The object of research, development or design (in Russian) : Объектами исследования являются крупномасштабные NP-трудные задачи оптимизации и их вычислительные модели, характеризующиеся сложными ландшафтами решений и большими объемами данных. Исследуются программно-алгоритмические средства мультимодальной оптимизации, включая различные метаэвристики, процедуры поиска и инфраструктуру для воспроизводимых вычислительных экспериментов. Также изучаются мультимодальные источники входной информации (текст, изображения, графы, сенсорные и другие данные) и методы их интеграции в алгоритмах оптимизации и экспертных системах.

The object of research, development or design (in Kazakh) : Зерттеу нысандары – шешімдерінің күрделі ландшафттарымен және деректердің үлкен көлемімен сипатталатын ірі ауқымды NP-қиын оңтайландыру есептері мен олардың есептеу модельдері болып табылады. Зерттеу мультимодальды оңтайландырудың бағдарламалық-алгоритмдік құралдарын қамтиды, оған әртүрлі метаэвристикалар, іздеу процедуралары және есептеу эксперименттерін қайта өндіруге арналған инфрақұрылым кіреді. Сондай-ақ, кіріс ақпараттың мультимодальды көздері (мәтін, бейнелер, графтар, сенсорлық және басқа деректер) және оларды оңтайландыру алгоритмдері мен эксперттік жүйелерге біріктіру әдістері зерттеледі.

Aim of work (in Russian) : Цель данного проекта заключается в разработке новых, потенциально универсальных методов мультимодальной оптимизации и конкретных алгоритмов, а также в изучении их применимости к широкому спектру сложных промышленных, технических и социальных систем. Проект также направлен на исследование их использования для создания и совершенствования интеллектуальных экспертных систем, применяемых в задачах с мультимодальными большими данными. Общая цель проекта включает три взаимодополняющие задачи: (i) сбор и подготовка данных; (ii) разработка вычислительных методов и программного обеспечения, проведение обширных экспериментов; (iii) концептуализация разработанных методов, публикация полученных результатов.

Aim of work (in Kazakh) : Осы жобаның мақсаты мультимодальді оңтайландырудың жаңа, әмбебап болуы ықтимал әдістерін және нақты алгоритмдерін әзірлеу, сондай-ақ олардың күрделі өнеркәсіптік, техникалық және әлеуметтік жүйелердің кең спектріне қолданылуын зерттеу болып табылады. Жоба сонымен қатар мультимодальді үлкен деректерге негізделген зияткерлік сараптамалық жүйелерді құру және жетілдіру үшін оларды қолдануды зерттеуге бағытталған. Жобаның жалпы мақсаты үш өзара толықтыратын міндеттерді қамтиды: (i) деректерді жинау және дайындау; (ii) есептеу әдістері мен бағдарламалық қамтамасыз етуді әзірлеу, кең ауқымды эксперименттер жүргізу; (iii) әзірленген әдістерді концептуализациялау және алынған нәтижелерді жариялау.

Методы исследования (на русском) : В исследовании применяются методы, основанные на обработке больших данных, техники оптимизации, такие как поиск в переменных окрестностях (Variable Neighborhood Search), а также методы машинного обучения (обучение с учителем, без учителя, полусупервизированное и обучение с подкреплением), наряду с передовыми инструментами глубокого обучения (трансформеры, большие языковые модели) и метриками (F1, ROC AUC, ROUGE, BLEU, BERTScore) для достижения наших целей мультимодальной оптимизации. Программное обеспечение на базе Python будет обрабатывать мультимодальные данные, выполнять векторные вычисления и глубокое обучение, при этом алгоритмы будут протестированы на эталонных наборах данных для проверки их эффективности.

