Все выпуски

While working on activity recognition using wearable sensors for healthcare applications, the main issue arises in the classification of activities. When we attempt to classify activities like walking, sitting, or running from accelerometer and gyroscope data, the signals often overlap and noise complicates the classification process. The existing methods do not have solid mathematical foundations to handle this issue. We started with the standard magnitude approach where one can compute $m =  \sqrt{a^2_1 + a^2_2 + a^2_3}$ from the accelerometer readings, but this approach failed because different activities ended up in overlapping regions. We therefore developed a different approach. Instead of collapsing the 6-dimensional sensor data into simple magnitudes, we keep all six dimensions and treat each activity as a rectangular box in this 6D space. We define these boxes using simple interval constraints. For example, walking occurs when the $x$-axis accelerometer reading is between $2$ and $4$, the $y$-axis reading is between $9$ and $10$, and so on. The key breakthrough is what we call a separability index $s = \frac{d_{\min}^{}}{\sigma}$ that determines how accurately the classification will work. Here dmin represents how far apart the activity boxes are, and $\sigma$ represents the amount of noise present. From this simple idea, we derive a mathematical formula $P(\text{error}) \leqslant (n-1)\exp\left(-\frac{s^2}8\right)$  that predicts the error rate even before initiating the experiment. We tested this on the standard UCI-HAR and WISDM datasets and achieved $86.1 %$ accuracy. The theoretical predictions matched the actual results within $3 %$. This approach outperforms the traditional magnitude methods by $30.6 %$ and explains why certain activities overlap with each other.

While working on activity recognition using wearable sensors for healthcare applications, the main issue arises in the classification of activities. When we attempt to classify activities like walking, sitting, or running from accelerometer and gyroscope data, the signals often overlap and noise complicates the classification process. The existing methods do not have solid mathematical foundations to handle this issue. We started with the standard magnitude approach where one can compute $m =  \sqrt{a^2_1 + a^2_2 + a^2_3}$ from the accelerometer readings, but this approach failed because different activities ended up in overlapping regions. We therefore developed a different approach. Instead of collapsing the 6-dimensional sensor data into simple magnitudes, we keep all six dimensions and treat each activity as a rectangular box in this 6D space. We define these boxes using simple interval constraints. For example, walking occurs when the $x$-axis accelerometer reading is between $2$ and $4$, the $y$-axis reading is between $9$ and $10$, and so on. The key breakthrough is what we call a separability index $s = \frac{d_{\min}^{}}{\sigma}$ that determines how accurately the classification will work. Here dmin represents how far apart the activity boxes are, and $\sigma$ represents the amount of noise present. From this simple idea, we derive a mathematical formula $P(\text{error}) \leqslant (n-1)\exp\left(-\frac{s^2}8\right)$  that predicts the error rate even before initiating the experiment. We tested this on the standard UCI-HAR and WISDM datasets and achieved $86.1 %$ accuracy. The theoretical predictions matched the actual results within $3 %$. This approach outperforms the traditional magnitude methods by $30.6 %$ and explains why certain activities overlap with each other.

Метод Монте-Карло (Monte Carlo, MC) в обучении с подкреплением показывает низкую эффективность при высокой сложности обучающей выборки — в средах с редким вознаграждением, большим пространством состояний и коррелирующими траекториями. Эти ограничения приводят к повышенной вариативности оценок возврата и существенно замедляют процесс сходимости, особенно в задачах, где требуется выделить наиболее информативные эпизоды из большого множества доступных данных. При прямом использовании всех траекторий возникает избыток информации, что ухудшает качество итоговых оценок и увеличивает вычислительную нагрузку. В данной работе мы предлагаем подход, позволяющий преодолеть указанные проблемы за счет оптимизации отбора обучающих данных и структурирования выборки перед применением классического метода Монте-Карло. Задача отбора обучающих траекторий формулируется как квадратичная неограниченная бинарная оптимизация (Quadratic Unconstrained Binary Optimization, QUBO) и решается с помощью алгоритма квантового отжига. Предлагаемый метод MC+QUBO интегрирует комбинаторный фильтрующий шаг в стандартную процедуру оценки: из множества потенциальных траекторий выбирается поднабор, максимизирующий суммарное вознаграждение, обеспечивая при этом достаточное покрытие пространства состояний и снижение взаимной корреляции эпизодов. В QUBO-формулировке линейные члены поощряют включение эпизодов с высоким значением возврата, тогда как квадратичные члены регулируют разнообразие и баланс траекторий, уменьшая риск переобучения на узком подмножестве данных. В качестве решателей из категории «черного ящика» используются алгоритмы симуляции квантового отжига (Simulated Quantum Annealing, SQA) и симулированная бифуркация (Simulated Bifurcation, SB), что позволяет эффективно решать задачи с большим числом потенциальных эпизодов и быстро находить приближенные оптимальные решения. Эксперименты в среде GridWorld показывают, что MC+QUBO превосходит классический метод Монте-Карло по скорости сходимости, устойчивости оценок и качеству итогового обучения, демонстрируя потенциал квантовой оптимизации как инструмента повышения эффективности принятия решений в задачах обучения с подкреплением.

