Статья посвящена методологии построения легковесной кроссплатформенной системы визуализации, предназначенной для оперативного мониторинга распределенных вычислительных ресурсов. В отличие от существующих решений, зачастую обладающих избыточной сложностью и высокой зависимостью от бинарных API, предложенный подход базируется на анализе выходных текстовых данных планировщиков задач. Это обеспечивает инвариантность системы мониторинга к обновлениям операционных сред и сохранение ее работоспособности при деградации стандартных интерфейсов управления (на примере OpenPBS).

В работе детально описана архитектура решения, реализованная на базе скриптов Bash и Python, обеспечивающая автоматическую генерацию динамических веб-интерфейсов на основе анализа выходных файлов планировщика. Особое внимание уделено алгоритмам прецизионной обработки временных меток для корректного расчета длительности расчетных сессий и методам обеспечения кроссплатформенной совместимости в средах (Linux, Windows).

В рамках апробации проведен сравнительный анализ разработанного интерфейса с аналогами (Slurm-web, PBS Content Link). Обосновано, что при сопоставимой информативности предлагаемая система обладает преимуществом в части автономности и низких требований к аппаратным ресурсам. Результаты пятилетней эксплуатации подтверждают высокую жизнеспособность метода: показатель надежности составил 99,8 % при времени генерации данных менее 1 секунды. Предложенное решение является оптимальным для научно-образовательных центров, использующих разнородное вычислительное оборудование.

Облачные вычисления, благодаря эластично масштабируемому пулу ресурсов, модели обслуживания с оплатой по мере использования и практически неограниченным возможностям хранения данных предоставляют современным предприятиям и индивидуальным пользователям эффективное решение для аутсорсинга данных. Для обеспечения конфиденциальности и целостности данных, передаваемых на облачную платформу, проверяемое симметричное поисковое шифрование стало одним из ключевых направлений исследований в области безопасности облачных вычислений. В рамках задачи проверки целостности при поиске по ключевым словам в данной работе, во-первых, рассматриваются системная модель, модель безопасности и формализованные определения, наиболее широко применяемые в существующих подходах; во-вторых, в зависимости от двух сценариев применения однопользовательского и многопользовательского представлены репрезентативные результаты исследований, основанные на различных технических направлениях; в-третьих, анализируются преимущества и недостатки ключевых технологий, используемых в соответствующих схемах; и, наконец, обсуждаются перспективные направления дальнейших исследований. Результаты анализа показывают, что разработка проверяемых схем симметричного поискового шифрования, сочетающих высокий уровень безопасности, динамическую адаптивность и эффективность, по-прежнему остается одним из центральных направлений современных исследований.

В статье проведен анализ интеграционных проектов Сибирского отделения Российской академии наук (СО РАН), которые выполнялись циклами в три года с 1997 по 2013 год. Показано, что и после завершения конкурсов интеграционные процессы продолжались. На новом этапе развития, когда методы искусственного интеллекта входят в практику научных исследований, предложено провести новый конкурс Интеграционных проектов 2.0. СО РАН - НГУ.

Статья посвящена разработке метода и архитектуры адаптивной системы поддержки принятия решений (СППР) в условиях нестационарных временных рядов. Представлена формализация СППР как информационной системы с явным выделением входных данных, выходных решений, функции принятия решений и управляющих параметров, отличающаяся от экспертно-ориентированных формализаций двухуровневой декомпозицией функции решений F = F_adapt ‧ F_predict и явным контуром адаптации. Разработан метод адаптивной настройки параметров анализа временных рядов на основе степенной функции волатильности, отличающийся от известных аналогово-периодических подходов и линейно-адаптивных моделей тем, что адаптация интегрирована непосредственно в конвейер формирования признаков глубокой нейронной сети. Предложена архитектура гибридной системы с конкретными гиперпараметрами: LSTM 128 нейронов, lookback 60 наблюдений, dropout 0.2. Экспериментальная проверка проведена на данных финансовых рынков (2018–2023 гг.) с применением аблационного исследования и скользящей кросс-валидации. Результаты показывают превосходство предложенного подхода над базовыми методами по всем метрикам качества.

В статье рассматривается важная проблема унификации данных электроэнцефалографии (ЭЭГ), получаемых с различных устройств, для их последующего качественного анализа с применением методов медиационного анализа и нейросетевых технологий. Разработан специализированный программный инструмент на Python, который обеспечивает стандартизацию порядка каналов, автоматическую проверку и корректировку метаданных, а также унификацию форматов данных. Эта унификация позволяет максимально сохранить структурные и спектральные характеристики сигналов при объединении записей, полученных на разных энцефалографах NVX132 и NeuroAnt, которые различаются количеством каналов, частотой дискретизации и другими техническими параметрами. Результаты тестирования методики подтвердили, что процедура унификации не приводит к существенным искажениям спектральных характеристик: уровень ошибки в пяти ключевых частотных диапазонах (дельта 0,5–4 Гц, тета 4–8 Гц, альфа 8–15 Гц, бета 15–30 Гц, гамма 30–50 Гц) не превышает 25 %, соответствует международным стандартам и допустимым нормам для анализа ЭЭГ и обеспечивает совместимость с современными методами обработки сигналов. Особое внимание уделено сохранению временных и фазовых характеристик данных, что имеет критическое значение для последующего анализа и интерпретации результатов. Предложенный подход облегчает и ускоряет интеграцию данных в групповых исследованиях и межлабораторных проектах, значительно повышая надежность, точность и воспроизводимость получаемых научных результатов. Унификация данных расширяет возможности применения современных нейросетевых моделей (включая CNN, LSTM и трансформеры) в задачах предсказания пользовательских предпочтений, когнитивных процессов, а также в клинической диагностике различных неврологических расстройств. В дальнейшем запланировано развитие инструмента с добавлением новых функций и методов анализа для более глубокой автоматизации обработки нейрофизиологических данных и повышения качества клинической диагностики. Работа способствует укреплению методологических основ и развитию инфраструктуры исследований в области электроэнцефалографии.

В работе предложен и апробирован метод анализа индикаторов возможной предсейсмической активности, основанный на анализе электромагнитного мониторинга, проводимом в Бишкекском геодинамическом полигоне. Представлен подход, который учитывает геоэлектрическое состояние среды на различных глубинах и позволяет выявлять участки, демонстрирующие повышенную чувствительность к геодинамическим процессам. Использованы данные, полученные методом зондирования становлением поля на БГП за 2017 год. Описаны нормальные и аномальные значения сигналов, рассмотрены причины возникновения аномалий, такие как сейсмическая и грозовая активность и воздействие магнитных бурь. На основе анализа исходного материала реализован автоматизированный расчет индикаторных параметров, который отображается в виде дополнительного блока «Многопользовательской платформы для обработки и анализа электромагнитных зондирований и сейсмологических наблюдений ПЛЭС».