Методы исследования (на казахском) : Зерттеуде үлкен деректерді өңдеу әдістері, оңтайландыру техникалары (айнымалы көршілестік іздеу — Variable Neighborhood Search), сондай-ақ машиналық оқыту тәсілдері (қадағаланатын, қадағалаусыз, жартылай қадағаланатын және нығайтумен оқыту) қолданылады. Сонымен қатар трансформерлер, үлкен тілдік үлгілер сияқты заманауи терең оқыту құралдары және F1, ROC AUC, ROUGE, BLEU, BERTScore секілді метрикалар мультимодальды оңтайландыру мақсаттарына жету үшін пайдаланылады. Python негізіндегі бағдарламалық қамтамасыз ету мультимодальды деректерді өңдеп, векторлық есептеулер мен терең оқытуды орындайды, ал алгоритмдер тиімділігін тексеру үшін эталондық деректер жиынтықтарында тестіленеді.

Obtained results and novelty (in Russian) : По итогам выполнения работ по пунктам 1–3 за 2025 год разработана инновационная программная библиотека, реализующая и унифицирующая существующие подходы к оптимизации и мультимодальной обработке данных для выбранных прикладных задач. Библиотека включает реализацию воспроизведённых базовых и продвинутых алгоритмов, модуль для работы с подготовленными наборами данных, а также единые интерфейсы для последующей интеграции новых мультимодальных эвристик. Обеспечена модульная архитектура, позволяющая расширять набор задач, модальностей и методов без изменения основной инфраструктуры. Подготовлена техническая документация и тестовые примеры использования библиотеки, что создаёт необходимую программно-методическую основу для разработки собственных мультимодальных методов оптимизации и проведения обширных вычислительных экспериментов в 2026–2027 годах.

Obtained results and novelty (in Kazakh) : 2025 жылға арналған 1–3 тармақтар бойынша жұмыстарды орындау нәтижесінде таңдалған қолданбалы есептерге арналған оңтайландыру және мультимодальды деректерді өңдеудің қолданыстағы тәсілдерін іске асыратын әрі біріктіретін инновациялық бағдарламалық кітапхана әзірленді. Кітапхана қайта жүзеге асырылған базалық және озық алгоритмдердің іске асырылуын, дайындалған деректер жиынтықтарымен жұмыс істеуге арналған модульді, сондай-ақ жаңа мультимодальды эвристикаларды кейіннен интеграциялауға арналған бірыңғай интерфейстерді қамтиды. Негізгі инфрақұрылымды өзгертпей-ақ есептер, модальдылықтар және әдістер ауқымын кеңейтуге мүмкіндік беретін модульдік архитектура қамтамасыз етілді. Кітапхананы қолдануға арналған техникалық құжаттама мен тестілік мысалдар дайындалды, бұл 2026–2027 жылдары мультимодальды оңтайландырудың меншікті әдістерін әзірлеу және ауқымды есептеу эксперименттерін жүргізу үшін қажетті бағдарламалық-әдістемелік негіз қалыптастырады.

The main constructive and technical economic indicators (in Russian) : Наши передовые мультимодальные модели и оптимизационные методы имеют непосредственные приложения в задачах сегментации клиентов, оптимизации доставки, ресурсно-эффективном производстве, а также в интеллектуальных системах принятия решений и экспертных системах в образовании. Такие новые методы повысят производительность, снизят затраты и улучшат распределение ресурсов. Например, они смогут оказать влияние на логистику, оптимизируя маршруты транспортных средств, и на производство, снижая материальные потери за счёт эффективных стратегий раскроя материала. Это приведёт к прямым экономическим выгодам для Казахстана и сделает наши решения коммерчески конкурентоспособными на глобальном рынке.

The main constructive and technical economic indicators (in Kazakh) : Біздің озық мультимодальды модельдеріміз бен оңтайландыру әдістеріміз клиенттерді сегментациялау, қызмет жеткізуді оңтайландыру, ресурсты тиімді пайдалану арқылы өндірісті жетілдіру, сондай-ақ білім беру саласындағы интеллектуалды шешім қабылдау жүйелері мен эксперттік жүйелер сияқты міндеттерде тікелей қолданылады. Мұндай жаңа әдістер өнімділікті арттырып, шығындарды азайтады және ресурстарды бөлуді жақсартады. Мысалы, олар көлік құралдарының маршруттарын оңтайландыру арқылы логистикаға, материалдарды тиімді кесу стратегиялары арқылы өндірістегі материалдық шығындарды төмендетуге ықпал ете алады. Бұл Қазақстан үшін тікелей экономикалық пайда әкеледі және біздің шешімдерімізді жаһандық нарықта коммерциялық тұрғыдан бәсекеге қабілетті етеді.

