ИОИПР (ex-NoML)

13 мая 2026 г., 12:00 МСК, онлайн

Задача Таммеса для 13 точек (сильная проблема тринадцати сфер)

Алексей Сергеевич Тарасов, к.ф.-м.н, TarasovMath

Яндекс Телемост->

Как плотно упаковать 13 шаров вокруг единичного шара? Этот вопрос уходит корнями в знаменитый спор Ньютона и Грегори 1694 года: могут ли 13 равных шаров одновременно касаться центрального? Ньютон утверждал, что нет, Грегори — что да. Правота Ньютона была строго доказана лишь в 1953 году (Шютте и ван дер Варден). Но сразу возник следующий, более тонкий вопрос: какого максимального радиуса должны быть 13 шаров, чтобы уместиться вокруг единичного? Это и есть задача Таммеса для N=13, известная также как сильная проблема тринадцати сфер, и она оставалась открытой вплоть до недавнего времени. В докладе будет представлено решение этой задачи. Ключевым инструментом стала нелинейная оптимизация в сочетании с перебором так называемых неприводимых графов — комбинаторных объектов, кодирующих структуру допустимых конфигураций.

29 апреля 2026 г., 12:00 МСК, онлайн

Задачи дискретной оптимизации в проектировании микроэлектроники

Михаил Владимирович Шеблаев (ФКИ МГУ, Аквариус)

Яндекс Телемост->

В докладе речь пойдет о принципах проектирования и этапах разработки современных сверхбольших интегральных схем, а такж о задачах оптимизации, возникающих на каждом этапе.

1 апреля 2026 г., 12:00 МСК, онлайн

Арктика: современное состояние, перспективы, моделирование

Роман Владиславович Сультимов, руководитель научных групп в Институте ИИ МГУ и МФТИ

Яндекс Телемост->

Деградация многолетнемерзлых пород (ММП) в условиях стремительного изменения климата представляет собой критическую угрозу для инфраструктуры и экосистем полярных регионов. Учитывая, что Арктика нагревается значительно быстрее среднеглобальных темпов, традиционные подходы к геокриологическому и климатическому моделированию сталкиваются с фундаментальными ограничениями: чисто физические модели требуют колоссальных вычислительных ресурсов и сложной локальной калибровки, а стандартные методы машинного обучения страдают от недостатка качественных полевых наблюдений (проблема sparse data). В докладе рассматривается смена научно-технологической парадигмы в исследовании Арктики, обусловленная революционным переходом ведущих мировых центров на архитектуры на базе искусственного интеллекта (ИИ) и гибридного моделирования.

И.А. Самыловский (ФКИ МГУ), Задачи оптимизации в планировании орбитальной съёмки

YouTube->
Дзен->
RuTube->
Файл->

И канал, который ведёт докладчик: @astrodynlab

18 марта 2026 г., !! 14:00 МСК, онлайн

Задачи оптимизации в планировании орбитальной съёмки

Иван Александрович Самыловский, к.ф.-м.н, доцент кафедры ММКИ ФКИ МГУ имени М.В. Ломоносова

Яндекс Телемост->

Мы поговорим о математических задачах, которые возникают при необходимости навести аппаратуру спутника на "мишень", будь то локация на планете или центр масс объекта в космосе. Начнём с классики: задачи на минимум при наличии ограничений, включая, разумеется, и задачи терминального управления. А нужно нам это для того, чтобы раскрутить и потом стабилизировать небольшой спутник, чтобы он мог не терять из поля зрения перемещающийся в космосе объект!


Канал в Max->

И.В. Чижов (ВМК МГУ), Что может, а что (пока) нет квантовый компьютер?

YouTube->
Дзен->
RuTube->
Файл->
Презентация->

Канал в Max->

4 марта 2026 г., 12:00 МСК, онлайн

Что может, а что (пока) нет квантовый компьютер?

Иван Владимирович Чижов, к.ф.-м.н, доцент кафедры ИБ ВМК МГУ имени М.В. Ломоносова

Яндекс Телемост->

В докладе будет дано введение в квантовые вычисления. Рассмотрим понятие квантового алгоритма, его отличие от классического. Изучим основные квантовые алгоритмы: алгоритм Дойча-Йожи, алгоритм факторизации и дискретного логарифмирования Шора, а также алгоритм Гровера. Постараемся ответить на вопрос что умеет делать квантовый компьютер лучше классического, а какие задачи пока остаются трудными для него.


P.S.: Наш канал в Max->

18 февраля 2026 г., 12:00 МСК, онлайн

Цифровые модели и ИИ в сквозной оптимизации прибыли, планировании производства и логистики

Кирилл Витальевич Чижов

Яндекс Телемост->

Доклад посвящен практическому построению и внедрению цифровых моделей на базе оптимизационной математики и динамической симуляции в крупных промышленных компаниях. Рассматривается, как организовать сбор данных от бизнес-подразделений и контрагентов, как выявлять и формировать отсутствующие, но критически необходимые для моделирования данные, и как формализовать бизнес-логику компании в виде исполняемых правил и ограничений внутри цифровой модели. Затронем вопросы как превратить неформальные договоренности, методологии планирования и «экспертные правила» в воспроизводимый расчетный контур.

В докладе разбираются два практических кейса.
Первый кейс — FMCG ведущего производителя напитков: дизайн и редизайн цепей поставок, оптимизация материальных потоков и совокупных затрат при множестве ограничений по производственным линиям, страховым запасам, вместимости складов, транспортным плечам и частотам, сервисным уровням и ограничениям по клиентам.
Второй кейс — крупный металлургический холдинг в фазе активного роста через M&A: внедрение расчетного ядра для интегрированного бизнес-планирования с регулярным полным пересчетом всех зависимостей и поиском оптимального плана по прибыли с учетом технологических диапазонов непрерывных агрегатов, налоговых формул, социальных ограничений на загрузку мощностей, ограничений по транспорту и хранению, а также альтернативных ценовых сценариев сделок.

