All issues

Вывозка лесоматериалов из удаленных лесозаготовительных районов Сибири характеризуется высоким уровнем транспортных издержек. Наличие протяженных участков грунтовых лесовозных дорог, сезонные ограничения (весенняя распутица, зимники) и значительные расстояния от лесосек до магистральных транспортных узлов (50–200 км) обусловливают необходимость систематического решения задачи рационального планирования маршрутов вывозки.

В настоящей работе предложена математическая модель двухэшелонной маршрутизации транспортных средств (2E-VRP), адаптированная к условиям вывозки лесоматериалов в макрорегионе Урала и Сибири. Модель учитывает переменные транспортные затраты (пробег лесовозов), фиксированные затраты на задействование каждой единицы техники ($c_{fix}$ = 30 000 руб./рейс) и ограничения грузоподъемности. Задача приведена к форме QUBO — квадратичной безусловной бинарной оптимизации; емкостные ограничения интегрированы посредством штрафного коэффициента $\lambda_{cap} = 500$. Такое представление обеспечивает совместимость модели с современными специализированными решателями (квантовыми отжигателями и цифровыми аннилерами).

Апробация модели выполнена на реальной географии Уральского и Сибирского федеральных округов: 207 узлов логистической сети, 65 предприятий-потребителей, 8 магистральных транспортных узлов. Предложенный трехстадийный алгоритм «Допустимость прежде всего» формирует допустимый маршрутный план за 1,7 с и обеспечивает снижение суммарных транспортных затрат на 69% относительно базового генетического алгоритма. Последующая оптимизация методом имитации отжига дополнительно улучшает значение целевой функции QUBO на 55%.

The haulage of timber from remote logging areas of Siberia is characterized by high transportation costs. Long stretches of unpaved logging roads, seasonal constraints (spring thaw and winter roads), and considerable distances from cutting areas to main transport hubs (50–200 km) make systematic route planning essential.

This paper proposes a mathematical model of the two-echelon vehicle routing problem (2E-VRP) adapted to timber haulage in the macro-region of the Urals and Siberia. The model incorporates variable transportation costs (truck mileage), fixed costs of using each vehicle ($c_{fix}$ = 30 000 RUB per trip), and vehicle-capacity constraints. The problem is transformed into a QUBO (quadratic unconstrained binary optimization) formulation; capacity constraints are integrated through the penalty coefficient $\lambda_{cap}$ = 500. This representation makes the model compatible with modern specialized solvers, including quantum annealers and digital annealers.

The model is tested on the real geography of the Ural and Siberian Federal Districts: 207 nodes in the logistics network, 65 customer enterprises, and 8 main transport hubs. The proposed three-stage “Feasible-First” algorithm constructs a feasible routing plan in 1.7 s and reduces total transportation costs by 69% relative to a baseline genetic algorithm. Subsequent simulated annealing further improves the QUBO objective value by 55%.

Работа посвящена разработке безитерационного метода решения обратной задачи для уравнения параболического типа с неизвестным нестационарным коэффициентом при первой производной по пространственной переменной. Условие переопределения задается в виде определенного интеграла от искомой функции с весовым множителем по области определения пространственной переменной либо по ее части. Актуальность данного исследования обусловлена необходимостью диагностики динамических параметров в прикладных задачах, в частности, при моделировании процессов переноса в биологических жидкостях, где скорость потока может меняться во времени. В отличие от распространенных итерационных методов, требующих значительных вычислительных затрат и тщательного выбора параметров регуляризации, предлагается оригинальный метод, основанный на декомпозиции решения, суть которого состоит в том, что на каждом временном слое в представлении решения обратной задачи в виде линейной комбинации решений двух вспомогательных систем уравнений с одинаковой матрицей и различными правыми частями, с последующим определением неизвестного коэффициента из дискретного аналога заданного условия переопределения. Такой подход позволяет находить неизвестный коэффициент без организации итерационного процесса. При учете неточных условий переопределения наибольшая точность восстановления решения обратной задачи достигается на квазирешении прямой задачи. Представлены результаты численной реализации предложенного вычислительного алгоритма на тестовых примерах, подтвердившие высокую точность определения искомых функций при достаточно слабых возмущениях условия переопределения. Полученные результаты открывают перспективы применения метода в задачах медицинской диагностики и других областях, где требуется оперативная обработка экспериментальных данных.