Monte Carlo (MC) reinforcement learning suffers from high sample complexity, especially in environments with sparse rewards, large state spaces, and strongly correlated trajectories that reduce the statistical efficiency of return estimation. These well-known limitations often lead to slow convergence and unstable learning dynamics, particularly in settings where only a small fraction of collected trajectories is actually informative for policy improvement. A key challenge is therefore to identify a compact yet diverse subset of episodes that contributes most to the accuracy of value estimates while preserving sufficient exploration of the environment. To address this challenge, we reformulate episode selection as a Quadratic Unconstrained Binary Optimization (QUBO) problem and solve it using quantum-inspired sampling techniques. Our method, MC+ QUBO, inserts a combinatorial filtering step into the standard MC policy-evaluation pipeline: given a batch of trajectories, it selects a subset that maximizes cumulative reward and encourages broad state-space coverage. This selection procedure is expressed as a QUBO model, where linear terms favor high-return episodes, quadratic terms penalize redundancy between trajectories, and additional coupling terms can be used to enforce coverage-related constraints or promote structural diversity. Within this framework, we investigate two black-box QUBO solvers: Simulated Quantum Annealing (SQA), which emulates tunneling-based exploration of the search landscape, and Simulated Bifurcation (SB), a dynamical-systems-based iterative optimization method. Both solvers demonstrate the ability to efficiently navigate the combinatorial structure of the trajectory-selection problem and to handle batch sizes that are otherwise computationally expensive for exhaustive or deterministic search. Experiments in a finite-horizon GridWorld environment show that MC+QUBO consistently outperforms vanilla MC in convergence speed, stability of return estimates, and final policy quality. These results highlight the promise of quantum-inspired optimization as a practical decision-making subroutine within reinforcement-learning algorithms, offering a scalable way to improve sample efficiency without modifying the underlying learning paradigm.

В данной работе описана методика генерации синтетической базы данных стенозов, состоящей из 1620 записей. Каждая запись представляет собой результаты численного эксперимента по моделированию трехмерного течения вязкой несжимаемой жидкости через трубку с переменным сечением: перепад давлений, средний поток, усредненная по сечению скорость кровотока на входе в трубку, максимальная степень сужения стеноза, длина стеноза, асимметрия стеноза, радиус трубки, число Рейнольдса. База данных валидировалась путем сравнения с другими моделями (с эластичными стенками) и стендовыми экспериментами и показала отклонение перепадов давлений не выше 4%. База данных синтетических стенозов использовалась для обучения физически информированной нейронной сети для быстрой оценки перепада давления по четырем ключевым входным показателям: число Рейнольдса, длина стеноза, степень стеноза, степень асимметрии стеноза. Физическая информированность достигалась за счет введения штрафов в функцию потерь за отсутствие положительного перепада давления и за отсутствие монотонности перепада давления по входным параметрам. Физически информированная нейронная сеть показала более высокую точность на гемодинамических значимых стенозах при тестировании на валидационной выборке и на новых стенозах, не представленных в базе данных. Средняя относительная ошибка на стенозах длиной в 8 радиусов здорового сосуда составила 6% для физически информированной сети и 13% для классической нейронной сети. Ошибки на коротких стенозах длиной в 4 радиуса оказались почти одинаковы: 9,5% для физически информированной сети и 10% для классической нейронной сети. Разработанный метод функциональной оценки гемодинамической значимости стенозов может использоваться как самостоятельный инструмент для клинической оценки стенозов и как компонент сетевых моделей кровотока. Наибольшую актуальность подход приобретает при моделировании многососудистых поражений, которые доминируют в клинической практике. Ключевое преимущество метода заключается в физической корректности результатов и точности, сопоставимой с классическим моделированием, при значительно меньших вычислительных затратах.