Level of implementation (in Russian) : Внедрение разработок не планируется

Level of implementation (in Kazakh) : Әзірлемелерді енгізу жоспарланбайды

Efficiency (in Russian) : Проект соответствует стратегическим целям Казахстана по технологической модернизации и устойчивому развитию. Предоставляя интеллектуальные и интерактивные (на основе больших языковых моделей, LLM) аналитические системы, способные обрабатывать мультимодальные входные данные, проект поможет различным отраслям страны принимать более обоснованные и точные решения, улучшая образование, социальные услуги, банковское дело, экономическую продуктивность и промышленную эффективность. Наша работа также откроет новые возможности для Казахстана занять лидирующие позиции в современном глобальном технологическом тренде больших мультимодальных моделей, позволяя Казахстану находиться на переднем крае науки и стимулируя дальнейшие исследования и инновации в этой области.

Efficiency (in Kazakh) : Жоба Қазақстанның технологиялық жаңғырту мен тұрақты даму жөніндегі стратегиялық мақсаттарына толық сәйкес келеді. Үлкен тілдік модельдерге (LLM) негізделген, мультимодальды кіріс деректерін өңдей алатын интеллектуалды және интерактивті талдамалық жүйелерді ұсына отырып, жоба елдің әртүрлі салаларына неғұрлым негізделген әрі дәл шешімдер қабылдауға мүмкіндік береді, білім беру, әлеуметтік қызметтер, банк ісі, экономикалық өнімділік және өнеркәсіптік тиімділікті жақсартуға ықпал етеді. Біздің жұмысымыз Қазақстанға үлкен мультимодальды модельдер бойынша қазіргі жаһандық технологиялық трендте жетекші орын алуға жаңа мүмкіндіктер ашады, елдің ғылымның алдыңғы шебінде болуына жағдай жасап, осы саладағы одан әрі зерттеулер мен инновацияларды ынталандырады.

Field of application (in Russian) : Предложенные нами методы имеют разнообразные приложения, включая: - Сегментацию клиентов и рекомендательные системы для целевой разработки продуктов (с использованием разнородных данных о клиентах); - Оптимальное сжатие изображений и видео; - Оптимизацию доставки услуг; - Эффективную резку материалов и их использование в производстве; - Персонализированную медицину (на основе данных пациентов); - Экономичные транспортные и логистические решения; - Воплощенный ИИ в робототехнике, авиации и беспилотных транспортных средствах; - Идентификацию личности по аудио и видео; - Обнаружение аномалий в эмоциях клиентов или в работе двигателей на основе мультимодальных данных; - И так далее.

Field of application (in Kazakh) : Ұсынылған әдістеріміз әртүрлі қолданбаларға ие, соның ішінде: - Клиенттердің әртекті деректеріне негізделген өнімдерді мақсатты әзірлеу үшін клиенттерді сегментациялау және ұсынымдық жүйелер; - Бейнелер мен суреттерді оңтайлы сығу; - Қызметтерді жеткізуді оңтайландыру; - Материалдарды тиімді кесу және өндірісте оларды ұтымды пайдалану; - Пациент деректеріне негізделген персоналдандырылған медицина; - Үнемді көлік және логистикалық шешімдер; - Робототехника, авиация және пилотсыз көлік құралдарындағы бейнеленген жасанды интеллект (embodied AI); - Аудио және бейне арқылы жеке тұлғаны анықтау; - Мультимодальды деректер негізінде клиенттердің эмоцияларындағы немесе қозғалтқыштардың жұмысындағы аномалияларды анықтау; - Және тағы басқа.