Все выпуски

В данной работе исследуется влияние пространственного разрешения дискретизированного (решеточного) представления рабочего пространства на эффективность и корректность поиска оптимального пути в сложных условиях. Рассматриваются сценарии, характеризующиеся возможным наличием узких проходов, неоднородным распределением препятствий и зонами повышенных требований к безопасности в непосредственной окрестности от препятствий. Несмотря на широкое применение решеточных представлений рабочего пространства в робототехнике благодаря их совместимости с сенсорными данными и поддержке классических алгоритмов планирования траекторий, разрешение этих решеток оказывает существенное влияние как на достижимость цели, так и на показатели оптимального пути. Предлагается алгоритм, сочетающий анализ связности пространства, оптимизацию траектории и геометрическое уточнение безопасности. На первом этапе с помощью обобщения алгоритма Лиса (Leath) оценивается достижимость целевой точки путем выявления связной компоненты, содержащей стартовую позицию. При подтверждении достижимости целевой точки на втором этапе алгоритм A* применяется к узлам данной компоненты для построения пути, минимизирующего одновременно как длину пути, так и риск столкновения. На третьем этапе для узлов, расположенных в зонах безопасности, осуществляется уточненная оценка расстояния до препятствий с помощью комбинации алгоритмов Гилберта – Джонсона – Кирти (GJK) и расширяющегося многогранника (EPA). Экспериментальный анализ позволил выявить нелинейную зависимость вероятности существования и эффективности оптимального пути от параметров решетки. В частности, снижение пространственного разрешения решетки повышает вероятность потери связности и недостижимости цели, а увеличение ее пространственного разрешения влечет рост вычислительной сложности без пропорционального улучшения характеристик оптимального пути.

This paper examines the impact of the spatial resolution of a discretized (lattice) representation of the environment on the efficiency and correctness of optimal pathfinding in complex environments. Scenarios are considered that may include bottlenecks, non-uniform obstacle distributions, and areas of increased safety requirements in the immediate vicinity of obstacles. Despite the widespread use of lattice representations of the environment in robotics due to their compatibility with sensor data and support for classical trajectory planning algorithms, the resolution of these lattices has a significant impact on both goal reachability and optimal path performance. An algorithm is proposed that combines environmental connectivity analysis, trajectory optimization, and geometric safety refinement. In the first stage, the Leath algorithm is used to estimate the reachability of the target point by identifying a connected component containing the starting position. Upon confirmation of the target point’s reachability, the A* algorithm is applied to the nodes of this component in the second stage to construct a path that simultaneously minimizes both the path length and the risk of collision. In the third stage, a refined obstacle distance estimate is performed for nodes located in safety zones using a combination of the Gilbert – Johnson –Keerthi (GJK) and expanding polyhedron (EPA) algorithms. Experimental analysis revealed a nonlinear relationship between the probability of the existence and effectiveness of an optimal path and the lattice parameters. Specifically, reducing the spatial resolution of the lattice increases the likelihood of connectivity loss and target unreachability, while increasing its spatial resolution increases computational complexity without a proportional improvement in the optimal path’s performance.

В работе представлена каскадная модель нейронной сети с физической поддержкой, предназначенная для прогнозирования перепада давления при трехфазном течении (нефть, газ, вода) в прямом участке трубы с различными углами наклона. Для преодоления ограничений существующих эмпирических корреляций и вычислительно затратных методов численного моделирования предложена архитектура, декомпозирующая задачу на три последовательные физически интерпретируемые подзадачи: регрессионное прогнозирование коэффициента удержания жидкости, классификация режима течения и непосредственный расчет градиента давления. Каждая подзадача решается отдельной полносвязной нейронной сетью, выход которой передается следующей модели в каскаде. Обучение и тестирование предложенной модели проведены на обширном синтетическом наборе данных (8·10⁷ записей), сгенерированном с использованием полуэмпирической модели. Верификация выполнена на независимых экспериментальных данных. Проведен сравнительный анализ с единой полносвязной (не каскадной) нейронной сетью и исследована чувствительность моделей методами Соболя и Боргоново. Каскадная модель продемонстрировала превосходство по точности и обеспечила высокую интерпретируемость результатов за счет получения промежуточных физических параметров (коэффициента удержания жидкости, режима течения). Разработанная модель обладает низкой вычислительной сложностью, что позволяет использовать ее в системах реального времени и цифровых двойниках гидравлических систем нефтегазовой промышленности.

