Якутские ученые разрабатывают численные методы решения прикладных задач развития Арктики

Доцент Института математики и информатики Северо-Восточного федерального университета Сергей Степанов разрабатывает эффективные численные методы решения прикладных мультифизичных задач Арктики. Исследование направлено на обеспечение безопасности жизнедеятельности и развитие промышленности в Северных регионах и Арктике с использованием современной вычислительной и прикладной математики, сообщили ЯСИА в пресс-службе вуза.

Основные проблемы развития Севера и Северо-Востока страны связаны с суровым климатом и вечной мерзлотой, отмечает Сергей Степанов. «Потепление климата и техногенное воздействие на природную среду приводит к деградации мерзлоты, снижению их деформационных и прочностных свойств и росту подвижности грунтов. Данные физические процессы оказывают существенное влияние на инфраструктуру Северных территорий. Пример подобного негативного воздействия – деформация и разрушение зданий жилого фонда в Якутске, деформация покрытия автомобильных и железных дорог, разрушение опор трубопроводов, хранилищ бытовых отходов и хвостохранилищ и многое другое», – пояснил ученый.

Сергей Степанов подчеркнул, что решение сформулированных проблем, нашедших отражение в Стратегии научно-технологического развития Российской Федерации, актуально для всей страны: «Цель моей работы – разработка новых математических моделей, совершенствование методов численного моделирования. Залогом успеха в достижении цели служит сочетание нескольких современных, критически важных и взаимосвязанных научных достижений в области многомасштабных моделей пониженного порядка, машинного обучения и эффективных вычислительных дискретизаций».

В рамках проекта проводится исследование по разработке устойчивых и эффективных методов решения прикладных мультифизичных задач, описывающих сложные процессы как природного, так и техногенного характера. Это позволит обеспечить безопасность при освоении Северных территорий страны. Исследование сосредоточено на методах, которые являются надежными в отношении масштабов, неопределенности, неполной информации для обеспечения информацией процессы машинного обучения, объяснил Сергей Степанов.

На сегодня ученый выиграл грант РНФ – его проект «Численное усреднение с методами машинного обучения для прикладных задач Арктики» позволит прогнозировать производство для избежания катастроф в будущем. «Считаю, это и есть показатель того, что моя работа актуальна и востребована», – заключил Сергей Степанов.