This paper presents a non-iterative method for solving an inverse problem for a parabolictype equation with an unknown time-dependent coefficient at the first spatial derivative. The overdetermination condition is specified as a definite integral of the unknown function with a weighting factor over the spatial domain or its subdomain. The study is motivated by the need to identify dynamic parameters in applied problems, particularly in modeling transport processes in biological fluids, where the flow velocity may vary over time. In contrast to conventional iterative methods that require substantial computational effort and careful selection of regularization parameters, an original approach based on solution decomposition is proposed. At each time layer, the solution is represented as a linear combination of solutions to two auxiliary systems with the same matrix and different right-hand sides, followed by the determination of the unknown coefficient from a discrete analogue of the overdetermination condition. This approach eliminates the need for an iterative procedure. In the presence of inexact overdetermination data, the highest reconstruction accuracy is achieved using a quasi-solution. Numerical experiments on test problems demonstrate high accuracy in reconstructing the unknown functions under small perturbations of the overdetermination condition. The results indicate strong potential for applications in medical diagnostics and other fields requiring rapid processing of experimental data.

В статье представлены результаты экспериментальных и теоретических исследований кинетики проникновения эритрозина в молекулы коллагеназы. Рассматривается случай с введением вещества — флуоресцентного зонда, молекул, которого способны образовывать димеры, в раствор фермента в случае инъекции. Показано, что в молекулы фермента могут проникать как мономеры, так и димеры зонда, образуя комплексы мономер-фермент и димер-фермент. При этом в каждый момент времени происходит трансформация спектра флуоресценции зонда: наблюдается сдвиг максимума спектра и изменение его формы. В то же время иммобилизованные димеры красителя вносят существенный вклад в формирование итогового спектра флуоресценции. Хорошее соответствие экспериментальных и теоретических результатов подтверждает достоверность полученных данных.

The results of the experimental and theoretical researches of kinetics of erythrosine penetration into collagenase molecules have represented in this paper. The case with introduction of the compound (fluorescent probe) which has dimers to enzyme solution as an injection has been considered. It was shown that monomers and dimers can penetrate into enzyme molecules with formation complexes monomer — enzyme, dimer- enzyme. Moreover, transformation of probe fluorescence spectra is at each time moment. Spectrum maximum shift, and its form change. At a time, the immobilized dye dimers greatly impact to formation of end fluorescence spectrum. Well correlation between experimental and theoretical results confirms reality of the obtained data.

В современном мире, ориентированном на технологии, легкие устройства, такие как устройства Интернета вещей (IoT) и микроконтроллеры (MCU), становятся все более распространенными. Эти устройства более энергоэффективны и доступны по цене, но часто обладают урезанными возможностями, по сравнению со стандартными версиями, такими как ограниченная память и вычислительная мощность. Современные модели машинного обучения могут содержать миллионы параметров, что приводит к значительному росту требований по объему памяти. Эта сложность не только затрудняет развертывание больших моделей на устройствах с ограниченными ресурсами, но и увеличивает риск задержек и неэффективности при обработке данных, что критично в случаях, когда требуются ответы в реальном времени, таких как автономное вождение или медицинская диагностика.

В последние годы нейронные сети достигли значительного прогресса в методах оптимизации моделей, что помогает в развертывании и инференсе на этих небольших устройствах. Данный обзор представляет собой подробное исследование прогресса и последних достижений в оптимизации нейронных сетей, сосредотачиваясь на ключевых областях, таких как квантизация, прореживание, дистилляция знаний и поиск архитектур нейронных сетей. Обзор рассматривает, как эти алгоритмические решения развивались и как новые подходы улучшили существующие методы, делая нейронные сети более эффективными. Статья предназначена для исследователей, практиков и инженеров в области машинного обучения, которые могут быть незнакомы с этими методами, но хотят изучить доступные техники. В работе подчеркиваются текущие исследования в области оптимизации нейронных сетей для достижения лучшей производительности, снижения потребления энергии и ускорения времени обучения, что играет важную роль в дальнейшей масштабируемости нейронных сетей. Кроме того, в обзоре определяются пробелы в текущих исследованиях и закладывается основа для будущих исследований, направленных на повышение применимости и эффективности существующих стратегий оптимизации.