The paper presents a cascade model of a physically supported neural network designed to predict pressure drop in three-phase flow (oil, gas, water) in a pipe section with various angles of inclination. To overcome the constraints of existing empirical correlations and computation-intensive numerical modeling methods, we propose an architecture that decomposes the problem into three sequential physically interpretable subtasks: regression prediction of the fluid hold-up coefficient, fluid flow regime classification, and pressure gradient evaluation. Each subtask is solved by a separate fully connected neural network, the output of which is passed to the next model in the cascade. Training and testing of the proposed architecture was performed on an extensive synthetic dataset (8 · 10⁷ records) generated using a semi-empirical model. Verification is performed on independent experimental data. A comparative analysis with a single fully connected (non-cascade) neural network is made, and the sensitivity of the models is examined using Sobol and Borgonovo methods. The cascade model demonstrates superior accuracy and ensures high interpretability of results by providing intermediate physical parameters (fluid hold-up coefficient, flow regime). The developed model has low computational complexity, which allows it to be used in real-time systems and digital twins of hydraulic systems in the oil and gas industry.

Аортальный стеноз и другие формы дисфункции аортального клапана сопровождаются нарушением внутрисердечной гемодинамики, перегрузкой левого желудочка и повышением риска сердечно-сосудистых осложнений. Для оценки работы клапана важны не только интегральные клинические показатели, но и локальные механические и гемодинамические характеристики, которые, как правило, не могут быть напрямую измерены in vivo. В связи с этим математическое моделирование рассматривается как один из основных инструментов количественного анализа аортального клапана. Несмотря на широкое применение различных моделей деформируемого твердого тела и постановок связанных задач взаимодействия жидкости и твердого тела (fluid-structure interaction, FSI), для описания динамического поведения створок границы применимости упрощенных постановок по отношению к полной сопряженной задаче остаются недостаточно определенными. В работе рассматривалась идеализированная модель корня аорты с синусами Вальсальвы и трехстворчатым клапаном. Створки описывались анизотропной гиперупругой моделью материала. Выполнено сопоставление пяти расчетных сценариев, включающих полную FSI-постановку, учитывающую как динамику твердого тела, так и жидкости, а также модель деформируемого твердого тела с четырьмя вариантами нагружения, заменяющего влияние кровотока, которые отличаются способом учета давления и направлением приложения нагрузки к створкам. В качестве критериев сравнения использовались деформации, перемещения, напряжения по Мизесу, колебательная динамика створок и площадь геометрического открытия клапана. Показано, что FSI-модель обеспечивает наиболее согласованное описание работы клапана, включая асимметричное открытие створок, более плавную динамику раскрытия и отсутствие выраженного нефизиологичного флаттера. Структурные постановки с нагрузкой, приложенной по локальной нормали к поверхности створок, приводят к завышению деформаций и напряжений, а также к более выраженным колебательным режимам. Сценарии с ограничением направления нагрузки дают более умеренный отклик, однако также не воспроизводят пространственную структуру нагрузки и временную организацию раскрытия створок. Сделан вывод, что при моделировании аортального клапана решающее значение имеет не только величина перепада давления, но и способ его пространственно-временного приложения к створкам. Структурные модели деформируемого твердого тела могут использоваться для качественной оценки отдельных механических тенденций, однако не являются полноценной заменой FSI-постановки при анализе кинематики створок, колебательных режимов, напряженно-деформированного состояния и динамики открытия клапана.

