Санкт-Петербургский
advertisement
Министерство образования и науки Российской Федерации ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ "САНКТ-ПЕТЕРБУРГСКИЙ НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ, МЕХАНИКИ И ОПТИКИ" (НИУ ИТМО) УДК 001.18; 001.8; 004; 32; 35; 37; ГРНТИ: 43.01.00, 20.01.00, 50.01.00 № гос. регистрации: 10.7119.2013 Экз. № 1 Инв. № УТВЕРЖДАЮ Ректор НИУ ИТМО д-р техн. наук, профессор, член-корр. РАН _______________В.Н. Васильев « » декабря 2013 г. ОТЧЕТ О НАУЧНО-ИССЛЕДОВАТЕЛЬСКОЙ РАБОТЕ по теме: МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ МОНИТОРИНГА, АНАЛИЗА И ПРОГНОЗА РАЗВИТИЯ ИССЛЕДОВАНИЙ И НАУЧНОГО ПОТЕНЦИАЛА В ОБЛАСТИ ИНФОРМАЦИОННО-КОММУНИКАЦИОННЫХ ТЕХНОЛОГИЙ (заключительный) Государственное задание Министерства на оказание услуг (выполнения работ) Начальник научноисследовательской части ______________________________ Л.М. Студеникин подпись, дата Научный руководитель директор департамента по работе с высокотехнологичными отраслями промышленности канд. техн. наук, ст. науч. сотр. ______________________________ А.Г. Фандеев подпись, дата Санкт-Петербург 2013 1 СПИСОК ИСПОЛНИТЕЛЕЙ Научный руководитель ___________________ А.Г. Фандеев директор департамента (Научное руководство НИР) подпись, дата по работе с высокотехнологичными отраслями промышленности (ДРВОП НИУ ИТМО) канд. техн. наук, ст. науч. сотр. Ответственный исполнитель начальник отдела ___________________ В. Н. Шутов (разделы 5, 7) по подпись, дата взаимодействию с технологическими платформами ДРВОП НИУ ИТМО Исполнители ___________________ Ю.Н. Фесенко (заключение, ведущий научный сотрудник подпись, дата научное редактирование) ДРВОП НИУ ИТМО, доктор технических наук, профессор, заслуженный деятель науки РФ инженер ДРВОП НИУ ИТМО ___________________ В. С. Гатанов (разделы 1, 2, 3, 6) подпись, дата старший научный сотрудник НИИ ___________________ А. В. Духанов (пункты НКТ, канд. техн. наук, доцент 7.3.3, 7.3.4, 7.4.2, 7.4.3, 7.4.4, подпись, дата 7.6.1, 7.6.2, 7.6.3, 7.6.5, 7.8.4, 7.8.5) старший преподаватель кафедры ___________________ А.Е. Шевель (пункты 7.3.2, ТС подпись, дата 7.6.4) доцент кафедры «Сервисы и услуги ___________________ А.А. Дубаков (раздел 4) в инфокоммуникационных подпись, дата системах», канд. техн. наук ведущий конструктор ДРВОП НИУ ___________________ В.М Поляков (подразделы ИТМО 7.9, 7.10) подпись, дата 2 доцент кафедры систем управления ___________________ А.С. Кремлёв (пункт 7.5.4) и информатики, канд. техн. наук подпись, дата доцент кафедры «Безопасных ___________________ А.Б. Левина (пункты 7.7.1, информационных технологий» подпись, дата 7.7.2) канд. ф-м. наук ассистент кафедры «Программная ___________________ Ф.Н Царёв (пункты 7.8.1, инженерия и верификация подпись, дата 7.8.7, 7.8.8) программ», канд. техн. наук генеральный «АТДИА» директор ООО ___________________ А.Е. Генельт (пункты 7.8.2, 7.8.3, 7.8.6) подпись, дата магистрант кафедры «Фотоники и ___________________ В.А. Семёнова оптгоинформатики» 7.3.1, 7.5.3) подпись, дата (пункты инженер кафедры проектирования ___________________ С.В. Попова (пункт 7.4.1) и безопасности компьютерных подпись, дата систем доцент кафедры «Проектирования ___________________ Д.И. Муромцев (раздел 6.1) и безопасности компьютерных подпись, дата систем», канд. техн. наук инженер кафедры ___________________ И.А. Ходырев (раздел 6.1) «Проектирования и безопасности подпись, дата компьютерных систем» ведущий инженер отдела ОКБ ОАО ___________________ И.Н Павлов (подраздел 7.2) НПО «ЛЭМЗ», канд. техн. наук, доцент подпись, дата Доцент кафедры «Электроники», ___________________ А. А. Рассадина (пункты канд. техн. наук 7.5.1, 7.5.2) подпись, дата НИУ ИТМО выражает особую благодарность руководителю отраслевого центра прогнозирования – Пищику Б. Н., а также экспертам, принявшим участие в экспертных опросах. 3 РЕФЕРАТ Отчет 389 с., 1 ч., 32 рис., 3 табл., 703 источника, 2 прил. ФОРСАЙТ, НАУЧНО-ТЕХНОЛОГИЧЕСКОЕ РАЗВИТИЕ, ИНФОРМАЦИОННО-КОММУНИКАЦИОННЫЕ СИСТЕМЫ, ЭКСПЕРТНЫЕ ОПРОСЫ, БИБЛИОМЕТРИЯ, МОНИТРИНГ, МЕТОДИКА ВЫЯВЛЕНИЯ ТРЕНДОВ Объектом долгосрочного исследования является прогнозирования методология научно-технологического и практика развития и выявления новых трендов по приоритетному направлению «Информационнокоммуникационные системы» для актуализации долгосрочных прогнозов Министерства образования и науки РФ. Целью выполнения НИР является Разработка методического и информационно-аналитического прогноза обеспечения развития исследований мониторинга, и научного анализа и потенциала в области информационно-коммуникационных технологий. Методология проведения НИР опирается на систему методов форсайта. При выполнении работы достигнуты следующие результаты: разработана система мониторинга и подготовки информации; разработана методика выявления и прогнозирования трендов в области информационно-коммуникационных технологий; разработана система показателей и критериев активности научных исследований в области информационно-коммуникационных технологий; создана база данных и разработано программное обеспечение, обеспечивающие многоаспектный анализ развития информационно- коммуникационных технологий; представлены Заказчику аналитические записки по результатам экспертных панелей, экспертных опросов и библиометрического анализа; представлены Заказчику материалы для прогнозирования в области информационно-коммуникационных технологий. 