🙂 Ученые из Балтийского федерального университета имени Иммануила Канта и Мадридского политехнического университета предложили новый подход к прогнозированию поведения стохастических систем — тех, что подвержены случайным внешним воздействиям.

➡️ Стохастические системы — это физические, биологические и технические объекты, поведение которых сложно спрогнозировать из-за влияния внешнего шума. К таким системам относятся лазеры, финансовые рынки, климат, нейронные сети и даже мозг человека.

Поведение таких систем нельзя вычислить математически, но его можно попробовать предугадать, собрав большие объемы данных об источниках шумов и частоте их появления. Для этого сегодня используют алгоритмы искусственного интеллекта.

⚙️ В чем суть исследования
Авторы выделили два подхода:
1️⃣ Сильное предсказание — точный прогноз значений параметра системы (например, интенсивности лазера через 5 секунд).
2️⃣ Слабое предсказание — прогноз вероятности того или иного поведения системы (например, какова вероятность, что интенсивность превысит заданное значение).

Для экспериментов использовались рекуррентные нейросети, обученные на данных об эрбиевом лазере и о внешнем шуме: выполняя резервуарные вычисления с помощью нейросетей, они проверили режимы сильного и слабого предсказания интенсивности лазера через несколько секунд.

⚙️ Полученные результаты
🔵 Сильный прогноз возможен только в узком диапазоне интенсивности шума, в то время как слабый прогноз осуществляется практически во всем исследуемом диапазоне значений.
🔵 С использованием слабого предсказания зона прогнозирования увеличивается в 2,5 раза.
🔵 Ученые повторили эксперимент на биологических нейронах, находящихся под внешним случайным воздействием, и подтвердили результа

✔️ Это значит, что слабое предсказание может быть эффективнее точного, особенно там, где влияние шума неизбежно. Новый подход можно использовать в:
🟣нейронауке (распознавание мозговых паттернов, диагностика)
🟣разработке интерфейсов типа «мозг-компьютер»
🟣финансовом моделировании
🟣климатических прогнозах
🟣интеллектуальных системах управления

«Наши результаты предоставляют мощную основу для решения реальных проблем в нейронауке, лазерной физике, интеллектуальных системах для автономных устройств и других областях. Используя их, можно разрабатывать более эффективные системы управления и повышать точность прогнозирования. Например, сильное или слабое прогнозирование активности мозга позволит выявлять различные нарушения в его работе и заболевания, а также будет полезно для создания интерфейсов мозг-компьютер. В частности, слабое предсказание может помочь прогнозировать характеристики шума в сигналах мозговой активности и точнее отличать один паттерн мозговой активности от другого», — рассказывает участник проекта, поддержанного грантом РНФ, Никита Кулагин, студент, лаборант-исследователь Балтийского центра нейротехнологий и искусственного интеллекта Балтийского федерального университет имени Иммануила Канта

📌 Результаты опубликованы в журнале Chaos

📰 Подробнее — в статье «Коммерсанта»

#новостинауки_РНФ #математика