В рамках проекта будут разработаны математическая модель логистической системы заказчика, оптимизационная модель для задачи минимизации стоимости грузоперевозок, прототипы алгоритмов численного решения оптимизационной задачи минимизации стоимости грузоперевозок с учетом ограничений на пропускную способность и доступные временные окна.

В рамках проекта будут разработаны новые практические модификации алгоритмов вертикального федеративного обучения, которые есть у Заказчика. Будут разработаны новые подходы к задаче вертикального федеративного обучения, отличные от тех, что присутствуют в литературе. Полученные модификации и алгоритмы будут распространены с классических моделей машинного обучения (которые сейчас использует Заказчик) на более сложные, например, нейронные сети.

Пропускная способность, быстродействие, задержка, устойчивость к помехам — все это важные характеристики современных Интернет сетей. Команда молодых ученых из МФТИ займется метриками качества для сетей, а также алгоритмами их оптимизации. Разработки позволят выяснить, как наиболее удачным образом проложить оптоволоконную линию, где оптимальнее поставить коммутатор и другое.

Разработанная по результатам проекта техника позволит быстро обучать самые лучшие и точные модели глубокого/глубинного обучения, не имея дорогих вычислительных устройств. Этот подход даст доступ к передовым результатам глубокого/глубинного обучения значительному числу пользователей, а не только крупным компаниям, обладающим достаточными вычислительными ресурсами.

Работа команды молодых ученых из МФТИ ярко продемонстрировала не только возможность создания в России в ближайшие годы пакета, который бы был конкурентен западным образцам, но и превосходил бы их по таким важным показателям, как надежность (робастность) и быстрота. Последнее очень важно, ведь основное назначение таких пакетов для транспортных модельеров – принятие решение о том, где строить новые дороги, делать развязки, выделенные полосы и так далее.