СГУ представил инновационный алгоритм для прогнозирования будущих сценариев

В Саратовском национальном исследовательском университете имени Н.Г. Чернышевского (СГУ) был представлен новый подход к моделированию событий во временных процессах. Команда ученых, под руководством доцента Сергея Бутерина, разработала алгоритм, который поможет учёным, экономистам и разработчикам нейронных сетей более эффективно прогнозировать и управлять событиями в сложных системах.

Фундаментом этой разработки стал квантовый граф, который уже нашёл применение во множестве областей – от квантовой механики до моделирования нервных импульсов. Новизна подхода команды СГУ в том, что они переосмыслили ребра графа как временные промежутки и внутренние вершины как точки разветвления процессов, дающие возможность сценарного разнообразия.

«Принципиальным отличием времённого графа от пространственной сети является интерпретация ребер как промежутков времени. Каждая внутренняя вершина такого графа является точкой разветвления процесса, дающей несколько различных сценариев дальнейшего его протекания», — пояснил Сергей Бутерин.

Он отметил, что одно из главных преимуществ их разработки — это способность учитывать сразу все возможные сценарии и выбирать оптимальные управляющие воздействия с минимальными энергетическими затратами.

Ученые подчеркивают, что их результаты имеют большой потенциал для применения в различных отраслях науки и экономики, особенно там, где требуется оптимальное управление в условиях неопределенности.

«Многие процессы реального мира имеют нелокальный характер, и использование операторов с запаздыванием в новой системе является отличительной чертой нашей работы», — добавил Бутерин.

Результаты исследований были опубликованы в журнале Mathematical Methods in the Applied Sciences, а также в Математических заметках РАН. Исследование было поддержано Российским научным фондом и соответствует целям программы государственной поддержки университетов «Приоритет-2030» национального проекта «Наука и университеты».

Сергей Бутерин и его команда считают, что их разработка не только продвинет границы современных вычислительных технологий, но и окажется полезной для множества сфер, требующих точности и прогноза в анализе данных.