Все выпуски

В работе предлагается многоагентная локально-нелокальная модель образования глобальной структуры городов с условным названием Technoscape. Technoscape можно в определенной степени считать также моделью возникновения глобальной экономики. Текущий вариант модели рассматривает очень простые способы поведения и взаимодействия агентов, при этом модель демонстрирует весьма интересные пространственно-временные паттерны.

Под локальностью и нелокальностью понимаются пространственные характеристики способа взаимодействия агентов друг с другом и с географическим пространством, на котором разворачивается эволюция системы. Под агентом понимается условный ремесленник, семья или промышленно-торговая фирма, причем не делается разницы между производством и торговлей. Агенты размещены на ограниченном двумерном пространстве, разбитом на квадратные ячейки, и перемещаются по нему. Модель демонстрирует процессы высокой концентрации агентов в выделенных ячейках, что трактуется как образование Technoscape: мультиагентная модель эволюции «сетигородов». Происходит постоянный процесс как возникновения, так и исчезновения городов. Агенты живут Technoscape: мультиагентная модель эволюции «сетивечно», не мутируют и не эволюционируют, хотя это перспективное направление развития модели.

Система Technoscape демонстрирует качественно новый вид самоорганизации. Частично эта самоорганизация напоминает поведение модели сегрегации по Томасу Шеллингу, однако эволюционные правила Technoscape существенно иные. В модели Шеллинга существуют лавины, но без добавления новых агентов в системе существуют простые равновесия, в то время как в Technoscape не существует даже строгих равновесий, в лучшем случае квазиравновесные, медленно изменяющиеся состояния.

Нетривиальный результат в модели Technoscape, также контрастирующий с моделью сегрегации Шеллинга, состоит в том, что агенты проявляют склонность к концентрации в больших городах даже при полном игнорировании локальных связей.

При этом, хотя агенты и стремятся в большие города, размер города не является гарантией стабильности. По ходу эволюции системы происходит постоянное Technoscape: мультиагентная модель эволюции «сетипереманивание» жителей в другие города такого же класса.

Данная работа предлагает новый подход к построению высокоточных маршрутов на основе данных от транспортных детекторов в пакете моделирования трафика SUMO. Существующие инструменты, такие как flowrouter и routeSampler, имеют ряд недостатков, таких как отсутствие взаимодействия с сетью в процессе построения маршрутов. Наш rlRouter использует мультиагентное обучение с подкреплением (MARL), где агенты — это входящие полосы движения, а окружающая среда — дорожная сеть. Добавляя в сеть транспортные средства с определенными маршрутами, агенты получают вознаграждение за сопоставление данных с детекторами транспорта. В качестве алгоритма мультиагентного обучения с подкреплением использовался DQN с разделением параметров между агентами и LSTM-слоем для обработки последовательных данных.

Поскольку rlRouter обучается внутри симуляции SUMO, он может лучше восстанавливать маршруты, принимая во внимание взаимодействие транспортных средств внутри сети друг с другом и с сетевой инфраструктурой. Мы смоделировали различные дорожные ситуации на трех разных перекрестках, чтобы сравнить производительность маршрутизаторов SUMO с rlRouter. Мы использовали среднюю абсолютную ошибку (MAE) в качестве меры отклонения кумулятивных данных детекторов и от данных маршрутов. rlRouter позволил добиться высокого соответствия данным с детекторов. Мы также обнаружили, что, максимизируя вознаграждение за соответствие детекторам, результирующие маршруты также становятся ближе к реальным. Несмотря на то, что маршруты, восстановленные с помощью rlRouter, превосходят маршруты, полученные с помощью инструментов SUMO, они не полностью соответствуют реальным из-за естественных ограничений петлевых детекторов. Чтобы обеспечить более правдоподобные маршруты, необходимо оборудовать перекрестки другими видами транспортных счетчиков, например, детекторами-камерами.

Прогнозирование новых свойств лекарственных средств является основной задачей в рамках решения проблем полифармакологии, репозиционирования, а также изучения биологически активных веществ на доклиническом этапе. Идентификация фармакологических эффектов и взаимодействий «препарат – мишень» с использованием машинного обучения (включая методы глубокого обучения) набирает популярность в последние годы.

Цель работы состояла в разработке метода распознавания психотропных эффектов и механизма действия (взаимодействий препарата с мишенью) на основании анализа биоэлектрической активности мозга с применением технологий искусственного интеллекта.

