Математики РУДН создали метод, который можно применять для изучения свойств пористых материалов
Так же как любая научно-инженерная область не может существовать без теории, современная наука о уравнениях
в частных производных имеет свою “теорию” - язык функционального анализа. Исследования функциональных пространств, в которых ищут решения уравнений, продолжаются с XIX века по наше время. Сначала люди научились применять теорию Фурье к решениям простейших линейных уравнений в частных производных, потом исследовали Банаховы и Гильбертовы пространства, а также пространства обобщенных функций - то, что по сути является языком квантовой механики.
Ближе к середине XX века были открыты пространства Соболева, которые занимают одно из центральных положений
в теории дифференциальных уравнений в частных производных. В течение последующих 50 лет с их помощью было найдено множество решений прикладных задач, которые невозможно обнаружить в обычных функциональных пространствах.
Ближе к началу XXI века возникла острая необходимость в новых методах исследования нелинейных уравнений
в частных производных - развились вычислительная математика и теория интегрируемых систем. Однако методы
из этих областей оказались слишком узконаправленными, и необходимость в развитии языка до сих пор никуда
не пропала.
Пространства Лебега со смешанными нормами оказываются более универсальным и гибким объектом в некоторых ситуациях. Эти пространства определяются так: берем пространство функций от нескольких переменных и определяем норму как повторное взятие норм Лебега с двумя разными параметрами. Они изначально возникли как одно
из обобщений пространств Лебега, и уже привлекли немало интереса со стороны теоретиков из нескольких стран Европы, а также Китая, Канады и России.
Ученые из Математического института РУДН Никита Евсеев и Александр Меновщиков развивают теорию операторов
для таких пространств, позволяющую применить их для прикладных задач, сформулированных на языке уравнений
в частных производных. Они получили массу новых результатов, описывающих свойства операторов на таких пространствах: критерии ограниченности операторов, свойства интегральных операторов, операторов умножения, операторов композиции и некоторых других. Также они получили некоторое количество вспомогательных результатов, полезных для дальнейшего развития этой области.
«Мы полагаем, что наши методы и результаты могут быть применены для в эволюционных задачах и дифференциальных задачах на не цилиндрических областях. Например, в (математической) биологии, где исследуется исследуемая поверхность или область меняется со временем, или в гидродинамике
для задач с переменной границей», — говорит Евсеев.
Разработки в этой области полезны для исследований уравнений Навье-Стокса - системы уравнений, описывающих
аэро- и гидродинамику. Пространства Лебега со смешанными нормами позволяют оценивать решения, что дает возможность, например, предсказать отсутствие турбулентности.
Полученные результаты также помогают исследовать прикладные задачи математической физики, возникающие
при исследовании пористых материалов и материалов с трещинами. К примеру, можно будет теоретически предсказать картину диффузии и теплопередачи в силикагелях, пористых стеклах, различных губках и пенах, а также в некоторых строительных материалах.
Статья в журнале Mathematical Notes.
Исследователи РУДН разработали инновационную систему «Челомер» для создания высокоточных трёхмерных моделей лица за считанные секунды. Проект, поддержанный акселератором RUDN.VC, уже вышел на стадию ранних продаж.
Представьте себе мир, где у каждого есть достаточно еды, чистая вода, доступ к образованию и достойная работа. Мир, где берегут природу и заботятся о будущем нашей планеты. Это и есть цели устойчивого развития — построить устойчивое будущее для всех! Для этого Организация Объединенных Наций (ООН) в 2015 году определила 17 Целей устойчивого развития (ЦУР). ЦУР — это глобальный план, который помогает странам и людям вместе двигаться к лучшему будущему. К нему присоединились 193 государства-члена ООН.
Исследователи факультета искусственного интеллекта РУДН провели масштабное исследование, которое раскрыло системные ошибки больших языковых моделей (LLM) при диагностике депрессии по тексту. Эта работа, выполненная совместно с коллегами из AIRI, ФИЦ ИУ РАН, ИСП РАН, МФТИ и MBZUAI, не только выявляет проблему, но и закладывает основу для создания более надёжных и безопасных инструментов для детектирования депрессии и тревожности.