News of the Kabardino-Balkarian Scientific Center of the Russian Academy of SciencesNews of the Kabardino-Balkarian Scientific Center of the Russian Academy of SciencesИзвестия Кабардино-Балкарского научного центра РАН1991-66392949-194039143910.35330/1991-6639-2023-6-116-179-192RZZICISystem analysis, management and information processingСистемный анализ, управление и обработка информацииResearch ArticleNeurocognitive learning algorithm for a multi-agent system for evolutionary modeling of gene expression according to PCR analysis of plantsАлгоритм нейрокогнитивного обучения мультиагентной системы эволюционного моделирования экспрессии генов по данным ПЦР-анализа растенийhttps://orcid.org/0000-0001-9549-1823НагоевЗалимхан ВячеславовичNagoevZ. V.
Russian Federation

канд. техн. наук, генеральный директор

Candidate of Technical Sciences, General Director

zaliman@mail.ruhttps://orcid.org/0000-0002-8977-797XAnchekovM. I.АнчёковМурат Инусович
Russian Federation

Researcher of the Laboratory "Molecular Breeding and Biotechnology"

науч. сотр. лаборатории «Молекулярная селекция и биотехнология»

murat.antchok@gmail.comhttps://orcid.org/0000-0001-9442-6122KurashevZh. Kh.КурашевЖираслан Хаутиевич
Russian Federation

зав. лаборатории «Молекулярная селекция и биотехнология»

Head of the Laboratory "Molecular Breeding and Biotechnology"

murat.antchok@gmail.comhttps://orcid.org/0000-0003-3269-4572KhamovA. A.ХамовАнзор Азаматгериевич
Russian Federation

Junior Researcher of the Laboratory "Molecular Breeding and Biotechnology"

мл. науч. сотр. лаборатории «Молекулярная селекция и биотехнология»

opitnoe2014@mail.ruKabardino-Balkarian Scientific Center of RASКабардино-Балкарский научный центр РАНru2205202620236NO6 (2023)№6 (2023)17919205032026Copyright ©; 2026, Nagoev Z.V., Anchekov M.I., Kurashev Z.K., Khamov A.A.Copyright ©; 2026, Нагоев З.В., Анчёков М.И., Курашев Ж.Х., Хамов А.А.2026Nagoev Z.V., Anchekov M.I., Kurashev Z.K., Khamov A.A.Нагоев З.В., Анчёков М.И., Курашев Ж.Х., Хамов А.А.https://creativecommons.org/licenses/by/4.0https://journals.rcsi.science/1991-6639/article/view/391439

The work is aimed at creating a methodology for using general artificial intelligence systems to manage the process of creating new plant hybrids with a given set of economically useful traits. The basic principles for creating plant simulation models based on multi-agent modeling using enlarged conditional cell agents, whose behavior is carried out by the controlling neurocognitive architecture, have been developed. An algorithm has been developed for training a decentralized system for controlling the growth and development of plant simulation models based on the identification of phenogenotypic characteristics of growth and development processes determined by the expression of plant genes.

Работа нацелена на создание методологии применения систем общего искусственного интеллекта для управления процессом создания новых гибридов растений с заданным набором хозяйственно полезных признаков. Разработаны основные принципы создания имитационных моделей растений на основе мультиагентного моделирования на базе укрупненных условных агентов-клеток, синтез поведения которых выполняется управляющей нейрокогнитивной архитектурой. Разработан алгоритм обучения децентрализованной системы управления ростом и развитием имитационных моделей растений на основе идентификации феногенотипических характеристик процессов роста и развития, детерминированных экспрессией генов растения.

