The object of research, development or design (in Russian) : Объектами исследования являются: цифровые образцы разных горных пород и синтетические данные; испытательный стенд цифрового двойника для мониторинга и оптимизации нефтяных скважин; механизмы машин и роботы

The object of research, development or design (in Kazakh) : Зерттеу объектісі – әр түрлі тау жыныстарының сандық үлгілері және синтетикалық деректер; мұнай ұңғымаларын бақылау және оңтайландыру үшін сандық сынақ алаңы; машина механизмі және роботтар.

Aim of work (in Russian) : Разработка фундаментальных и прикладных методов решения сложных и нерешенных проблем механики и робототехники с применением современных подходов машинного обучения (ML) и достижений искусственного интеллекта

Aim of work (in Kazakh) : Машиналық оқытудың (ML) заманауи тәсілдерін және жасанды интеллект жетістіктерін қолдана отырып, механика мен робототехниканың күрделі және шешілмеген мәселелерін шешудің іргелі және қолданбалы әдістерін әзірлеу

Методы исследования (на русском) : Применены методы машинного обучения для решения актуальной задачи неравновесной фильтрации в нефтяной промышленности. Для этой цели был использован синтетический набор данных, полученный на основе математической модели Бакли-Леверетта. Изучены методы машинного обучения для прогнозирования транcпортных свойств пород на основе их снимков и численного моделирования. Для этой цели было использованы данные горных пород и синтетический образец. Использован генетический алгоритм сортировки без доминирования для оптимизации конструкции крепления ног шагающих роботов и определены парето-оптимальных решений. Определены средняя частота циклов, для которых максимумы превышают заданного уровня. Для глубокого анализа и точного прогнозирования механических свойств материалов применены методы Виккерса с алгоритмом «Случайный лес» представляющий собой ансамблевый метод, базирующийся на множестве деревьев решений.

Методы исследования (на казахском) : Мұнай өнеркәсібіндегі фильтрацияның өзекті мәселесін шешу үшін машиналық оқыту әдістері қолданылды. Осы мақсатта Бакли-Леверетт математикалық моделінен алынған синтетикалық деректер жинағы қолданылды. Тау жыныстарының тасымалдау қасиеттерін олардың кескіндері мен сандық модельдеу негізінде болжау үшін машиналық оқыту әдістері зерттелді. Осы мақсатта микрокомпьютерлік томография және синтетикалық үлгіні пайдаланып сканерленген тау жыныстары деректері пайдаланылды. Жаяу жүретін роботтарға арналған аяқ қондырмаларының дизайнын оңтайландыру үшін басым емес сұрыптау генетикалық алгоритмі қолданылды және Парето-оңтайлы шешімдер анықталды. Максимумдар берілген деңгейден асатын циклдердің орташа жиілігі анықталады. Материалдардың механикалық қасиеттерін терең талдау және дәл болжау үшін көптеген шешім ағаштарына негізделген ансамбль әдісі болып табылатын «Кездейсоқ орман» алгоритмі бар Викерс әдістері қолданылады

Obtained results and novelty (in Russian) : разработаны параллельные алгоритмы для методов машинного обучения, таких как линейная регрессия, SVM, Random Forest и Gradient Boosting; разработан испытательный стенд цифрового двойника для мониторинга и оптимизации нефтяных скважин; интегрированы методологии глубокого обучения, основанные на суррогатной модели.

Obtained results and novelty (in Kazakh) : сызықтық регрессия, SVM, Random Forest және Gradient Boosting сияқты машиналық оқыту әдістеріне арналған параллельді алгоритмдер әзірленген; мұнай ұңғымаларын бақылау және оңтайландыру үшін цифрлық сынақ стенді әзірленді; суррогат үлгісіне негізделген интеграцияланған терең оқыту әдістемелері

The main constructive and technical economic indicators (in Russian) : Разработка научно-практических основ и инновационных подходов создания новых алгоритмов и программного обеспечения машинного обучения для решения задач механики и робототехники, которые соответствуют востребованным задачам производственных предприятий страны

The main constructive and technical economic indicators (in Kazakh) : Елдің өндірістік кәсіпорындарының танымал міндеттеріне сәйкес келетін механика мен робототехникадағы есептерді шешу үшін жаңа алгоритмдер мен машиналық оқыту бағдарламалық қамтамасыз етуді құрудың ғылыми-практикалық негіздері мен инновациялық тәсілдерін әзірлеу.

Level of implementation (in Russian) :

Level of implementation (in Kazakh) :

Efficiency (in Russian) :

Efficiency (in Kazakh) :

Field of application (in Russian) : Нефтегазовая отрасль, добыча урана, разработка роботов и механизмов.

Field of application (in Kazakh) : Мұнай және газ саласы, уран өндірісі, роботтар мен механизмдер әзірлеуде.