Выполнялась регистрация электроэнцефалографических (ЭЭГ) сигналов крыс (4 канала, частота дискретизации — 500 Гц) после введения психотропных препаратов (габапентин, диазепам, карбамазепин, прегабалин, эсликарбазепин, феназепам, ареколин, коразол, пикротоксин, пилокарпин, хлоралгидрат). Сигналы (эпохи продолжительностью 2 с) преобразовывались в изображения $(2000 \times 4)$ и затем поступали на вход автоэнкодера. Выходные данные слоя «бутылочного горлышка» классифицировались и кластеризовались (с применением алгоритма t-SNE), а затем вычислялись расстояния между кластерами в пространстве параметров. В качестве альтернативны использовался подход, основанный на извлечении признаков с размерной редукцией при помощи метода главных компонент и классификацией методом опорных векторов с ядерной функцией (kSVM). Модели валидировались путем 5-кратной кроссвалидации.

Точность классификации для 11 препаратов, полученная в ходе кросс-валидации, достигала $0,580 \pm 0,021$, что значительно превышает точность случайного классификатора, которая составляла $0,091 \pm 0,045$ $(p < 0,0001)$, и точность kSVM, равную $0,441 \pm 0,035$ $(p < 0,05)$. Получены t-SNE-карты параметров «бутылочного горлышка» сигналов интракраниальной ЭЭГ. Определена относительная близость кластеров сигналов в параметрическом пространстве.

В настоящем исследовании представлен оригинальный метод биопотенциал-опосредованного прогнозирования эффектов и механизма действия (взаимодействия лекарственного средства с мишенью). Метод использует сверточные нейронные сети в сочетании с модифицированным алгоритмом избирательной редукции параметров. ЭЭГ-сигналы, зарегистрированные после введения препаратов, были представлены в едином пространстве параметров в сжатой форме. Полученные данные указывают на возможность распознавания паттернов нейронального отклика в ответ на введение различных психотропных препаратов с помощью предложенного нейросетевого классификатора и кластеризации.

Система гемостаза представляет собой одну из ключевых защитных систем организма, которая присутствует практически во всех его жидких тканях, но наиболее важна в крови. Она активируется при различных повреждениях стенки сосуда, и взаимодействие ее специализированных клеток и гуморальных систем приводит сначала к формированию гемостатического сгустка, останавливающего потерю крови, а затем к постепенному растворению этого сгустка. Образование гемостатического тромба — уникальный с точки зрения физиологии процесс, так как за время порядка минуты система гемостаза образует сложные структуры, имеющие пространственный масштаб от микрометров (в случае повреждения микрососудов или стыков между отдельными эндотелиальными клетками) до сантиметра (в случае повреждения крупных магистральных артерий). Гемостатический ответ зависит от множества скоординированных и параллельно идущих процессов, включающих адгезию тромбоцитов, их активацию, агрегацию, секрецию различных гранул, изменение формы, состава внешней части липидного бислоя, контракцию тромба и образование фибриновой сети в результате работы каскада свертывания крови. Компьютерное моделирование представляет собой мощный инструмент для исследования этой сложной системы и решения практических задач в этой области на разных уровнях организации: от внутриклеточной сигнализации в тромбоцитах, моделирования гуморальных систем свертывания крови и фибринолиза и до разработки многомасштабных моделей тромбообразования. Проблемы, связанные с компьютерным моделированием биологических процессов, можно разделить на две основные категории: отсутствие адекватного физико-математического описания имеющихся в литературе экспериментальных данных из-за сложности биологических систем (проблема отсутствия адекватной теоретической модели биологических процессов) и проблема высокой вычислительной сложности некоторых моделей, которая не позволяет применять их для исследования физиологически интересных сценариев. Здесь мы рассмотрим как некоторые принципиальные проблемы в области моделирования свертывания крови, которые до сих пор остаются нерешенными, так и прогресс в экспериментальных исследованиях гемостаза и тромбоза, ведущий к пересмотру многих ранее принятых представлений, что необходимо отразить в новых компьютерных моделях этих процессов. Особое внимание будет уделено нюансам артериального, венозного и микрососудистого тромбоза, а также проблемам фибринолиза и тромболизиса. В обзоре также кратко обсуждаются основные типы используемых математических моделей, их сложность с точки зрения вычислений, а также принципиальные вопросы, связанные с возможностью описания процессов тромбообразования в артериях.

Проведение эффективной региональной политики с целью стабилизации производства невозможно без анализа динамики протекающих экономических процессов. Данная статья посвящена разработке математической модели, отражающей взаимодействие нескольких экономических агентов с учетом их интересов. Разработка такой модели и ее исследование может рассматриваться в качестве важного шага в решении теоретических и практических проблем управления экономическим ростом.