4 Результаты НИР могут быть использованы для: - анализа актуальности тематик НИР в рамках федеральных целевых программ; - разработки дорожных карт по приоритетным направлениям научнотехнологического и инновационного развития; - решения комплекса задач, связанных с прогнозным обеспечением стратегического планирования и принятия других видов управленческих решений на уровне отдельных секторов и кластеров экономики; - подготовки регулярных информационно-аналитических обзоров по глобальным тенденциям научно-технологического развития секторов российской экономики. Разработанные в рамках НИР методики и документы могут использоваться научно-образовательными учреждениями, предприятиями реальных секторов экономики и государственными органами для определения приоритетов научно-технологического развития, построения долгосрочных прогнозов развития направления «Информационно-коммуникационные системы», разработки дорожных карт для профильных направлений. 5 СОДЕРЖАНИЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ .........................................................................................10 ВВЕДЕНИЕ ..................................................................................................................................12 1 Система монитринга и подготовки информации ..................................................................14 1.1. Общие вопросы функционирования системы мониторинга ............................................14 1.2. Организационная структура системы мониторинга .........................................................20 2. Система показателей и критериев активности научных исследований в области ИКТ ..23 3. Методика выявления и прогнозирования трендов ИКТ ......................................................27 4. Разработка состава и структуры БД и ПО, обеспечивающих многоаспектный анализ развития ИКТ ...............................................................................................................................31 4.1 Система сбора и отображения информационно-аналитических материалов ..................31 4.2 Описание работы в режиме ввода и корректировки информационных материалов ......39 5. Экспертные панели по прогнозированию развития ИКТ ....................................................51 5.1 Экспертная панель по вопросам локальных навигационных систем ...............................51 5.2 Экспертная панель по вопросам алгоритмов и программного обеспечения ...................54 6. Экспертные опросы и библиометрический анализ ..............................................................57 6.1 Техническая реализация системы библиометрии ..............................................................57 6.2 Библиометрический анализ по основным направлениям развития сектора ИКТ ...........68 7. Анализ материалов для прогнозирования ИКТ ....................................................................77 7.1 Технологии доступа к широкополосным мультимедийным услугам ..............................82 7.2 Технологии локального позиционирования и идентификации в режиме реального времени .........................................................................................................................................90 7.3 Телекоммуникационные технологии...................................................................................99 7.3.1 Прототипы сетей и элементов коммуникационных инфраструктур с терабитовыми скоростями передачи информации ............................................................................................99 7.3.2 Прототипы сетей, реализующих новые принципы организации, в том числе: когнитивных, гибридных, адаптивных реконфигурируемых, гетерогенных сетей ............108 7.3.3. Прототипы систем с гарантированным динамическим выделением ресурса ...........112 7.3.4 Прототипы исследовательских сетей нового поколения, обеспечивающих передачу больших объемов данных, получаемых в результате научных экспериментов, распределённую обработку научной информации, совместную работу распределенных научных групп ...........................................................................................................................118 7.4 Технологии обработки информации..................................................................................126 6 7.4.1 Прототипы мультиязычных программных систем извлечения и формализации знаний из неструктурированной информации, а также перспективных средств их хранения и анализа знаний ...........................................................................................................................126 7.4.2 Прототипы основанных на новых принципах программных систем обработки, поиска, анализа и визуализации информации, в том числе программных систем принятия решений и идентификации ситуаций на основе сверхбольших массивов и потоков данных .....................................................................................................................................................136 7.4.3 Прототипы программных систем анализа сложных трёхмерных сцен по изображениям и видеоряду в режиме реального времени ....................................................143 7.4.4 Исследовательские модели и прототипы программных систем хранения, обработки и анализа сверхбольших мультикомпонентных потоков информации, в том числе медиаинформации .....................................................................................................................149 7.5 Элементная база и электронные устройства, робототехника .........................................155 