Отдельный блок посвящен организационным, методологическим и инженерным проблемам построения цифровых моделей всего бизнеса: управлению качеством и полнотой данных, жизненному циклу моделей, устройству проектной работы, архитектуре корпоративного расчетного стека, задачам для ИИ и практическому пути от отдельных моделей к связной цифровой модели компании и дальнейшему движению к цифровому двойнику.

Ключевые темы:
Проектирование и изменение цепей поставок как задача оптимизации структуры сети, размещения мощностей и потоков;
интегрированное бизнес-планирование как согласование продаж, производства, снабжения, запасов и финансов в одном расчетном контуре; оптимизационные модели как инструмент выбора наилучших решений при большом числе ограничений и альтернатив; динамическая симуляция как проверка реализуемости планов и устойчивости к сбоям; архитектура корпоративной цифровой модели и путь к цифровому двойнику бизнеса.

Мероприятия весной

Выходим из зимней спячки и возвращаемся в рабочий режим.

Во-первых, небольшой ребрендинг, наш семинар теперь будет семинаром группы “Исследование операций и интеллект принятия решений” — ИОИПР (следуем трендам и русифицируем вывески) на Факультете космических исследований МГУ (не отстаем и от Маска, но будем объединять с космосом не только ИИ).

Во-вторых, ниже расписание докладов в весеннем семестре. Доклады будут проходить также в онлайн формате по средам, но время по умолчанию теперь будет 12:00 МСК (но иногда будут смещения на вечер). Следите за детальными анонсами предстоящих докладов в @noml_digest или @noml_community и сохраняйте в календари интересные вам темы:

18 февраля | Кирилл Витальевич Чижов, Цифровые модели и ИИ в сквозной оптимизации прибыли, планировании производства и логистики.

4 марта | Иван Владимирович Чижов (ВМК МГУ), Что может, а что (пока) нет квантовый компьютер?

18 марта | Иван Александрович Самыловский (ФКИ МГУ), Задачи оптимизации в планировании орбитальной съёмки.

1 апреля | Роман Владиславович Сультимов (Институт ИИ МГУ, МФТИ), Арктика: современное состояние, перспективы, моделирование.

15 апреля | Надежда Александровна Лутовинова (ИПУ РАН), Классические задачи теории расписаний.

29 апреля | Михаил Владимирович Шеблаев (ФКИ МГУ, Аквариус), Задачи дискретной оптимизации в САПР микроэлектроники.

Запись семинара

Илья Манякин (МСистемы), Вероятностные графовые модели и байесовские сети. YouTube | Дзен | RuTube (~1 час 20 минут).

Семинар про байесовские сети

▫️ 24 декабря (среда), 18:00 МСК
▫️ Подключение→

Выступает: Илья Манякин, PhD, МСистемы

Тема: Вероятностные графовые модели и байесовские сети

Аннотация
Цель доклада — дать краткое введение в тему вероятностных графовых моделей и Байесовских сетей. Будут затронуты исторический контекст этих методов, положение сегодня и перспективы развития. Также рассмотрим несколько простых примеров применения и прикладных моделей, которые можно создать на основе Байесовских сетей.

Запись семинара

Астемир Гонгапшев (Университет "Сириус”), Обзор методов безопасного федеративного обучения. YouTube | Дзен | RuTube (~1 час).

Семинар про FL

▫️ 10 декабря (среда), 18:00 МСК
▫️ Подключение→

Выступает: Астемир Гонгапшев, Университет "Сириус"

Тема: Обзор методов безопасного федеративного обучения

Аннотация
Доклад посвящён актуальным методам обеспечения безопасности в федеративном обучении. В качестве примеров будут рассмотрены гомоморфное шифрование, дифференциальная приватность и другие решения.

Запись семинара

Виталий Черненко (Амальгама), Практическое применение комбинаторной оптимизации на примере задачи планирования молочного завода. YouTube | Дзен | RuTube (~1 час 25 минут).

Семинар про оптимизацию в планировании

▫️ 26 ноября (среда), 18:00 МСК
▫️ Подключение→

Выступает: Виталий Черненко, Амальгама

Тема: Практическое применение комбинаторной оптимизации на примере задачи планирования молочного завода

Аннотация
В ходе доклада мы пройдем весь путь решения задачи:
— декомпозиция предметной области и исключение лишних сущностей;
— сбор данных;
— выделение правил построения плана;
— построение допустимых планов;
— тестирование простых и граничных случаев;
— выбор наилучшего плана из тысяч построенных допустимых.

Каждый шаг демонстрации будет сопровождаться живым примером в созданном нами приложении на платформе Amalgama Platform.

Запись семинара

Алексейс Ложкинс (LA Optimization), RL для оптимизаторов: новый взгляд на старые задачи. YouTube | Дзен | RuTube (~1 час 10 минут).

Семинар про RL для оптимизаторов

▫️ 12 ноября (среда), 18:00 МСК
▫️ Подключение→

Выступает: Алексейс Ложкинс, LA Optimization, эксперт-консультант по математической оптимизации и моделированию

Тема: RL для оптимизаторов: новый взгляд на старые задачи

Аннотация
Традиционные методы исследования операций давно не обновлялись концептуально, несмотря на рост вычислительных возможностей. Способен ли современный ИИ изменить ситуацию? Разберем на примере, как метод обучения с подкреплением позволяет решать простую оптимизационную задачу.