В настоящей работе представлены результаты кинетического моделирования индукции и репарации двунитевых разрывов ДНК, а также формирования скоплений (фокусов) фосфорилированного гистона H2AX ($\gamma$-H2AX) и белка Rad 51 в местах образования двунитевых разрывов, индуцированных воздействием редкоионизирующего излучения с различной мощностью и продолжительностью, в первичных фибробластах человека. Модель описывает основные механизмы репарации двунитевых разрывов: НГСК (негомологичное соединение концов) и ГР (гомологическая рекомбинация) и учитывает взаимодействия ряда белков (ДНК-ПКкс, ATM, Ku70/80, XRCC1, XRCC4, Rad51, ФРА и др.), участвующих в репарации двунитевых разрывов ДНК, на основе закона действующих масс и кинетики Михаэлиса-Ментен. Для тренировки и подтверждения статистической достоверности модели были использованы литературные данные по кинетике репарации двунитевых разрывов, а также данные по кинетике формирования и деградации фокусов белков репарации $\gamma$-H2AX и Rad51 в местах репарации двунитевых разрывов ДНК после облучения с различной мощностью дозы, полученные ранее нашим коллективом.

В работе рассматривается модель «хищник – жертва» с учетом конкуренции жертв, хищников за отличные от жертвы ресурсы и их взаимодействия, описываемого трофической функцией Холлинга второго типа. Проводится анализ аттракторов модели в зависимости от коэффициента конкуренции хищников. В детерминированном случае данная модель демонстрирует сложное поведение, связанное с локальными (Андронова–Хопфа и седлоузловая) и глобальной (рождение цикла из петли сепаратрисы) бифуркациями. Важной особенностью этой модели является исчезновение устойчивого цикла вследствие седлоузловой бифуркации. В силу наличия внутривидовой конкуренции в обеих популяциях возникают параметрические зоны моно- и бистабильности. В зоне параметров бистабильности система имеет сосуществующие аттракторы: два равновесия или цикл и равновесие. Проводится исследование геометрического расположения аттракторов и сепаратрис, разделяющих их бассейны притяжения. Понимание взаимного расположения аттракторов и сепаратрис, в совокупности с чувствительностью аттракторов к случайным воздействиям, является важной составляющей в изучении стохастических явлений. В рассматриваемой модели сочетание нелинейности и случайных возмущений приводит к появлению новых феноменов, не имеющих аналогов в детерминированном случае, таких как индуцированные шумом переходы через сепаратрису, стохастическая возбудимость и генерация осцилляций смешанных мод. Для параметрического исследования этих феноменов используются аппарат функции стохастической чувствительности и метод доверительных областей, эффективность которых проверялась на широком круге моделей нелинейной динамики. В зонах бистабильности проводится исследование деформации равновесного или осцилляционного режимов под действием шума. Геометрическим критерием возникновения такого рода качественных изменений служит пересечение доверительных областей с сепаратрисой детерминированной модели. В зоне моностабильности изучаются феномены резкого изменения численности и вымирания одной или обеих популяций при малых изменениях внешних условий. С помощью аппарата доверительных областей решается задача оценки близости стохастической популяции к опасным границам, при достижении которых сосуществование популяций разрушается и наблюдается их вымирание.

Методами математического моделирования оценивается спектр влияния зоопланктона на динамику обилия фитопланктона. Предложена трехкомпонентная модель сообщества «фитопланктон–зоопланктон» с дискретным временем, рассматривающая неоднородность зоопланктона по стадии развития и типу питания, учтено наличие каннибализма в сообществе зоопланктона, в процессе которого зрелые особи некоторых его видов поедают ювенильных. Процессы взаимодействия зоо- и фитопланктона в явном виде учтены в выживаемостях на ранних стадиях жизненного цикла зоопланктона; а также явно рассматривается убыль фитопланктона в результате выедания его биомассы зоопланктоном; используется трофическая функция Холлинга II типа для описания насыщения при потреблении биомассы. Динамика фитопланктонного сообщества представлена уравнением Рикера, что позволяет неявно учитывать ограничение роста биомассы фитопланктона доступностью внешних ресурсов (минерального питания, кислорода, освещенности и т. п.).

Проанализированы сценарии перехода от стационарной динамики к колебаниям численности фито- и зоопланктона при различных значениях внутрипопуляционных параметров, определяющих характер динамики каждого из составляющих сообщество видов, и параметров их взаимодействия. Основное внимание уделено изучению огромного разнообразия сложной динамики сообщества. В рамках используемой в работе модели, описывающей динамику фитопланктона в отсутствие межвидового взаимодействия, происходит усложнение его динамики через серию бифуркаций удвоения периода. При этом с появлением зоопланктона каскад бифуркаций удвоения периода у фитопланктона и сообщества в целом реализуется раньше (при более низких скоростях воспроизводства клеток фитопланктона), чем в случае, когда фитопланктон развивается изолированно. При этом вариация уровня каннибализма зоопланктона способна значительно изменить как существующий в сообществе режим динамики, так и его бифуркацию; при определенной структуре пищевых отношений зоопланктона возможна реализация сценария Неймарка–Сакера в сообществе. Учитывая, что уровень каннибализма зоопланктона может меняться из-за естественных процессов созревания особей отдельных видов и достижения ими плотоядной стадии, можно ожидать выраженные изменения динамического режима в сообществе: резкие переходы от регулярной к квазипериодической динамике (по сценарию Неймарка–Сакера) и далее к точным циклам с небольшим периодом (обратная реализация каскада удвоения периода).