7.5.1 Исследовательские и опытные образцы сложно-функциональных блоков интегральных схем с учетом качественно новых эффектов, в том числе взаимного влияния элементов и подложки ..............................................................................................................155 7.5.2 Опытные образцы микропроцессоров и коммуникационных СБИС на основе самосинхронной логики с локально-асинхронными механизмами самоконтроля и парирования ошибок .................................................................................................................162 7.5.3 Прототипы элементной базы на основе квантовых эффектов одноэлектроники, спинтроники и фотоники ..........................................................................................................168 7.5.4 Прототипы биоподобных и антропоморфных робототехнических устройств, самообучающихся роботов, систем группового управления роботами ...............................174 7.6 Предсказательное моделирование, методы и средства создания и обеспечения функционирования перспективных систем ............................................................................180 7.6.1 Прототипы программных систем предсказательного моделирования сложных систем (технических, социально-экономических, политических, транспортных и др.) и свойств физических, химических, биологических и других объектов с выходом на уровень предсказательной точности и сложности, недостижимой в настоящее время ....................180 7.6.2 Прототипы программных систем, реализующих новые модели природных процессов, процессов в обществе, гуманитарной сфере, киберпространстве и других областях, отвечающих новым вызовам и приоритетам развития науки и технологий .......................188 7.6.3 Прототипы программных систем, автоматизированного управления большими системами (социально-экономическими, техническими, транспортными и т.д.) на основе новых принципов, моделей и процессов управления ............................................................194 7.6.4 Исследовательские модели, прототипы программных систем, в которых реализуются 7 гибридные модели когнитивных механизмов и речемыслительной деятельности человека, технологии моделирования человеческого интеллекта .........................................................200 7.6.5 Исследовательские модели и прототипы устройств с новыми принципами организации взаимодействия «человек-компьютер» .............................................................204 7.7 Информационная безопасность .........................................................................................211 7.7.1 Прототипы перспективных средств и программных систем защиты данных с учетом новых принципов организации информации и взаимодействия информационных объектов, в том числе глобальной интеграции информационных систем, повсеместного доступа к приложениям, новых протоколов Интернет, виртуализации, социальных сетей, данных мобильных устройств и геолокации ........................................................................................211 7.7.2 Прототипы основанных на новых принципах программных систем биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных, в том числе в целях использования биометрических данных в новых областях: социальный Веб, приложения, использующие геоконтекст, сохранность имущества, игры и др. .............................................................................................................................................217 7.8 Алгоритмы и программное обеспечение ..........................................................................223 7.8.1 Перспективные языки и прототипы систем программирования, реализующие новые и объединяющие существующие принципы, в том числе: объектно-ориентированные, функциональные, логические, языки спецификаций, программирование без программиста, предметно-ориентированные, программирование на естественном языке, с поддержкой доказуемости различных свойств программ ...........................................................................223 7.8.2 Прототипы компонентов перспективного системного программного обеспечения, в том числе обеспечивающие повышение производительности обработки информации и производительности труда программиста, достоверное доказательство выполнения требований, поддержку перспективных архитектур и др. ....................................................228 7.8.3 Исследовательские модели и алгоритмы, адаптируемые к вычислительным системам нового поколения.......................................................................................................................235 7.8.4 Прототипы программных систем, реализующих новые модели организации параллельных вычислений .......................................................................................................242 7.8.5 Прототипы программных систем, реализующих новые принципы распределенных вычислений на базе сети компьютеров и мобильных устройств частных владельцев ......247 7.8.6 Прототипы программных систем и операционных систем с локально-асинхронными механизмами самоконтроля и парирования ошибок .............................................................253 7.8.7 Исследовательские модели и прототипы автоматизированных и автоматических систем анализа программ (включая доказательство их различных свойств) и преобразования программ (включая оптимизацию по разным критериям, 8 распараллеливание, инверсию, композицию и вывод новых программ из