This paper describes a method for generating a synthetic database of stenoses, consisting of 1620 entries. Each entry represents the results of a numerical experiment simulating the three-dimensional flow of a viscous incompressible fluid through a tube with a variable cross-section: pressure drop, mean flow rate, cross-sectionally averaged inlet blood flow velocity, maximum stenosis severity, stenosis length, stenosis asymmetry, tube radius, and Reynolds number. The database was validated by comparison with other models (with elastic walls) and bench experiments, showing a deviation in pressure drops of no more than 4%. The synthetic stenosis database was used to train a physics-informed neural network for the rapid estimation of pressure drop based on four key input parameters: Reynolds number, stenosis length, stenosis severity, and stenosis asymmetry coefficient. The physics-informed aspect was achieved by introducing penalties into the loss function for the absence of a positive pressure drop and for the lack of monotonicity of the pressure drop with respect to the input parameters. The physics-informed neural network demonstrated higher accuracy on hemodynamically significant stenoses when tested on a validation set and on new stenoses not represented in the database. The mean relative error for stenoses with a length of 8 healthy vessel radii was 6% for the physics-informed network and 13% for a classical neural network. The errors for short stenoses with a length of 4 radii were nearly identical: 9.5% for the physics-informed network and 10% for the classical neural network. The developed method for the functional assessment of the hemodynamic significance of stenoses can be used both as a standalone tool for clinical stenosis evaluation and as a component of network blood flow models. The approach becomes most relevant when modeling multi-vessel disease, which is predominant in clinical practice. The key advantage of the method lies in the physical correctness of the results and accuracy comparable to classical modeling, but with significantly lower computational costs.

Рассмотрены основные теоретические представления о динамических сменах лесной растительности — сукцессиях. Показано, что динамика растительности и почвы взаимосвязаны, и она определяется особенностями биологического круговорота элементов питания. Рассмотрены основные модельные подходы, формулируются нерешенные задачи. Приведен пример вычислительного эксперимента по сравнению роста леса при стационарном климате и потеплении.

Main theoretical considerations of dynamical changes of forest vegetation are discussed. It is shown that vegetation dynamics (succession) and soil dynamics are linked, and common dynamics is a result of biological turnover of nutrition elements. Main modelling approaches are examined and unsolved problems are formulated. An example of computer experiment on comparison of forest growth at stationary and global warming scenario is considered.

The paper is an example of computer simulation in mechanical engineering. Velocity field in a hydrocyclone are determined numerically, because for direct measurements it is difficult to achieve them. The numerical simulation of 3D fluid dynamics based on the k-eps RNG model of turbulence in the hydrocyclone with the injector, containing 5 tangentially directed nozzles is considered. It is shown that the direction of movement of
injected fluid in the hydrocyclone depends on the water flow rate through the injector. The calculations show in accordance with the experiments that the dependence of the Split-parameter on the injected water flow rate has a non-monotone character associated with the ratio of power of the main flow and the injected fluid.

Статья представляет собой пример компьютерного моделирования в области инженерной механики. Численным методом находятся поля скорости в гидроциклоне, которые недоступны прямому измерению. Рассматривается численное моделирование трехмерной гидродинамики на основе k-ε RNG модели турбулентности в гидроциклоне со встроенным инжектором, содержащим 5 тангенциально направленных сопла. Показано, что направление движения инжектируемой жидкости зависит от расхода жидкости через инжектор. Расчеты показывают в соответствии с экспериментами, что зависимость сплит-параметра от расхода инжектируемой жидкости имеет немонотонный характер, связанный с отношением мощности основного потока и инжектируемой жидкости.

В работе предложена модификация метода инвариантного погружения для описания взаимодействия 3D векторного электромагнитного поля с фотонным кристаллом типа «woodpile», позволяющая обойти проблему резонансного усиления эванесцентных мод на этапе интегрирования уравнений погружения для первого слоя кристалла. Построенная математическая модель фотонного кристалла дает результаты, хорошо совпадающие с результатами физического эксперимента.

Modification of the invariant imbedding method to describe the interaction of 3D electromagnetic field with “woodpile” photonic crystal of finite thickness is considered in this paper. This modification allows solving a problem of evanescent modes resonant amplification during numerical calculations for the first layer of photonic crystal. The mathematical model created in this work gives good agreement with physical experiment results.