In today’s technology-driven world, lite devices like Internet of Things (IoT) devices and microcontrollers (MCUs) are becoming increasingly common. These devices are more energyefficient and affordable, often with reduced features compared to the standard versions such as very limited memory and processing power for typical machine learning models. However, modern machine learning models can have millions of parameters, resulting in a large memory footprint. This complexity not only makes it difficult to deploy these large models on resource constrained devices but also increases the risk of latency and inefficiency in processing, which is crucial in some cases where real-time responses are required such as autonomous driving and medical diagnostics. In recent years, neural networks have seen significant advancements in model optimization techniques that help deployment and inference on these small devices. This narrative review offers a thorough examination of the progression and latest developments in neural network optimization, focusing on key areas such as quantization, pruning, knowledge distillation, and neural architecture search. It examines how these algorithmic solutions have progressed and how new approaches have improved upon the existing techniques making neural networks more efficient. This review is designed for machine learning researchers, practitioners, and engineers who may be unfamiliar with these methods but wish to explore the available techniques. It highlights ongoing research in optimizing networks for achieving better performance, lowering energy consumption, and enabling faster training times, all of which play an important role in the continued scalability of neural networks. Additionally, it identifies gaps in current research and provides a foundation for future studies, aiming to enhance the applicability and effectiveness of existing optimization strategies.

В статье рассматриваются математические аспекты проблемы идентификации многокомпонентной рассеивающей среды по данным импульсного мультиэнергетического рентгеновского облучения. Задачи рентгеновской диагностики представляют значительный интерес как с теоретической, так и с практической точки зрения, а радиографические методыне заменимы при неразрушающем контроле изделий.

В рамках математической модели на основе нестационарного интегро-дифференциального уравнения переноса излучения сформулированы обратная задача нахождения коэффициента ослабления по излучению, известному на границе области, и задача идентификации вещества по найденным значениям коэффициента ослабления на дискретном наборе энергий облучения среды. Проведена предварительная обработка широкого списка веществ, представляющих интерес в компьютерной томографии, на предмет возможности их идентификации по приближенно заданному коэффициенту ослабления излучения, характеризующему среду. При анализе степени близости веществ в некоторой норме установлено, что множество всех возможных веществ, потенциально содержащихся в среде, распадается на конечное число непересекающихся кластеров. При достаточно малой длительности зондирующего сигнала рассеивающая составляющая выходящего из среды излучения асимптотически мала. Это обстоятельство позволяет свести обратную задачу для уравнения переноса излучения к задаче обращения преобразования Радона от коэффициента ослабления. Методами численного моделирования на специально разработанном цифровом фантоме анализируется возможность однозначной или частичной идентификации вещества при варьировании длительности зондирующего импульса и числа энергетических уровней облучения среды.

The article considers the mathematical aspects of the problem of identifying a multicomponent scattering medium based on pulsed multienergy X-ray irradiation data. X-ray diagnostics problems are of considerable interest from both theoretical and practical points of view, and radiographic methods are indispensable in non-destructive testing of products.

Within the framework of a mathematical model based on a non-stationary integro-differential equation of radiation transfer, the inverse problem of finding the attenuation coefficient for radiation known at the boundary of the region and the problem of identifying a substance based on the found values of the attenuation coefficient on a discrete set of irradiation energies of the medium are formulated.

A preliminary processing of a wide list of substances of interest in computed tomography was carried out to determine the possibility of their identification by an approximately specified radiation attenuation coefficient characterizing the medium. When analyzing the degree of proximity of substances in a certain norm, it was found that the set of all possible substances potentially contained in the medium is divided into a finite number of non-intersecting clusters. For a sufficiently short duration of the probing signal, the scattering component of the radiation leaving the medium is asymptotically small. This circumstance allows us to reduce the inverse problem for the radiation transfer equation to the problem of inverting the Radon transform from the attenuation coefficient. The possibility of unambiguous or partial identification of a substance by varying the duration of the probing pulse and the number of energy levels of irradiation of the medium is analyzed using numerical modeling methods on a specially developed digital phantom.