существующих) .....................................................................................................................................................259 7.8.8 Исследовательские модели и прототипы программных систем машинного обучения, основанных на новых методах и алгоритмах, в том числе обработки сверхбольших и разрозненных источников информации ..................................................................................268 7.9 Технологии информационных систем ...............................................................................275 7.10 Технологии управляющих систем ...................................................................................283 ЗАКЛЮЧЕНИЕ..........................................................................................................................292 СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ ................................................................ 294 ПРИЛОЖЕНИЕ А .....................................................................................................................382 ПРИЛОЖЕНИЕ Б……………………………………………………………..………………387 9 ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ ADSL - asymmetric digital subscriber line CAN - controller–areanetwork CSS - Commercial Space Station DOCSIS - Data Over Cable Service Interface Specifications ERP - Enterprise Resource Planning FTTB - fiber-to-the-building FTTH - fiber-to-the-home IP - Internet Protocol IPS - Indoor Positioning System IPS - Indoor Positioning System MANET - Mobile Ad hoc Network RFID - Radio Frequency Identification RTLS - Real-time Locating Systems SDN — Software Defined Networks SDS-TWR - Symmetrical Double-Sided Two-Way Ranging UAV – см. БЛА URL - Uniform Resource Locator UWB - Ultra Wideband АЦП – аналого-цифровые преобразователи БД – база данных БЛА – беспилотные летательные аппараты ВОЛС - волоконно-оптические линии связи ГИС – геоинформационная система ЖКХ – жилищно-коммунальное хозяйство 10 ИБ – информационная безопасность ИКТ – информационно-коммуникационные технологии ИС – информационная система ИСП - информационные системы предприятий ИТ – информационные технологии ИТКС – информационно-телекоммуникационные системы НИОКР – научно-исследовательские и опытно-конструкторские работы НИР – научно-исследовательская работа ОКВЭД - общеотраслевой классификатор видов экономической деятельности ОКР – опытно-конструкторские работы ПКС - Программно-Конфигурируемые Сети ПО – программное обеспечение ПЭВМ – персональная электронная вычислительная машина СБИС – сверхбольшие интегральные схемы СЗИ – система защиты информации СМИ – средства массовой информации СУБД – система управления базами данных ТП – технологическая платформа ФЦП – федеральная целевая программа ЦАП – цифро-аналоговые преобразователи ЧКВ - человеко-компьютерное взаимодействие ШПД - широкополосный доступ 11 ВВЕДЕНИЕ Технологии долгосрочного прогнозирования на период 15-30 лет и методология выбора приоритетных направлений научных исследований и разработок в настоящее время являются динамично развивающейся областью научных исследований, для которой характерен переход от традиционных для нашей страны методов стратегического прогнозирования к использованию методов форсайта, основанных на постоянном мониторинге актуальных прорывных проработок с последующей экспертной оценкой перспективности их развития для конкретной страны, региона, организации или сектора экономики. Результаты таких исследований за рубежом служат основой для принятия стратегических решений на самом высоком уровне. Например, на основе подобных исследований сформированы Шестая и Седьмая Рамочные программы [1] по научным исследованиям и технологическому развитию Европейского Союза, бюджеты которых составили, соответственно, 17,5 и 54 млрд. евро. Именно эти программы являются одним из основных инструментов финансирования фундаментальных и прикладных исследований в Европейском Союзе. На основе форсайт-исследований, направленных на выявление долгосрочных приоритетных направлений, формируется научно-техническая политика Японии, США, других развитых стран, а также стран с переходной экономикой. Подобные исследования также востребованы крупными компаниями для определения их инновационной и инвестиционной стратегии в долгосрочном плане. В России исследования по определению приоритетных направлений с применением форсайт-методик также получают все более широкое применение. В частности, на основе таких исследований сформулированы и обоснованы подписанные Президентом РФ Д.А. Медведевым в июле 2011 года «Приоритетные направления развития науки, технологий и техники в 12 Российской Федерации» и «Перечень критических технологий Российской Федерации (2011 г.)» [2,3]. Вместе с тем, методология выявления ключевых трендов научнотехнического развития в условиях России проработана недостаточно. Поэтому работа, направленная на широкое привлечение вузов к проведению прогнозных исследований, является важной и актуальной. Новизна данной работы состоит в создании методологии выявления трендов в области ИКТ и актуализации прогнозных исследований, что позволит сформировать научно-техническую политику Российской Федерации в этой области и эффективно распределить финансовые средства для создания конкурентных преимуществ Российской Федерации. Данная НИР «Формирование технологического в сети научном отраслевых развития на приоритетному направлению системы». является Она плане является центров базе продолжением прогнозирования ведущих российских НИР научновузов по «Информационно-телекоммуникационные частью системы государственных заданий, выполняемых в интересах Минобрнауки. В качестве основной информационной базы для данной НИР использовались результаты НИР «Формирование сети…» и результаты контроля предметной области, осуществляемого повседневной деятельности. 