Математика сложных систем
Графовые и спектральные характеристики, топология, гиперболические представления, модели состояний и переходов.
LOBACHEVSKY LAB
Проверяем гипотезы. Развиваем вычислительный AI
Исследовательский контур Lobachevsky AI: математические методы, локальные модели сложных систем, воспроизводимые эксперименты и совместный НИОКР.
РЕЗУЛЬТАТЫ И КЕЙСЫ
От предметной постановки к проверке
Для каждого результата указываем данные, метод, стадию и ограничения. Новая отрасль или объект проходят самостоятельную валидацию.
Фармацевтика01
Завершённый исследовательский пилотИФАР: механизм действия соединения GRS
Модель сигнального пути sGC–cGMP, сопоставление соединений и гипотезы биологических эффектов.
206 483сущности в графе
19 574соединения для сравнения
Энергетика02
Исследование на открытом benchmarkПрогноз ресурса двигателя на NASA C-MAPSS
Совместная динамика 21 сенсорного канала преобразована в состояния и структурные индикаторы деградации.
21сенсорный канал
33 циклаMAE комбинированного предиктора
Биопроизводство03
Прототип на симуляционных данныхФерментация: увидеть разрыв связей процесса
Анализ партий пенициллина: связи между датчиками, фазы процесса и гипотезы причин снижения выхода.
100симуляционных партий
31датчик процесса
Legal Tech04
Прототип предметной моделиЮридический корпус как модель аргументации
Связи между документами, фактами и нормами помогают находить релевантные позиции и проверять основания.
Источникипроверяемая трасса
Аргументысвязная позиция
ПУБЛИКАЦИИ И OPEN SOURCE
Методы, которые можно изучить
ПРЕПРИНТ / STRUCTURAL PROGNOSTICS
Research SquareСтруктурный прогноз деградации на NASA C-MAPSS
Математический принцип, постановка эксперимента и ограничения предиктора. Препринт исследовательской работы.
ИНЖЕНЕРНАЯ СТАТЬЯ / МАКСИМ ХОТИНСКИЙ
HabrПобеждаем OOM в PyTorch: как обучать гигантские графы на обычной видеокарте
Disk Sparse Adam: состояния разреженного оптимизатора на SSD и работа с большим графом при ограниченной памяти.
OPEN SOURCE / MIT
GitHubDisk Sparse Adam — код, примеры и benchmark
Открытый инструмент для PyTorch, графовых embeddings и исследовательских экспериментов.
ПУБЛИКАЦИЯ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ
ZenodoDSA: цитируемая версия разработки
Архив программной разработки с DOI. Отдельный инженерный инструмент исследовательского стека.
НАПРАВЛЕНИЯ LAB
Что исследуем сейчас
Предметные модели
Биомеханизмы, ферментация, диагностика оборудования, структурный поиск и контуры цифровых двойников.
Эффективные вычисления
Большие графы при ограниченной памяти, out-of-core методы и инструменты для воспроизводимых экспериментов.
ПРИГЛАШАЕМ К СОТРУДНИЧЕСТВУ
Учёных, разработчиков и лидеров направлений
Предлагайте задачи для тестирования на ядре TKK, независимую проверку результатов и совместные исследования. Согласуем вопрос, данные, критерии и формат кооперации.
Задача и предметный контур
- Научный или инженерный вопрос
- Данные, экспериментальная база и экспертный эталон
- Команда для независимой проверки
Вычислительное ядро и модель
- Оценка применимости TKK и дизайн эксперимента
- Локальное представление, структурный анализ и расчёт
- Проверяемый результат, метод и ограничения
Перед началом согласуем доступ к данным, права на результаты и условия публикации. Возможны совместный НИОКР, лабораторный пилот и интеграция с отраслевым партнёром.
Какая гипотеза требует проверки?
Для первого обсуждения достаточно краткого описания задачи и возможностей вашей команды.
info@lobachevsky.ai