Анализ вычислительной трудоемкости федеративных алгоритмов нейрокогнитивного управления имитационными феногенетическими моделями растений
М. А. Абазоков, М. И. Анчеков, К. Ч. Бжихатлов, Ж. Х. Курашев,
З. В. Нагоев, О. В. Нагоева, А. А. Унагасов, А. А. Хамов
Загрузить полный текст
Аннотация: Целью исследования является разработка методологии создания гибридов хозяйственно полезных растений с заданным набором фенотипических свойств на основе применения методов универсального искусственного интеллекта для управления федеративными имитационными моделями вегетации. Основной задачей данной работы является анализ вычислительной трудоемкости основных алгоритмов функционирования и обучения нейрокогнитивных систем управления федеративными имитационными моделями вегетации растений при использовании вычислителей различных типов. В работе приведены результаты оценки времени выполнения цикла диспетчеризации в федеративной системе имитационного моделирования феногенетической динамики растений на последовательном и параллельном вычислителе.
Ключевые слова: универсальный искусственный интеллект, мультиагентные системы, нейрокогнитивное управление, селекция растений, экспрессия генов, анализ вычислительной трудоемкости, федеративные алгоритмы
Для цитирования. Абазоков М. А., Анчеков М. И., Бжихатлов К. Ч., Курашев Ж. Х., Нагоев З. В., Нагоева, О. В., Унагасов А. А., Хамов А. А. Анализ вычислительной трудоемкости федеративных алгоритмов нейрокогнитивного управления имитационными феногенетическими моделями растений // Известия Кабардино-Балкарского научного центра РАН. 2024. Т. 26. № 5. С. 107–128. DOI: 10.35330/1991-6639-2024-26-5-107-128
Список литературы
- Davín A. A., Tricou T., Tannier E. Zombi: a phylogenetic simulator of trees, genomes and sequences that accounts for dead linages // Bioinformatics. 2020. Vol. 36. No. 4. Pp. 1286–1288. DOI: 10.1093/bioinformatics/btz710
- https://class-cloud.ru/technology/simulation
- Михайлова Н. В. Решетчатые имитационные модели динамики популяций травянистых растений разных жизненных форм: дисс. … канд. биол. наук. 03.00.16. 2008.
- Баденко В. Л., Топаж А. Г., Медведев С. А., Захарова Е. Т. Модели продукционного процесса сельскохозяйственных растений для анализа элементов систем земледелия // Таврический вестник аграрной науки. 2021. № 1(25). С. 8–27. DOI: 10.33952/2542-0720-2021-1-25-8-27
- Комаров А. С. Имитационные модели нелинейной динамики сообществ растений: автореф. дис. … д-ра биол. наук. 03.00.16. 2004.
- https://cran.r-project.org/web/packages/AlphaSimR/AlphaSimR.pdf
- https://surveillance.cancer.gov/genetic-simulation-resources/packages/simphy/edit/
- Нагоев З. В., Анчёков М. И., Боготова З. И. и др. Коллаборативная селекционная система на основе консорциума гетерогенных интеллектуальных агентов // Известия Кабардино-Балкарского научного центра РАН. 2022. № 5(109). С. 25–37. DOI:10.35330/1991-6639-2022-5-109-25-37
- Нагоев З. В., Анчёков М. И., Бжихатлов К. Ч., Нагоева О. В., Пшенокова И. А. Онтоэписоциофилогенетическое развитие систем общего искусственного интеллекта на основе мультиагентных нейрокогнитивных архитектур // Известия Кабардино-Балкарского научного центра РАН. 2022. № 6(110). С. 61–75.
- Нагоев З. В., Анчёков М. И., Курашев Ж. Х., Хамов А. А. Алгоритм нейрокогнитивного обучения мультиагентной системы эволюционного моделирования экспрессии генов по данным ПЦР-анализа растений // Известия Кабардино-Балкарского научного центра РАН. № 6(116). С. 179–192. DOI: 10.35330/1991-6639-2023-6-116-179-192
- Нагоев З. В., Бжихатлов К. Ч., Загазежева О. З. Нейрокогнитивные методы и алгоритмы федеративного обучения интеллектуальных интегрированных информационно-управляющих систем в реальной коммуникативной среде // Известия ЮФУ. Технические науки. 2024. № 1(237). С. 111–121. DOI: 10.18522/2311-3103-2024-1-111-121
- Нагоев З. В. Интеллектика, или Мышление в живых и искусственных системах. Нальчик: Издательство КБНЦ РАН. 2013. С. 235.
Информация об авторах
Абазоков Мухамед Адмирович, мл. науч. сотр. лаборатории «Нейрокогнитивные автономные интеллектуальные системы», Кабардино-Балкарский научный центр РАН;
360002, Россия, г. Нальчик, ул. Балкарова, 2;
abazokov1997@mail.ru, ORCID: https://orcid.org/0000-0002-8710-1562, SPIN-код: 5167-5962
Анчёков Мурат Инусович, науч. сотр. лаборатории «Молекулярная селекция и биотехнология», Кабардино-Балкарский научный центр РАН;
360000, Россия, г. Нальчик, ул. Кирова, 224;
murat.antchok@gmail.com, ORCID: https://orcid.org/0000-0002-8977-797X, SPIN-код: 3299-0927
Бжихатлов Кантемир Чамалович, канд. физ.-мат. наук, зав. лабораторией «Нейрокогнитивные автономные интеллектуальные системы», Кабардино-Балкарский научный центр РАН;
360002, Россия, г. Нальчик, ул. Балкарова, 2;
haosit13@mail.ru, ORCID: https://orcid.org/0000-0003-0924-0193, SPIN-код: 9551-5494
Курашев Жираслан Хаутиевич, зав. лабораторией «Молекулярная селекция и биотехнология», Кабардино-Балкарский научный центр РАН;
360000, Россия, г. Нальчик, ул. Кирова, 224;
ORCID: https://orcid.org/0000-0001-9442-6122, SPIN-код: 8549-2620
Нагоев Залимхан Вячеславович, канд. техн. наук, генеральный директор Кабардино-Балкарского научного центра РАН;
360000, Россия, Нальчик, ул. И. Арманд, 37-а;
zaliman@mail.ru, ORCID: https://orcid.org/0000-0001-9549-1823, SPIN-код: 6279-5857
Нагоева Ольга Владимировна, науч. сотр. отдела «Мультиагентные системы», Институт информатики и проблем регионального управления – филиал Кабардино-Балкарского научного
центра РАН;
360000, Россия, г. Нальчик, ул. И. Арманд, 37-а;
nagoeva_o@mail.ru, ORCID: https://orcid.org/0000-0003-2341-7960, SPIN-код: 9478-3325
Унагасов Алим Ахмедханович, мл. науч. сотр. Кабардино-Балкарского научного центра РАН;
360000, Россия, Нальчик, ул. И. Арманд, 37-а;
alim.unagasov@mail.ru, ORCID: https://orcid.org/0000-0003-3828-7468
Хамов Анзор Азаматгериевич, мл. науч. сотр. лаборатории «Молекулярная селекция и биотехнология», Кабардино-Балкарский научный центр РАН;
360000, Россия, г. Нальчик, ул. Кирова, 224;
opitnoe2014@mail.ru, ORCID: https://orcid.org/0000-0003-3269-4572