13 учёными в ходе 1 Система монитринга и подготовки информации В данном разделе рассматриваются организационная, научная и информационная основа функционирования системы мониторинга. Техническая часть рассмотрена в разделе 4. 1.1. Общие вопросы функционирования системы мониторинга Обеспечивая информационные потребности пользователей системы о финансировании перспективных направлений развития, определенных на правительственном уровне, целесообразно описать и охарактеризовать следующие разделы информации. Основные виды продукции и технологии по выделенным направлениям, на разработку (совершенствование) которых направлены основные усилия. Сектора экономики, на которые предполагается наибольшее воздействие технологий, развиваемых в рамках рассматриваемого перспективного направления. Основные тренды и перспективные направления развития науки, технологии, техники и рынка в различных отраслях и секторах экономики. Долгосрочная привлекательность целевых рынков продукции. Оценка состояния исследований и разработок, которые ведутся в рамках перспективного направления в России, по сравнению с мировым уровнем. Соответствие направления, технологий, развиваемых магистральным в направлениям рамках перспективного научно-технологического развития индустриально развитых стран. Степень распространенности перспективного направления; технологий, их альтернативами. 14 развиваемых сопоставление с в рамках основными Для того, чтобы охарактеризовать основные тенденции и перспективные направления развития науки, технологии, техники и рынков, (в том числе целевых), в отраслях и секторах экономики, имеющих отношение к рассматриваемому исследованию, целесообразно [1-3]: - рассмотреть долгосрочные тенденции развития науки и техники на период 20 лет и более; - оценить перспективы развития науки, технологии и техники в рассматриваемом направлении; - определить возможность структурных сдвигов в развитии направления (появление новых технологий и продуктов); - определить основные факторы, которые повлияют на развитие рассматриваемого направления в будущем (возможные причины структурных сдвигов, появления новых технологий); - выявить новые технологии, которые с высокой долей вероятности могут появиться (быть внедренными в практику деятельности организаций), в ближайшие 10 и более лет; - определить, какие государства или субъекты хозяйственной деятельности могут претендовать на лидерство в рассматриваемой области; - рассмотреть технологические дорожные карты и другие долгосрочные прогнозы развития рассматриваемого направления; - оценить сроки выхода на рынок продуктов с новыми технологическими стандартами. Целесообразно также рассмотреть основные проблемы и вызовы в области развития науки, технологии, техники и рынков (в том числе, целевых) в отраслях и секторах мировой экономики, которые развиваются в рамках перспективного направления. В связи с этим, полезным является рассмотрение следующих вопросов: 15 - основные научные, технологические, рыночные проблемы, которые существуют в процессе проведения исследований и разработок; - характеристика технологических вызовов в рассматриваемом направлении исследований, разработок и производств. Для оценки состояния работ в России по сравнению с мировым уровнем целесообразно охарактеризовать: - соответствие уровня развития направления в России мировому уровню и степень отставания (опережения) по отношению к мировому уровню (существенно опережает; опережает; состояние работ аналогично работам, проводимым на мировом уровне; наблюдается отставание; наблюдается существенное отставание); - факторы опережения (отставания) от мирового уровня. Для того, чтобы охарактеризовать долгосрочную привлекательность целевых рынков продукции ТП, целесообразно: - охарактеризовать барьеры входа на российский рынок продукции ТП зарубежных конкурентов (перечислить основные барьеры входа, описать характер их влияния на конкурентную ситуацию на российском рынке, оценить потребность в государственном регулировании в этой сфере), а также барьеры входа российских производителей продукции ТП на основные зарубежные рынки. - оценить интенсивность конкуренции на российском рынке продукции по рассматриваемому направлению и определить: число конкурентов; присутствие крупных зарубежных компаний; степень концентрации основных конкурентов на освоении различных сегментов рынка - в какой степени пересекаются целевые сегменты основных конкурентов; 16 как часто происходят существенные обновления используемых технологий производства продукции ТП в России и мире; частоту и скорость смены поколений продукции ТП в России и мире и т.