Aortic stenosis and other forms of aortic valve dysfunction are associated with impaired intracardiac hemodynamics, left ventricular overload, and an increased risk of cardiovascular complications. Assessment of valve function requires not only integral clinical indicators but also local mechanical and hemodynamic characteristics, which, as a rule, cannot be measured directly in vivo. Therefore, mathematical modeling is regarded as one of the main tools for the quantitative analysis of the aortic valve. Despite the widespread use of various deformable-solid models and coupled fluid-structure interaction formulations, FSI, for describing leaflet dynamics, the limits of applicability of simplified formulations relative to the fully coupled problem remain insufficiently defined. In this study, an idealized model of the aortic root with the sinuses of Valsalva and a tricuspid valve was considered. The leaflets were described using an anisotropic hyperelastic material model. Five computational scenarios were compared, including a fully coupled FSI formulation that accounts for both solid and fluid dynamics, as well as a deformable-solid model with four loading variants replacing the effect of blood flow, differing in the way pressure was represented and in the direction of load application to the leaflets. The comparison criteria included deformation, displacement, von Mises stress, leaflet oscillatory dynamics, and the geometric opening area of the valve. It was shown that the FSI model provides the most consistent description of valve function, including asymmetric leaflet opening, smoother opening dynamics, and the absence of pronounced nonphysiological flutter. Structural formulations with loads applied along the local normal to the leaflet surface lead to overestimation of deformation and stress, as well as to more pronounced oscillatory regimes. Scenarios with restricted load direction produce a more moderate response, but they also fail to reproduce the spatial load structure and the temporal organization of leaflet opening. It was concluded that, in aortic valve modeling, not only the magnitude of the pressure difference but also the way it is applied to the leaflets in space and time is of decisive importance. Structural deformable-solid models may be used for the qualitative assessment of selected mechanical trends, but they cannot serve as a full substitute for the FSI formulation in the analysis of leaflet kinematics, oscillatory regimes, stress-strain state, and valve opening dynamics.

В работе решается задача обнаружения малоразмерных объектов на аэрофотоснимках в видимом спектре. Высокая вариативность фона и слабая выраженность признаков делают детекцию малоразмерных объектов нетривиальной задачей. В таких условиях низкая эффективность классических методов компьютерного зрения на основе дескрипторов стимулирует переход к архитектурам на основе глубоких нейронных сетей, которые демонстрируют большую обобщающую способность и устойчивость к ложным срабатываниям. В качестве метода поиска объектов на изображении был выбран одноэтапный подход на базе нейросетевой предиктивной модели. Проведен анализ нейросетевых архитектур, относящихся к данному классу, приведены их достоинства и недостатки. В качестве базовой архитектуры детектора была взята YOLO версии 11 с добавлением блока многомасштабной агрегации признаков (используется для объединения информации, полученной из слоев искусственной нейронной сети с разными масштабами) и блока селективной интеграции с учетом размерности (блок автоматически определяет, по какому измерению (канал, высота, ширина) обрабатывать данные, и выборочно объединяет их). Данные модификации направлены как на повышение вычислительной эффективности и возможности развертывания нейросетевых моделей на борту беспилотных летательных аппаратов для анализа изображений в режиме реального времени, так и для улучшения точности детекции объектов малых размеров. Учитывая сложность аннотации изображений, для обучения и тестирования (в соотношении 90/10% соответственно) использовалась открытая синтетическая база изображений, содержащая порядка 4000 изображений. Обучающая выборка была расширена путем различных случайных аугментаций. Для оценки качества полученных предиктивных моделей использовалось среднее значение точности по всем классам как с порогом 50% пересечения с экспертной разметкой, так и с варьируемым порогом 50–95%. Переобучение контролировалось при помощи анализа кривых потерь. Предложенные модификации архитектуры YOLO позволили уменьшить время обработки изображений в два раза при сохранении точности распознавания.