Предложена новая приближенная модель качения деформируемого колеса с пневматиком, позволяющая учесть как усилия в пневматике, так и влияние сил сухого трения на устойчивость прямолинейного качения колеса при прогнозировании явления шимми. Модель основана на теории сухого трения с комбинированнойкине матикойотно сительного движения соприкасающихся тел, т. е. при одновременном качении, скольжении и верчении при учете реальнойф ормы области контакта и распределения контактного давления. Главный вектор и главный момент сил, возникающих при контактном взаимодействии с сухим трением, определяются путем интегрирования по области контакта. При этом контактное давление покоя при нулевых скоростях относительного поступательного движения и верчения и в отсутствие качения определяется из решения статической контактной задачи для пневматика с учетом его реальной структуры и физических свойств материалов. В работе использована конечно-элементная модель типового пневматика с продольным протектором. Расчет осуществлен при фиксированном внутреннем давлении наддува, заданной вертикальной силе и коэффициенте трения покоя, равном 0.5. Получены также решения задач о напряженно-деформированном состоянии пневматика при кинематическом нагружении в боковом направлении и при скручивании относительно вертикальной оси. Показано, что с достаточной степенью точности контактное взаимодействие пневматика с абсолютно жесткой опорной поверхностью можно представить в виде двух этапов — адгезии и проскальзывания, при этом, однако, форма пятна контакта остается близкой к круговой. Построены диаграммы, аппроксимирующие численные решения, для боковой силы и момента; на начальном участке взаимодействия зависимости линейны и соответствуют упругой деформации пневматика, на втором участке величины силы и момента постоянны и соответствуют силе сухого трения и моменту трения верчения. Для последних участков получены приближенные выражения для продольной и боковой силы трения, а также момента трения верчения в соответствии с теорией сухого трения с комбинированной кинематикой. Полученная модель может трактоваться как комбинация модели упруго деформируемого колеса по Келдышу, катящегося без проскальзывания, и жесткого колеса по Климову –Журавлёву, взаимодействующего с опорой посредством сил сухого трения.

В статье обосновывается необходимость разработки и анализа математических моделей, учитывающих взаимное влияние длинных (кондратьевских) волн экономического развития. Анализ имеющихся публикаций показывает, что на модельном уровне прямые и обратные связи между пересекающимися длинными волнами до сих пор изучены недостаточно. Как свидетельствует практика, производства текущей длинной волны могут получать дополнительный импульс к росту со стороны технологий следующей длинной волны. Технологии очередной промышленной революции часто служат улучшающими инновациями для производств, рожденных предшествующей промышленной революцией. Как следствие, новая длинная волна увеличивает амплитуду колебаний траектории предшествующей длинной волны. Такого рода результаты взаимодействия длинных волн в экономике похожи на эффекты интерференции физических волн. Взаимовлияние спадов и подъемов экономик разных стран дает еще больше оснований для сопоставления последствий этого взаимовлияния с интерференцией физических волн. В статье представлена модель развития технологической базы производства, учитывающая возможности комбинирования старых и новых технологий. Модель состоит из нескольких подмоделей. Использование отличающегося математического описания для отдельных этапов обновления технологической базы производства позволяет учесть значительные различия между последовательными фазами жизненного цикла технологий широкого применения, рассматриваемых в современной литературе в качестве технологической основы промышленных революций. Одной из таких фаз является период формирования соответствующей инфраструктуры, необходимой для интенсивной диффузии новой технологии широкого применения, для быстрого развития использующих эту технологию отраслей. По модели выполнены иллюстративные расчеты при значениях экзогенных параметров, отвечающих логике смены длинных волн. При всей условности проведенных иллюстративных расчетов конфигурация кривой, представляющей изменение фондоотдачи в моделируемом периоде, близка к конфигурации реальной траектории фондоотдачи частных основных производственных фондов экономики США в период 1982–2019 гг. Указаны факторы, которые остались за рамками представленной модели, но которые целесообразно учитывать при описании интерференции длинных волн экономического развития.