п. - указать основные барьеры на пути разработки и распространения технологий, которые предполагается развивать в рамках перспективного направления, а также основные факторы, способствующие разработке и распространению этих технологий; оценить преимущества и недостатки технологий, по сравнению с альтернативными, если таковые имеются. Информация, формируемая по итогам мониторинга, должна удовлетворять следующим требованиям: обеспечивать возможность комплексного изучения процессов, происходящих в высокотехнологичных исследованиях и проектировании продукции ИКТ; отражать динамику развития отрасли и обеспечивать аналитическую оценку прогноза состояния целостной системы и ее тренды; выявлять направления перспективных исследований, разработок и новых технологий, а также прогнозировать вывод на рынок в ближайшее время и на перспективу до 2030 года новых продуктов и услуг; обеспечивать информационную поддержку пользователей в процессе формирования государственной политики и принятия управленческих решений; обеспечивать информационные потребности государственных органов в процессе формирования рынков отечественной наукоемкой продукции; обеспечивать информационные потребности научного сообщества и бизнеса в понимании перспектив развития, масштабов и структуры исследовательского и производственного потенциала сферы ИТКС. 17 В качестве предметов мониторинга могут также рассматриваться следующие категории, имеющие непосредственное отношение к выбранному направлению исследований. Ведущие организации в сфере ИТКС. Показатели результативности инновационной деятельности. Инновационная продукция (основные перспективные продукты и технологии) в сфере ИТКС. Характеристика кадрового потенциала в области ИТКС (количество вузов, занимающихся подготовкой специалистов и уровень выпускников, исследователей). Характеристика российских исследовательских организаций в области ИТКС. Кооперационные связи в инновационной деятельности. Инновационный климат. Затраты на технологические инновации. Возможности обмена технологиями (коммерциализация результатов исследований и разработок). o Обмен технологиями внутри страны. o Обмен технологиями с другими странами. Инновационная инфраструктура. Доступ к информационно-коммуникационным технологиям. Ввиду высокой сложности описания как самих предметов мониторинга, так и взаимосвязей между ними, а также присущей им динамики, не представляется возможным в рамках настоящей работы разработать адекватную полномасштабную структурированную модель предметной области, обеспечивающую информационные потребности принятия решений 18 в области ИТКС. Поэтому, на основании вышеизложенного, выявленные в рамках мониторинга информационные объекты в процессе подготовки аналитических информационных материалов, предлагается интерпретировать в контексте следующих категорий: Обнаружение лидирующих организаций, перспективных продуктов, исследований и разработок, проблем и возможностей в области ИТКС в лидирующих странах и в России. Формулирование трендов, тенденций и инноваций в области ИТКС на основании материалов информационных объектов. При подготовке информационных аналитических материалов предлагается оценивать материалы мониторинга по следующим основным показателям. 1. Социальные и экономические последствия трендов и тенденций ИТКС. 2. Инновационная политика в области ИТКС. 3. Состояние готовности инфраструктуры и ключевых технологий в России и лидирующих странах. 4. Влияние ИТКС на инновационное развитие основных отраслей экономики. Предлагается характеризовать основные выявленные информационные объекты мониторинга в терминах следующих категорий и значений. 1. Сущность выявленного информационного объекта и его отношение к этапам жизненного цикла продукта, который подразделяется на следующие периоды. Состояние информационного объекта в составе жизненного цикла: Научные исследования и конструкторские разработки. 1. Фундаментальные исследования. 2. Прикладные научные исследования. 19 3. Опытно-конструкторские работы. Жизненный цикл инновационного продукта: 1. Этап внедрения продукта на рынок. 2. Этап роста объёмов производства. 3. Этап насыщения рынка и замедления роста производства. 4. Этап спада объёмов продаж. 2. Набор инновационных характеристик, имеющих количественное значение и представляющих собой технологические индикаторы информационного объекта, такие как: быстродействие, производительность, средства взаимодействия и другие, в зависимости от природы информационного объекта. 3. Текущее состояние технологических индикаторов информационного объекта. 4. Перспективные значения технологических индикаторов и периоды их достижения. 5. Оценка влияния информационного объекта на результаты производственной деятельности в различных отраслях. 6. Оценка социального влияния тренда информационного объекта на общественное развитие. 7. Оценка влияния на Россию, сила влияния и возможности России повлиять на развитие тенденций выявленного тренда, и, вероятно, другие анализируемые категории. 1.2. Организационная структура системы мониторинга Организационно система мониторинга включает: 20 - сеть центров прогнозирования на базе ведущих российских вузов, позволяющую координировать работу центров и избежать дублирования их усилий и функций; - базу данных с возможностью доступа с использованием графического интерфейса по адресу http://foresight.ifmo.ru/ (раздел 4) - систему академического поиска в сети Интернет по тому же адресу (раздел 6). Центры прогнозирования включают в себя одиннадцать научных групп на базе ведущих вузов в области информационных технологий – НИУ ИТМО, НГУ, СибФУ, МГУ, специалистов компаний ООО «АТДИА» и ООО «Мультимедиа Технологии» и т.