All issues

Острые респираторные инфекции представляют собой серьезную проблему общественного здравоохранения, поскольку являются одной из причин заболеваемости и смерти во многих странах. В связи с этим существует большой интерес к разработке моделей и методов, позволяющих моделировать распространение этих инфекций в сообществах с целью контроля вспышек и предотвращения их распространения. Агентные модели (АМ) являются одним из важнейших инструментов эпидемиологических исследований для моделирования динамики эпидемий в реальных популяциях, но они сталкиваются со значительными трудностями, связанными с вычислительной сложностью при их использовании и калибровке эпидемиологических данных, поскольку оценка параметров обычно требует многократного моделирования в больших пространствах параметров для определения правдоподобных значений ключевых эпидемиологических показателей. В данной статье рассматривается проблема снижения вычислительных ограничений в обратной задаче калибровки АМ для моделирования распространения респираторных инфекций в Санкт-Петербурге. В статье предлагается применение суррогатного машинного обучения для связи траекторий эпидемий с лежащими в их основе эпидемиологическими параметрами, что позволяет быстро выводить оценки параметров на основе наблюдаемых эпидемических данных. Это достигается путем формулировки задачи калибровки АМ по эпидемиологическим данным как задачи контролируемого обучения, в которой последовательности, извлеченные из эпидемиологических траекторий, связываются с базовыми эпидемиологическими параметрами. Исследование было основано на оценке эффективности моделирования последовательностей на основе внимания, вероятностного глубокого обучения и распределительной регрессии для вывода оценок параметров из усеченных последовательностей эпидемических траекторий. Экспериментальные оценки продемонстрировали эффективность данного подхода и его практическое и простое применение. Результаты также указали на превосходство моделирования последовательностей на основе внимания, поскольку оно показало более стабильную производительность по всем метрикам и горизонтам, обеспечивая точную оценку параметров и достоверное количественное определение неопределенности. Моделирование распределительной регрессии также показало хорошую производительность, особенно с точки зрения точности точек, в то время как вероятностное глубокое обучение показало плохую производительность, особенно при более длительных входных горизонтах.

Acute respiratory infections are a major public health concern because they are the leading cause of illness and death in many countries. Therefore, there is great interest in developing models and methods capable of modeling the spread of these infections within communities, with the aim of controlling outbreaks and preventing their spread. Agent-based models (ABM) are one of the most important tools in epidemiological research for modeling epidemic dynamics in realistic populations, but they face significant challenges in terms of computational complexity in their operation and calibration of epidemiological data, as parameter estimation typically requires repeated simulations across large parameter spaces to determine plausible values for key epidemiological parameters. This paper addresses the problem of alleviating computational constraints in the inverse problem of calibrating an ABM model for simulating the spread of respiratory infections in Saint Petersburg. The paper proposes the application of machine learning surrogate to link epidemic trajectories to underlying epidemiological parameters, enabling them to quickly infer parameter estimates from observed epidemic data. This is done by formulating the task of calibrating ABMs against epidemiological data as a supervised learning problem, where sequences extracted from epidemiological trajectories are associated with underlying epidemiological parameters. The research was based on evaluating the performance of attention-based sequence modeling, probabilistic deep learning, and distributional regression for inferring parameter estimates from truncated sequences of epidemic trajectories. Experimental evaluations have demonstrated the effectiveness of this approach and its practical and straightforward application. The results also indicated the superiority of attention-based sequence modeling, as it showed more consistent performance across metrics and horizons in accurate parameter estimation and credible uncertainty quantification. Distributional regression modeling also showed good performance with specific strengths in point accuracy while probabilistic deep learning performed poorly, especially at longer input horizons.

Предложена четырехкомпонентная модель планктонного сообщества с дискретным временем, учитывающая конкурентные взаимоотношения между разными группами фитопланктона и трофические характеристики зоопланктона: рассматривается деление зоопланктона на хищный и нехищный типы. Изъятие нехищного зоопланктона хищным явно представлено в модели. Нехищный зоопланктон питается фитопланктоном, включающим два конкурирующих компонента: токсичный и нетоксичный тип, при этом последний пригоден в пищу для зоопланктона. Модель двух связанных уравнений Рикера, ориентированная на описание динамики конкурентного сообщества, используется для описания взаимодействия двух типов фитопланктона и позволяет неявно учитывать ограничение роста биомассы каждого из компонентов-конкурентов доступностью внешних ресурсов. Изъятие жертв хищниками описывается трофической функцией Холлинга типа II с учетом насыщения хищника.