This paper addresses the problem of detecting small objects in visible-spectrum aerial imagery. High background variability and weak feature saliency make small object detection a non-trivial task. Under such conditions, classical computer vision algorithms based on hand-crafted descriptors exhibit low efficiency, prompting a shift towards deep neural network architectures, which demonstrate superior generalization capability and robustness to false positives. We selected a one-stage approach based on a neural network predictive model as the primary object detection method. Also, several neural network architectures belonging to this class were analyzed, outlining their advantages and disadvantages. As the baseline detector, we adopted YOLO version 11 and incorporated a multi-scale feature aggregation module (which combines information from neural network layers operating at different scales) and a dimension-aware selective integration module (which automatically determines the dimension (channel, height, or width) along which to process features and fuses them selectively). These modifications aim to both enhance computational efficiency, enabling deployment of neural network models onboard aerial vehicles for real-time image analysis, and improve small object detection accuracy. Given the complexity of image annotation, we used an open synthetic image database containing approximately 4 000 images for training and testing (with a 90/10 split, respectively). We extend the training set using various random augmentation techniques. To evaluate the performance of the resulting predictive models, we employed mean Average Precision across all classes, using both a fixed 50% intersectionover- union threshold and a varying threshold from 50% to 95%. Overfitting was monitored by analyzing loss curves during training process. The proposed modifications to the YOLO architecture reduced image processing time by a factor of two while maintaining detection accuracy.

Методом квантово-химического моделирования исследован возможный конформационный переход в локальном окружении первичного хинона в фотосинтетическом реакционном центре (РЦ) бактерии Rhodobacter sphaeroides, сопровождающий процесс переноса электрона. Исходя из представления о наличии двух устойчивых конформационных состояний РЦ, предложена кинетическая модель, хорошо описывающая экспериментальные температурные зависимости скорости реакции рекомбинации P⁺Q_A^- → PQ_A. Результаты квантово-химического моделирования сайта связывания первичного хинона позволяют предложить на роль указанного конформационного изменения небольшое смещение кольца убихинона, приводящее к разрыву водородной связи, образуемой 4–C=O группой убихинона с гистидином M²¹⁹, и образованию новой водородной связи с гидроксильной группой треонина M²²². Значения параметров модели, полученные с помощью квантово-химических расчетов, качественно согласуются со значениями параметров кинетической модели, используемых для описания реакции рекомбинации.

A possible conformational change, which accompanies electron tranport in Rb. sphaeroides photosynthetic reaction center (RC), was studied using quantum-chemical approach. A kinetic model which takes into account two conformational states of RC is proposed. The model quantitatively describes experimental temperature dependencies of recombination reaction rate P⁺Q_A^- → PQ_A. Quantum-chemical modeling of primary quinone (Q_A) binding site permits one to propose a minor shift of Q_A as a conformational change of interest. The shift is accompanied by break of a hydrogen bond between 4–C=O group of Q_A and histidine M²¹⁹, and formation of a new hydrogen bond between Q_A and hydroxyl group of threonine M²²². Characteristics of this conformational change were obtained from quantum-chemical calculations and match parameters of kinetic model in qualitative fashion.

Механическое разворачивание под действием внешних сил двух похожих по пространственной структуре, но отличающихся по аминокислотной последовательности иммуноглобулинсвязывающих доменов белков L и G исследуется методом молекулярной динамики с использованием явной модели растворителя. Рассчитаны механические характеристики этих белков. Показано, что на пути механического разворачивания обоих белков появляются промежуточные состояния. Проведенные расчеты выявили три существенно различающихся пути механического разворачивания белков L и G.

Mechanical unfolding of two identical in structure but differ in their amino acid sequences immunoglobulinbinding domains of proteins L and G under the action of external forces have been investigating  using the method of molecular dynamics with explicit model of solvent. Mechanical characteristics of these proteins have been calculated. It has been shown that in the way of the mechanical unfolding of both proteins appear intermediate states. Calculations revealed three significantly different ways of mechanical unfolding of proteins L and G.