д. Координацию и контроль работы осуществляет Департамент по работе с высокотехнологичными отраслями промышленности НИУ ИТМО. Контакты с исполнителями по техническим вопросам осуществляет группа поддержки сайта. Исполнители из числа научных групп каждый по своему направлению: осуществляют мониторинг информационных источников и внесение их в базу данных по адресу http://foresight.ifmo.ru/; осуществляют многоаспектный анализ информационных источников с помощью встроенных программных средств базы данных; формулируют вновь выявленные тренды; обеспечивают проведение экспертных панелей и экспертных опросов путём привлечения экспертов, ведущих ученых в этой области; представляют аналитические записки; публикуют выводы аналитических записок в научной литературе, докладывают их на семинарах и конференциях, внедряют выводы прогнозов в повседневной научной деятельности. Полученные от исполнителей материалы проходят валидацию: экспертными методами – опросами, панелями, семинарами; 21 доказательными численными методами (такими, например, как библиометрика). База данных обеспечивает удалённое внесение информационных источников, их многоаспектный анализ, контроль выполнения работ исполнителями. Система академического поиска обеспечивает получение следующей информации на основе анализа репрезентативной выборки по научным публикациям с разбивкой по годам и стране происхождения: долю публикаций по данной тематике; граф, демонстрирующих связь понятий, имеющих отношение к поисковому запросу; долю публикаций, упоминающих те или иные термины, связанные с поисковым запросом. Информация доступна как в текстовом, так и графическом виде. Нормативная база работы исполнителей включает в себя следующие документы. Приказы о создании центров прогнозирования в вузе. Положения о приоритетному центре научно-технического направлению прогнозирования по «Информационно-телекоммуникационные системы». Частные технические задания на выполнение конкретного этапа мониторинга. Рабочая программа выполнения этапа НИР, в рамках которого осуществляется мониторинг. Таким образом, созданная и рассмотренная в настоящем разделе работы система мониторинга имеет отлаженную структуру, оснащена современными и во многом уникальными информационными средствами и способна эффективно решать задачи научно-технического прогнозирования. 22 2. Система показателей и критериев активности научных исследований в области ИКТ Формализация аналитических процедур позволяет уменьшить неопределённость при выявлении трендов развития ИКТ. Поэтому задача формализации критериев оценки активности научных исследований является актуальной. Критерии по своему содержанию делятся: на качественные и количественные. Качественные позволяют учитывать понимание ситуации, имеющееся у экспертов в силу их профессиональных знаний и компетенций. Количественные - имеют более строгий, доказательный характер. В таблице 1 приведён перечень показателей и соответствующих им критериев пригодности. Таблица 1 - Перечень показателей активности научных исследований в области ИКТ и соответствующих им критериев № Показатель Количественные 1 Инвестиционная активность в направлении 2 Публикационная активность в направлении 3 Инновационность направления Качественные 4 Перспективность направления 5 Успешность исследований и разработок в направлении 6 Возможность получения высокого экономического либо внеэкономического эффекта от развития определенной технологии или появления определенного продукта Критерий Объем инвестиций в направлении Количество публикаций в направлении Процент инновационных проектов в направлении Наличие положительных прогнозов ведущих учёных и руководителей (стейкхолдеров) о перспективах развития направления Наличие значимых результатов НИОКР (открытий, патентов, изобретений) Прогноз высокого экономического или внеэкономического эффекта (на панелях, при опросах экспертов) Рассмотрим приведенные в таблице 1 критерии более подробно. 23 Инвестиционная активность в направлении является одним из важнейших показателей его перспективности. Он демонстрирует интерес бизнеса к направлению и косвенно указывает на большой потенциал коммерциализации в этой области. Показателем этого является превышение объема инвестиций объема текущей прибыли. Выбранный критерий позволяет выделить те направления, в которых инвесторы ожидают наиболее бурный рост инновационного развития. Информация по инвестициям в инновационные области в открытом доступе имеется, однако эта информация обычно не структурирована по научным направлениям. Публикационная активность в направлении характеризует интерес учёных к определённой проблеме. При использовании данного критерия следует принимать во внимание следующие обстоятельства: 1) для публикационной активности должны иметься какие-то (хотя бы промежуточные) результаты исследований; 2) количество публикаций может падать, если научная проблема составляет государственную или коммерческую тайну. Количество публикаций по запросу в значительной степени зависит от формулировки запроса. Скажем, некорректно сравнивать количество публикаций по целой области науки (например, по математике) с узким направлением (например, по проблеме гетеродинного приёма оптических сигналов). Совсем избежать указанного обстоятельства невозможно. В связи с этим, само по себе сравнение количества публикаций не информативно. Поэтому в качестве показателя следует использовать сравнение количества публикаций в течение определенного временного интервала. Базы данных, позволяющие оценить публикационную активность, находятся в открытом доступе. 