Анализ сценариев перехода от стационарной динамики к колебаниям численности сообщества показал, что потеря устойчивости нетривиального равновесия, соответствующего существованию полного сообщества, может происходить как через каскад бифуркаций удвоения периода, так и бифуркацию Неймарка – Сакера, ведущую к возникновению квазипериодических колебаний. Предложенная в данной работе модель, являясь достаточно простой, демонстрирует динамику сообщества подобную той, что наблюдается в естественных системах и экспериментах: с отставанием колебаний хищника от жертвы примерно на четверть периода, длиннопериодические противофазные циклы хищника и жертвы, а также скрытые циклы, при которых плотность жертв остается практически постоянной, а плотность хищников флуктуирует, демонстрируя влияние быстрой эволюции, маскирующей трофическое взаимодействие. При этом вариация внутрипопуляционных параметров фито- или зоопланктона может приводить к выраженным изменениям динамического режима в сообществе: резким переходам от регулярной к квазипериодической динамике и далее к точным циклам с небольшим периодом или даже стационарной динамике. Квазипериодическая динамика может возникать при достаточно небольшихск оростях роста фитопланктона, соответствующих стабильной или регулярной динамике сообщества. Смена динамического режима в этой области (переход от регулярной динамики к квазипериодической и наоборот) может происходить за счет вариации начальных условий или внешнего воздействия, изменяющего текущие численности компонентов и смещающего систему в бассейн притяжения другого динамического режима.

We propose a four-component model of a plankton community with discrete time. The model considers the competitive relationships of phytoplankton groups exhibited between each other and the trophic characteristics zooplankton displays: it considers the division of zooplankton into predatory and non-predatory components. The model explicitly represents the consumption of non-predatory zooplankton by predatory. Non-predatory zooplankton feeds on phytoplankton, which includes two competing components: toxic and non-toxic types, with the latter being suitable for zooplankton food. A model of two coupled Ricker equations, focused on describing the dynamics of a competitive community, describes the interaction of two phytoplanktons and allows implicitly taking into account the limitation of each of the competing components of biomass growth by the availability of external resources. The model describes the prey consumption by their predators using a Holling type II trophic function, considering predator saturation.

The analysis of scenarios for the transition from stationary dynamics to fluctuations in the population size of community members showed that the community loses the stability of the non-trivial equilibrium corresponding to the coexistence of the complete community both through a cascade of period-doubling bifurcations and through a Neimark – Sacker bifurcation leading to the emergence of quasi-periodic oscillations. Although quite simple, the model proposed in this work demonstrates dynamics of comunity similar to that natural systems and experiments observe: with a lag of predator oscillations relative to the prey by about a quarter of the period, long-period antiphase cycles of predator and prey, as well as hidden cycles in which the prey density remains almost constant, and the predator density fluctuates, demonstrating the influence fast evolution exhibits that masks the trophic interaction. At the same time, the variation of intra-population parameters of phytoplankton or zooplankton can lead to pronounced changes the community experiences in the dynamic mode: sharp transitions from regular to quasi-periodic dynamics and further to exact cycles with a small period or even stationary dynamics. Quasi-periodic dynamics can arise at sufficiently small phytoplankton growth rates corresponding to stable or regular community dynamics. The change of the dynamic mode in this area (the transition from stable dynamics to quasi-periodic and vice versa) can occur due to the variation of initial conditions or external influence that changes the current abundances of components and shifts the system to the basin of attraction of another dynamic mode.

