Все выпуски

Многомерные данные, при использовании значительно большего количества признаков относительно меньшего числа наблюдений, порождают хорошо известную проблему переопределённой задачи. В связи с этим, представляется целесообразным описание данных в терминах меньшего числа мета-признаков, которые вычисляются при помощи так называемых матричных факторизаций. Такие факторизации способствуют уменьшению случайного шума при сохранении наиболее существенной информации. Три новых и взаимосвязанных метода предложены в этой статье: 1) факторизационный механизм градиентного спуска с двумя (согласно размерности микрочипа) гибкими и адаптируемыми параметрами обучения, включая явные формулы их автоматического пересчета, 2) непараметрический критерий для отбора количества факторов, и 3) неотрицательная модификация градиентной факторизации, которая не требует дополнительных вычислительных затрат в сравнении с базовой моделью. Мы иллюстрируем эффективность предложенных методов в приложении к задаче направляемой классификации данных в области биоинформатики.

В работе рассматривается задача распознавания графов коллективом агентов. Два агента-исследователя одновременно передвигаются по графу, считывают и изменяют метки элементов графа, передают необходимую информацию агенту-экспериментатору, который строит представление исследуемого графа. Построен алгоритм распознавания линейной (от числа вершин графа) временной сложности, квадратичной емкостной сложности и коммуникационной сложности равной O(n²·log(n)), где n — число вершин графа. Для распознавания два, передвигающиеся по графу, агента используют по две различные краски (всего три краски). Алгоритм основан на методе обхода графа в глубину.

В работе рассматривается интегрирование уравнений Клейна–Гордона и Дирака в космологической модели Бъянки IX. При помощи метода некоммутативного интегрирования дифференциальных уравнений найдены новые точные решения для осесимметричной модели.

Метод некоммутативного интегрирования в данной задаче основан на использовании специального бесконечномерного голоморфного представления группы вращений, которое строится по невырожденной орбите коприсоединенного представления и комплексной поляризации невырожденного ковектора. Матричные элементы данного представления образуют полный и ортогональный набор и позволяют ввести обобщенное преобразование Фурье. Оператор Казимира группы вращений при этом преобразовании переходит в константу, а операторы симметрии, порожденные векторными полями Киллинга, — в линейные дифференциальные операторы первого порядка от одной зависимой переменной. Таким образом, релятивистские волновые уравнения на группе вращений допускают некоммутативную редукцию к обыкновенному дифференциальному уравнению. В отличие от широко известного метода разделения переменных метод некоммутативного интегрирования учитывает неабелеву алгебру операторов симметрии и дает решения, несущие информацию о некоммутативной симметрии задачи. Такие решения могут быть полезны для учета вакуумных квантовых эффектов и расчета конечных функций Грина методом раздвижки точек.

В работе для осесимметричной модели проведено сравнение полученных решений с известными, которые получаются методом разделения переменных. Показано, что некоммутативные решения выражаются через элементарные функции, тогда как известные решения определяются функцией Вигнера. Причем некоммутативно редуцированное уравнение Клейна–Гордона для осесимметричной модели совпадает с уравнением, редуцированным методом разделения переменных. А некоммутативно редуцированное уравнение Дирака эквивалентно редуцированному уравнению, полученному методом разделения переменных.

Малая практическая ценность многих численных методов решения несимметричных систем линейных уравнений с плохо обусловленными матрицами объясняется тем, что эти методы в реальных условиях ведут себя совсем иначе, чем в случае точных вычислений. Исторически вопросам устойчивости не отводилось достаточного внимания, как в численной алгебре «средних размеров», а делался акцент на решении задач максимального порядка при данных возможностях вычислительной машины, в том числе за счет некоторой потери точности результатов. Поэтому главными объектами исследования были: наиболее целесообразное хранение информации, заключенной в разреженной матрице; поддержание наибольшей степени ее разреженности на всех этапах вычислительного процесса. Таким образом, разработка эффективных численных методов решения неустойчивых систем относится к актуальным проблемам вычислительной математики.

В данной работе рассмотрен подход к построению численно устойчивых прямых мультипликативных методов решения систем линейных уравнений, учитывающих разреженность матриц, представленных в упакованном виде. Преимущество подхода состоит в возможности минимизации заполнения главных строк мультипликаторов без потери точности результатов, причем изменения в позиции очередной обрабатываемой строки матрицы не вносятся, что позволяет использовать статические форматы хранения данных. Рассмотрен формат хранения разреженных матриц, преимущество которого состоит в возможности параллельного выполнения любых матричных операций без распаковывания, что значительно сокращает время выполнения операций и объем занимаемой памяти.

Прямые мультипликативные методы решения систем линейных уравнений являются наиболее приспособленными для решения задач большого размера на ЭВМ: разреженные матрицы системы позволяют получать мультипликаторы, главные строки которых также разрежены, а операция умножения вектора-строки на мультипликатор по трудоемкости пропорциональна числу ненулевых элементов этого мультипликатора.

В качестве прямого продолжения данной работы в основу построения прямого мультипликативного алгоритма линейного программирования предлагается положить модификацию прямого мультипликативного алгоритма решения систем линейных уравнений, основанного на интеграции техники метода линейного программирования для выбора ведущего элемента. Прямые мультипликативные методы линейного программирования являются наиболее приспособленными и для построения прямого мультипликативного алгоритма задания направления спуска в ньютоновских методах безусловной оптимизации путем интеграции одной из существующих техник построения существенно положительно-определенной матрицы вторых производных.