Рассматривается возможность определения пульсаций температуры на основе URANS подхода. Представлены результаты численного моделирования процессов перемешивания трех разнотемпературных струй натрия с использованием программного комплекса FlowVision и модели турбулентного теплопереноса LMS. Приведено сравнение результатов расчетов и экспериментальных данных. Обоснована возможность определения энергонесущих частот температурных пульсаций при перемешивании разнотемпературных потоков натрия с использованием URANS подхода и модели LMS.

The possibility to study temperature fluctuations using URANS approach is studied. The results of numerical simulation of mixing processes for triple-jet sodium at different temperatures are presented. The processes were simulated using FlowVision software system and LMS model for turbulent heat transfer. The analysis and experiment data are compared. Validated was the possibility to determine the energy-carrying frequencies of temperature fluctuations using URANS approach and LMS model when mixing triple-jet sodium at different temperatures.

На примере расчета течений проводится анализ возможностей современных гибридных распределенных вычислительных систем для расчета «задач большого вызова». Приводятся соображения, что только многоуровневый комплексный подход к такой проблеме позволит эффективно масштабировать подобные задачи. Подход подразумевает использование новых математических моделей процессов переноса, разделение на динамическом уровне явлений переноса и внутренних процессов и использование новых парадигм программирования, учитывающих особенности современных гибридных систем.

Based on CFD computations we provide the analysis of the possibilities for using modern hybrid distributed computational environments for large complex system simulation. We argue that only multilevel approach supported by new mathematical models of transport properties, dynamical representation of the problem with transport and internal processes separated, and modern paradigm of programming, taking into account specific properties of heterogeneous system, will make it possible to scale the problem effectively.

Математическое и компьютерное моделирование тепловых процессов в технических системах, проводимое в настоящее время, основано на допущении, согласно которому все параметры, определяющие тепловые процессы, полностью и однозначно известны и определены, то есть являются детерминированными. Между тем практика показывает, что параметры, определяющие тепловые процессы, носят неопределенный интервально стохастический характер, что, в свою очередь, обусловливает интервально стохастический характер тепловых процессов в технической системе. Это означает, что реальные значения температуры каждого элемента в технической системе будут случайным образом распределены внутри интервалов своего изменения. Поэтому детерминированный подход к моделированию тепловых процессов, при котором получаются конкретные значения температур элементов, не позволяет адекватно рассчитывать температурные распределения в технических системах. Интервально стохастический характер параметров, определяющих тепловые процессы, обусловливается тремя группами факторов: (a) статистическим технологическим разбросом параметров элементов при изготовлении и сборке системы; (b) случайным характером факторов, обусловленных функционированием технической системы (флуктуациями токов, напряжений, мощностями потребления, температурами и скоростями потоков охлаждающей жидкости и среды внутри системы; (c) случайностью параметров окружающей среды (температурой, давлением, скоростью). Интервально стохастическая неопределенность определяющих факторов в технических системах является неустранимой, поэтому пренебрежение ею приводит к ошибкам при проектировании технических систем. В статье развивается метод, позволяющий моделировать нестационарные нелинейные интервально стохастические тепловые процессы в технических и, в частности, электронных системах при интервальной неопределенности определяющих параметров. Метод основан на получении и последующем решении уравнений для нестационарных статистических мер (математических ожиданий, дисперсий, ковариаций) распределений температуры в технической системе при заданных интервалах изменения и статистических мерах определяющих параметров. Рассмотрено применение разработанного метода к моделированию интервально стохастического теплового процесса в конкретной электронной системе.