В статье решается актуальная научно-практическая задача математического моделирования и прогнозирования процессов диффузии инноваций и технологических замещений на рынках с ограниченной емкостью. Целью работы является преодоление структурных ограничений классических феноменологических подходов, таких как модели Басса, Гомперца и Мэнсфилда, связанных с жестко фиксированной асимметрией S-образных кривых и отсутствием явного микроэкономического обоснования динамики систем. В основу исследования положен междисциплинарный подход, основанный на переносе экологической концепции рационирования ограниченных ресурсов (модель Ардити–Гинзбурга–Контуа) в теорию операционного менеджмента посредством использования клиринговой функции Кармаркара и производственной функции Леонтьева–Либиха. Автором аналитически выведен альтернативный закон диффузии технологических инноваций, представленный в виде неявной зависимости времени от кумулятивного объема продаж или общего числа потребителей. Для идентификации неизвестных параметров модели по эмпирическим данным применен численный метод инвертирования неявной функции на основе нелинейной оптимизации наименьших квадратов, обеспечивающий высокую вычислительную стабильность алгоритма. Проведена сравнительная эмпирическая верификация предложенного закона в сопоставлении с классическими мировыми аналогами на двух контрастных макроэкономических кейсах: динамике кумулятивных продаж потребительской электроники Apple iPod (сорок девять квартальных точек) и развитии рынка подписок на мобильный интернет в Германии (восемнадцать годовых точек). Оценка качества аппроксимации осуществлялась по критерию остаточной суммы квадратов и коэффициенту детерминации. Показано математическое преимущество авторской модели, продемонстрировавшей наименьшую ошибку невязки на макроэкономических данных высокотехнологичных рынков за счет гибкого параметра асимметрии, адаптирующегося под стартовый лаг-период рынка. Научная новизна работы заключается в фундаментальном обосновании макроэкономической S-кривой через баланс уравнений системы «потребитель–ресурс». Разработанный математический аппарат может быть непосредственно использован аналитическими агентствами, регуляторами сектора информационно-коммуникационных технологий и менеджментом компаний для среднесрочного планирования емкости рынков и прогнозирования точек перегиба, соответствующих пикам темпов технологического замещения.

The author presents a new macroeconomic model designed to analyze and forecast technology diffusion processes in markets characterized by bounded capacity. The study addresses the major limitations of classical phenomenological models, such as the Bass and Gompertz frameworks, which suffer from a rigidly fixed trajectory asymmetry and lack explicit microeconomic foundations. To overcome these constraints, we employ an interdisciplinary approach that transfers the ecological concept of limited resource rationing from the Arditi–Ginzburg–Contois model into operations management theory. This framework integrates the Karmarkar clearing function with the Leontief–Liebig production function to establish a rigorous dynamic balance. By applying this integration, the author analytically derives an alternative technological innovation diffusion law that expresses time as an explicit function of the cumulative market volume. To identify parameters from empirical data, the study develops a robust numerical grid inversion algorithm that utilizes vector linear interpolation within the MATLAB computing environment. This approach avoids iterative root-finding errors and ensures high computational stability for the non-linear least squares optimization procedure. We test the empirical validity of the developed diffusion law using two distinct historical macroeconomic cases: the quarterly cumulative sales of the Apple iPod and the annual subscription data for the mobile broadband market in Germany. The resulting statistical metrics demonstrate that the proposed model provides superior approximation quality and mathematical advantages on high-tech market data due to its highly flexible asymmetry parameter. The fundamental scientific novelty of this research lies in the theoretical justification of the macroeconomic S-curve through the internal balance equations of an open chemostat-type system operating under a competitive vacuum. The proposed mathematical apparatus offers a practical tool for corporate management and regulatory agencies to plan market capacity and accurately forecast peak technological substitution rates.

В настоящей работе исследуется механическая стабильность белка клеточной адгезии, кадгерина, методом молекулярной динамики с использованием явной модели растворителя. Было проведено моделирование разворачивания белка за концы с постоянной скоростью для апоформы белка и при наличии в ней ионов разных типов (Ca²⁺, Mg²⁺, Na⁺, K⁺). Было выполнено по 8 независимых вычислительных экспериментов для каждой формы белка и показано, что одновалентные ионы меньше стабилизируют структуру, чем двухвалентные при механическом разворачивании молекулы кадгерина за концы. Модельная система из двух аминокислот и иона металла между ними в опытах по растяжению демонстрирует свойства аналогичные поведению кадгерина: cистемы с ионами калия и натрия обладают меньшей механической стабильностью на внешнее силовое воздействие в сравнении с системами с кальцием и магнием.

The mechanical stability of cell adhesion protein Cadherin with explicit model of water is studied by the method of molecular dynamics. The protein in apo-form and with the ions of different types (Ca²⁺, Mg²⁺, Na⁺, K⁺) was unfolding with a constant speed by applying the force to the ends. Eight independent experiments were done for each form of the protein. It was shown that univalent ions stabilize the structure less than bivalent one under mechanical unfolding of the protein. A model system composed of two amino acids and the metal ion between them demonstrates properties similar to that of the cadherin in the stretching experiments. The systems with potassium and sodium ions have less mechanical stability then the systems with calcium and magnesium ions.