В работе изучена динамика двух искусственных генетических осцилляторов — репрессиляторов, — связанных диффузией аутоиндуктора. Выбрана модель генетической сети, в которой производство, диффузия и ген-мишень для аутоиндуктора обеспечивают расталкивающее взаимодействие между фазовыми точками. Исследовано появление периодических режимов, устойчивых неоднородных стационарных состояний в зависимости от главных бифуркационных параметров: силы связи и скорости синтеза мРНК. Показано, что добавление в генетическую схему аутоиндуктора приводит к исчезновению предельного цикла через бифуркацию бесконечного периода в изолированном осцилляторе, если скорость синтеза мРНК велика. Найден гистерезис между предельным циклом и стационарным состоянием, размер которого зависит от соотношения времен жизни мРНК и белков. Взаимодействие двух осцилляторов приводит к появлению устойчивого противофазного предельного цикла, который может переходить в хаотический режим через «тор-хаос» или путем каскада Фейгенбаума.

We have investigated dynamics of synthetic genetic oscillators — repressilators — coupled through autoinducer diffusion. The model of the system with phase-repulsive coupling structure is under consideration. We have examined emergence of periodic regimes, stable inhomogeneous steady states depending on the main systems’ parameters: coupling strength and maximal transcription rate. It has been shown that autoinducer production module added to the isolated repressilator cause the limit cycle to disappear through infinite period bifurcation for sufficiently large transcription rate. We have found hysteresis of limit cycle and stable steady state the size of which is determined by ratio between mRNA and protein lifetimes. Two coupled oscillators system demonstrates stable anti-phase oscillations which can become a chaotic regime through invariant torus emergence or via Feigenbaum scenario.

В работе рассмотрен подход к оптимизации интегральных оценок состояния биосистем. Подход включает процедуры уменьшения вариабельности интегральных оценок, основанные на статистическом моделировании экспериментальных данных, а также оптимизацию числа признаков состояния на основе оценки их относительного вклада в интегральную оценку c использованием параллельных вычислений.

The approach to optimization of integral estimation of bio-systems state is presented. The approach is included the procedures of decreasing of variability of integral estimation based on statistical modeling of experimental data set and optimization the quantity of a state characteristics on a base of their relative contribution to the integral estimation using parallel calculation.

Рассматривается иерархическая модель, предложенная Джохансеном и Сорнеттом, описывающая механизм возникновения логопериодических колебаний, предшествующих финансовым крахам, и проводится ее численный анализ. Предлагаются обобщения данной модели на основе введения зависимость степени влияния агентов друг на друга от ультраметрического расстояния между ними. Наибольшее внимание уделяется вопросу об универсальности критической точки, который исследуется с помощью построения распределений точек краха при различном числе агентов.

We consider the hierarchical model of financial crashes introduced by A. Johansen and D. Sornette which reproduces the log-periodic power law behavior of the price before the critical point. In order to build the generalization of this model we introduce the dependence of an influence exponent on an ultrametric distance between agents. Much attention is being paid to a problem of critical point universality which is investigated by comparison of probability density functions of the crash times corresponding to systems with various total numbers of agents.

Рассматриваются два возможных вычислительных метода интерпретации экспериментальных данных, полученных методами магнитно-силовой зондовой микроскопии. Развитие методов моделирования и реконструирования распределения макроспинов проводится с целью изучения процессов перемагничивания наночастиц в упорядоченных двумерных массивах. Предлагаются подходы к разработке сверхмасштабируемых высокопроизводительных алгоритмов, предназначенных для параллельного исполнения на суперкомпьютерных кластерах для решения прямой и обратной задачи моделирования магнитных состояний, типов упорядочения и процессов перемагничивания наносистем с коллективным поведением. Результаты моделирования согласуются с результатами эксперимента.

We consider two possible computational methods of the interpretation of experimental data obtained by means of the magnetic force microscopy. These methods of macrospin distribution simulation and reconstruction can be used for research of magnetization reversal processes of nanodots in ordered 2D arrays of nanodots. New approaches to the development of high-performance superscale algorithms for parallel executing on a supercomputer clusters for solving direct and inverse task of the modeling of magnetic states, types of ordering, reversal processes of nanosystems with a collective behavior are proposed. The simulation results are consistent with experimental results.