artificial general intelligencemulti-agent systemsneurocognitive architecturesplant breedinggene expressionmachine learningdigital phenotypingобщий искусственный интеллектмультиагентные системынейрокогнитивные архитектурыселекция растенийэкспрессия геновмашинное обучениецифровое фенотипирование1. Анчёков М. И., Боготова З. И., Пшеноков И. А. 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.Анчёков М. И., Боготова З. И., Пшеноков И. А. и др. Коллаборативная селекционная система на основе консорциума гетерогенных интеллектуальных агентов // Известия Кабардино-Балкарского научного центра РАН. 2022. № 5(109). С. 25–37. DOI: 10.35330/1991-6639-2022-5-109-25-37.2. Анчёков М. И., Бжихатлов К. Ч., Нагоев З. В. и др. Онтоэписоциофилогенетическое интеллектуальное развитие систем общего искусственного интеллекта на основе мультиагентных нейрокогнитивных архитектур // Известия Кабардино-Балкарского научного центра РАН. 2022. № 6(110). С. 61–75. DOI: 10.35330/1991-6639-2022-6-110-61-75.Анчёков М. И., Бжихатлов К. Ч., Нагоев З. В. и др. Онтоэписоциофилогенетическое интеллектуальное развитие систем общего искусственного интеллекта на основе мультиагентных нейрокогнитивных архитектур // Известия Кабардино-Балкарского научного центра РАН. 2022. № 6(110). С. 61–75. DOI: 10.35330/1991-6639-2022-6-110-61-75.3. Анчёков М. И., Апшев А. З., Бжихатлов К. Ч. и др. Формальная модель генома агента общего искусственного интеллекта на основе мультиагентных нейрокогнитивных архитектур // Известия Кабардино-Балкарского научного центра РАН. 2023. № 5(115). С. 11–24.Анчёков М. И., Апшев А. З., Бжихатлов К. Ч. и др. Формальная модель генома агента общего искусственного интеллекта на основе мультиагентных нейрокогнитивных архитектур // Известия Кабардино-Балкарского научного центра РАН. 2023. № 5(115). С. 11–24.4. Doursat R. Organically grown architectures by embryomorphic engineering. Organic Computing. Ed. R.P. Würtz, Springer-Verlag. 2008. Pp. 167–200.Doursat R. Organically grown architectures by embryomorphic engineering. Organic Computing. Ed. R.P. Würtz, Springer-Verlag. 2008. Pp. 167–200.5. Fedor A., Zachar I., Szilágyi A. et al. Cognitive Architecture with Evolutionary Dynamics Solves Insight Problem // Front. Psychol. 2017. Vol. 8.Fedor A., Zachar I., Szilágyi A. et al. Cognitive Architecture with Evolutionary Dynamics Solves Insight Problem // Front. Psychol. 2017. Vol. 8.6. Werfel J., Nagpal R. Extended stigmergy in collective construction // IEEE Intelligent Systems. 2006. No. 21(2). Pp. 20–28.Werfel J., Nagpal R. Extended stigmergy in collective construction // IEEE Intelligent Systems. 2006. No. 21(2). Pp. 20–28.7. Jinek M., Chilynksi K., Fonfara I. et al. A programmable dual-RNA-guided DNA endonuclease in adaptive bacterial immunity // Science. 2012. Vol. 337. No. 6069. Pp. 816–821. DOI: 10.1126/science.1225829.Jinek M., Chilynksi K., Fonfara I. et al. A programmable dual-RNA-guided DNA endonuclease in adaptive bacterial immunity // Science. 2012. Vol. 337. No. 6069. Pp. 816–821. DOI: 10.1126/science.1225829.8. Нагоев З. В. Интеллектика, или Мышление в живых и искусственных системах. Нальчик: Издательство КБНЦ РАН, 2013. 232 с.Нагоев З. В. Интеллектика, или Мышление в живых и искусственных системах. Нальчик: Издательство КБНЦ РАН, 2013. 232 с.9. Анчёков М. И., Бжихатлов К. Ч., Лешкенов А. М. Высокопроизводительные системы фенотипирования сельскохозяйственных культур // Известия Кабардино-Балкарского научного центра РАН. 2022. № 5(109). С. 19–24.Анчёков М. И., Бжихатлов К. Ч., Лешкенов А. М. Высокопроизводительные системы фенотипирования сельскохозяйственных культур // Известия Кабардино-Балкарского научного центра РАН. 2022. № 5(109). С. 19–24.10. Нагоев З. В., Нагоева О. В. Обоснование символов и мультиагентные нейрокогнитивные модели семантики естественного языка. Нальчик: Издательство КБНЦ РАН, 2022. 150 с.Нагоев З. В., Нагоева О. В. Обоснование символов и мультиагентные нейрокогнитивные модели семантики естественного языка. Нальчик: Издательство КБНЦ РАН, 2022. 150 с.