференциях, семинарах, воркшопах
- Пока выступления не планируются.
2.4 Библиография
Литература
1. Lovetskiy, K.P. Numerical Integration of Highly Oscillatory Functions with and without Stationary Points / K.P. Lovetskiy, L.A. Sevastianov, M. Hnatič, D.S. Kulyabov // Mathematics. – 2024. – Т. 12. – № 2. – Сс. 1–22. DOI: 10.3390/math12020307.
3 Библиография
Литература
1. Lovetskiy, K.P. Numerical Integration of Highly Oscillatory Functions with and without Stationary Points / K.P. Lovetskiy, L.A. Sevastianov, M. Hnatič, D.S. Kulyabov // Mathematics. – 2024. – Т. 12. – № 2. – Сс. 1–22. DOI: 10.3390/math12020307.