The currently performed mathematical and computer modeling of thermal processes in technical systems is based on an assumption that all the parameters determining thermal processes are fully and unambiguously known and identified (i.e., determined). Meanwhile, experience has shown that parameters determining the thermal processes are of undefined interval-stochastic character, which in turn is responsible for the intervalstochastic nature of thermal processes in the electronic system. This means that the actual temperature values of each element in an technical system will be randomly distributed within their variation intervals. Therefore, the determinative approach to modeling of thermal processes that yields specific values of element temperatures does not allow one to adequately calculate temperature distribution in electronic systems. The interval-stochastic nature of the parameters determining the thermal processes depends on three groups of factors: (a) statistical technological variation of parameters of the elements when manufacturing and assembling the system; (b) the random nature of the factors caused by functioning of an technical system (fluctuations in current and voltage; power, temperatures, and flow rates of the cooling fluid and the medium inside the system); and (c) the randomness of ambient parameters (temperature, pressure, and flow rate). The interval-stochastic indeterminacy of the determinative factors in technical systems is irremediable; neglecting it causes errors when designing electronic systems. A method that allows modeling of unsteady interval-stochastic thermal processes in technical systems (including those upon interval indeterminacy of the determinative parameters) is developed in this paper. The method is based on obtaining and further solving equations for the unsteady statistical measures (mathematical expectations, variances and covariances) of the temperature distribution in an technical system at given variation intervals and the statistical measures of the determinative parameters. Application of the elaborated method to modeling of the interval-stochastic thermal process in a particular electronic system is considered.

Рассматривается математическая модель, описывающая конкуренцию за неоднородный ресурс двух близкородственных видов на одномерном ареале. Распространение популяций определяется диффузией и направленной миграцией, а рост подчиняется логистическому закону. Исследуются решения соответствующей начально-краевой задачи для нелинейных уравнений параболического типа с переменными коэффициентами (функция ресурса, параметры роста, диффузии и миграции). Для анализа формирования популяционных структур применяется подход на основе теории косимметричных динамических систем В. И. Юдовича. Аналитически получены условия на параметры системы, при выполнении которых у системы имеется нетривиальная косимметрия. В численном эксперименте подтверждено возникновение непрерывного семейства стационарных решений при выполнении условий существования косимметрии. Расчетная схема основана на конечно-разностной дискретизации по пространственной переменной с использованием интегро-интерполяционного метода и интегрировании по времени методом Рунге–Кутты. Далее численно исследовано влияние параметров диффузии и миграции на пространственно-временные сценарии развития популяций. В окрестности многообразия, соответствующего косимметрии задачи, рассчитаны нейтральные кривые диффузионных параметров, отвечающих границам устойчивости решений с одной популяцией. Для ряда значений параметров миграции и функций ресурса с одним и двумя максимумами построены карты областей параметров, которые соответствуют различным сценариям сосуществования и вытеснения видов. В частности, найдены области параметров, при которых выживание того или иного вида определяется условиями начального размещения. Отмечено, что реализуемая при этом динамика может быть нетривиальна: после начального снижения плотностей обоих видов наблюдается последующий рост одной популяции и убывание другой. Проведенный анализ показал, что области диффузионных параметров, отвечающих различным сценариям формирования популяционных структур, группируются вблизи линий, соответствующих косимметрии рассматриваемой математической модели. Полученные карты позволяют объяснить медленную динамику системы близостью к косимметричному случаю и дать трактовку эффекта выживания популяции за счет изменения диффузионной мобильности при исчерпании ресурса.

We consider a mathematical model describing the competition for a heterogeneous resource of two populations on a one-dimensional area. Distribution of populations is governed by diffusion and directed migration, species growth obeys to the logistic law. We study the corresponding problem of nonlinear parabolic equations with variable coefficients (function of a resource, parameters of growth, diffusion and migration). Approach on the theory the cosymmetric dynamic systems of V. Yudovich is applied to the analysis of population patterns. Conditions on parameters for which the problem under investigation has nontrivial cosymmetry are analytically derived. Numerical experiment is used to find an emergence of continuous family of steady states when cosymmetry takes place. The numerical scheme is based on the finite-difference discretization in space using the balance method and integration on time by Runge-Kutta method. Impact of diffusive and migration parameters on scenarios of distribution of populations is studied. In the vicinity of the line, corresponding to cosymmetry, neutral curves for diffusive parameters are calculated. We present the mappings with areas of diffusive parameters which correspond to scenarios of coexistence and extinction of species. For a number of migration parameters and resource functions with one and two maxima the analysis of possible scenarios is carried out. Particularly, we found the areas of parameters for which the survival of each specie is determined by initial conditions. It should be noted that dynamics may be nontrivial: after starting decrease in densities of both species the growth of only one population takes place whenever another specie decreases. The analysis has shown that areas of the diffusive parameters corresponding to various scenarios of population patterns are grouped near the cosymmetry lines. The derived mappings allow to explain, in particular, effect of a survival of population due to increasing of diffusive mobility in case of starvation.