Очень приятно вспоминать и рассказывать о выдающемся ученом, замечательном человеке, блестящем преподавателе, основоположнике нескольких научных направлений Дмитрии Сергеевиче Чернавском. Наверно, при этом подсознательно надеешься, что это поможет слушателям, читателям, коллегам, близким и дальним. Одним — увидеть в себе и развить черты, которыми обладал этот прекрасный человек. Другим — ответить на вопросы, которые он оставил нам. Третьим — порадоваться, что в нашем научном сообществе был человек, который творил, вдохновлял, помогал, заряжал своим оптимизмом и верой в знание, в людей, в перемены к лучшему и надеждой, что будущее состоится. Мне довелось дважды писать о Дмитрии Сергеевиче: один раз — в послесловии к его замечательной книге «Синергетика и информация» [Чернавский, 2004], второй раз — веселый текст к его 90-летию, дополненный коллегами и опубликованный в журнале «Компьютерные исследования и моделирование» в 2016 году [Профессору Дмитрию Чернавскому — 90 лет, 2016]. И сейчас пишу в третий раз — со светлой грустью и сожалением о том, что мгновения общения с ним, его вдохновенные выступления, праздничные застолья, на которых за сиюминутным угадывалось вечное, не остановить и не повторить. Без прошлого нет будущего. Без попыток следующих поколений вновь и вновь ответить на вечные вопросы, оставленные предшественниками, рвется «времен связующая нить». Без традиции трудно родиться новому… Поэтому прошлое, даже недавнее, стоит вспоминать, чтобы отыскать дорогу в будущее.

Сегодня квантовые технологии могут получить новый виток развития, что, наверняка, даст возможность получить решения для многочисленных задач, которые ранее не поддавались решению в рамках традиционных парадигм и вычислительных моделей. Все человечество стоит у порога так называемой второй квантовой революции, и ее краткосрочные и отдаленные последствия затронут практически все сферы жизни глобального общества. Свое непосредственное развитие получат такие направления и отрасли науки и техники, как материаловедение, нанотехнология, фармакология и биохимия вообще, моделирование хаотичных динамических процессов (ядерные взрывы, турбулентные потоки, погода и долгосрочные климатические явления) и т. д., а также решение любых задач, которые сводятся к перемножению матриц больших размеров (в частности, моделирование квантовых систем). Однако вместе с необычайными возможностями квантовые технологии несут с собой и определенные риски и угрозы, в частности слом всех информационных систем, основанных на современных достижениях криптографии, что повлечет за собой практически полное разрушение секретности, глобальный финансовый кризис из-за разрушения банковской сферы и компрометации всех каналов связи. Даже несмотря на то, что уже сегодня разрабатываются методы так называемой постквантовой криптографии, некоторые риски еще необходимо осознать, так как не все долгосрочные последствия могут быть просчитаны. Вместе с тем ко всему перечисленному надо быть готовым, в том числе при помощи подготовки специалистов, работающих в области квантовых технологий и понимающих все их аспекты, новые возможности, риски и угрозы. В связи с этим в настоящей статье приводится краткое описание текущего состояния квантовых технологий, а именно квантовой сенсорики, передачи информации при помощи квантовых протоколов, универсального квантового компьютера (аппаратное обеспечение) и квантовых вычислений, основанных на квантовых алгоритмов (программное обеспечение). Для всего перечисленного приводятся прогнозы развития в части воздействия на различные сферы человеческой цивилизации.

Задача выпуклой онлайн-оптимизации естественно возникают в случаях, когда имеет место обновления статистической информации. Для задач негладкой оптимизации хорошо известен метод зеркального спуска. Зеркальный спуск — это расширение субградиентного метода для решения негладких выпуклых задач оптимизации на случай неевкидова расстояния. Работа посвящена стохастическим аналогам недавно предложенных методов зеркального спуска для задач выпуклой онлайн-оптимизации с выпуклыми липшицевыми (вообще говоря, негладкими) функциональными ограничениями. Это означает, что вместо (суб)градиента целевого функционала и функционального ограничения мы используем их стохастические (суб)градиенты. Точнее говоря, допустим, что на замкнутом подмножестве $n$-мерного векторного пространства задано $N$ выпуклых липшицевых негладких функционалов. Рассматривается задача минимизации среднего арифметического этих функционалов с выпуклым липшицевым ограничением. Предложены два метода для решения этой задачи с использованием стохастических (суб)градиентов: адаптивный (не требует знания констант Липшица ни для целевого функционала, ни для ограничения), а также неадаптивный (требует знания константы Липшица для целевого функционала и ограничения). Отметим, что разрешено вычислять стохастический (суб)градиент каждого целевого функционала только один раз. В случае неотрицательного регрета мы находим, что количество непродуктивных шагов равно $O$($N$), что указывает на оптимальность предложенных методов. Мы рассматриваем произвольную прокс-структуру, что существенно для задач принятия решений. Приведены результаты численных экспериментов, позволяющие сравнить работу адаптивного и неадаптивного методов для некоторых примеров. Показано, что адаптивный метод может позволить существенно улучшить количество найденного решения.