24 Инновационный экономическое, проект правовое и проект, содержащий технико- организационное обоснование конечной - это инновационной деятельности. Итогом разработки инновационного проекта служит документ, включающий в себя подробное описание инновационного продукта, обоснование его жизнеспособности, необходимость, возможность и формы привлечения инвестиций, сведения о сроках исполнения, исполнителях. Кроме того, он учитывает организационно-правовые моменты продвижения проекта. Поэтому большой процент инновационных проектов в направлении свидетельствует об интенсивности его освоения и характеризует перспективу появления инновационных продуктов. Для анализа количества инновационных проектов целесообразно мониторить коллекторы таких проектов, как бизнес-инкубаторы, стартапцентры, технологические парки. Качественный показатель, характеризующий количество положительных прогнозов стейкхолдеров в той или иной области направления, является одним из основных ориентиров при проведении форсайтов. Однако даже лучшие учёные могут ошибаться, поэтому при использовании данного показателя основная проблема состоит в том, чтобы получить более или менее широкий спектр высказываний по ключевым направлениям развития. Объективная оценка значимости результатов НИОКР, патентов, изобретений требует четкого представления об объекте исследования, поэтому использование критерия успешности исследований и разработок в направлении нужно доверять только эксперту высокой квалификации, который в состоянии сам выбрать информационные источники для подобной оценки. Возможность получения высокого экономического либо внеэкономического эффекта от развития определенной технологии или 25 появления определенного продукта обычно оценивается по результатам опроса экспертов на панелях или при анкетировании. Внеэкономический эффект бывает двух типов: - рассматриваемая социальную функцию: технология улучшить позволит жизнь выполнить социально важную уязвимых слоёв населения, облегчить доступ к государственным услугам, улучшить экологическую ситуацию и т. п.; - рассматриваемую технологию необходимо развивать у себя по соображениям безопасности (военной, информационной, технологической). Результаты такой оценки приобретают особую важность в тех случаях, когда у отечественного производителя имеется шанс занять значительную долю мирового рынка в рассматриваемой области. Таким образом, предлагаемая система критериев позволяет гибко оценить как качественную, так и количественную характеристики процесса развития направления, определить результаты и перспективы его развития. Вместе с тем, ясно, что такая оценка требует компетентного, творческого и индивидуального подхода. Методика предлагаемой системе изложена ниже. 26 обобщения информации по 3. Методика выявления и прогнозирования трендов ИКТ На основе анализа имеющихся методов оценки и интеграции разноплановых критериев и показателей (например, метода расчёта средних площадей векторных многоугольников или функции Харрингтона) можно сделать следующие выводы. Эти методы дают только иллюзию доказательности получаемых результатов. Разнообразные показатели имеют разное влияние в разных диапазонах значений на общее качество исследуемого объекта, что легко иллюстрируется примером из спорта – ни линейные, ни какие-либо еще аналитические функции не способны корректно выразить соотношение результатов в различных видах спорта, поэтому в легкоатлетическом многоборье применяются табличные или таблично-аналитические функции. Эффективность применения методик рассматриваемого типа зависит от грамотного выбора коэффициентов важности (а лучше – табличной функции масштабирования для каждого критерия), в связи с чем результат определяется подобных неформальной исследований в значительной творческой работой мере исполнителя, и поэтому соотношение значений показателей, как правило, сильно зависят от уровня их подготовленности и личных воззрений на предмет исследования. Следовательно, имеющиеся методики применимы только для и одинаково-направленных критериев и показателей. Между тем, при проведении форсайтов с целью выявления и прогнозирования трендов в области ИКТ, когда необходимо оценивать влияние разнонаправленных факторов, необходимо учитывать не только количественные, но и большое количество качественных показателей. Отмеченные недостатки имеющихся 27 методик вызвали необходимость разработки настоящей методики, сущность которой изложена ниже. Предназначение методики – формализация процесса выявления трендов в области ИКТ с целью уменьшить влияние доминирования мнения отдельного исследователя на результаты форсайта. Вместе с тем, избежать влияния личности отдельного исследователя на результаты форсайта невозможно, и к выявленным трендам необходимо применять другие методы уменьшения произвольности результатов, для чего в методике используются доказательные методы – как качественные, так и количественные. Входными данными для методики являются критерии и показатели, перечисленные в главе 2; в случае необходимости их перечень может расширяться и дополняться. Список конкретных критериев следует выбирать для каждого исследования особо, ориентируясь на цели и задачи исследования, а также на возможности получения соответствующей информации. Методика включает в себя следующие этапы. 1. На основе экспертного опроса и анализа источников формируется предварительный перечень трендов. 2. Определяется перечень применимых показателей. 3. Определяются значения критериев для всех трендов. 4. Для каждого критерия определяются отличное и хорошее значение. 5. Определяются условия A, B, и С, где А – количество хороших значений критериев, при котором тренд считается пригодным; В – количество хороших и отличных значений критериев, при котором тренд считается пригодным; С – количество отличных значений критериев, при котором тренд считается пригодным. 28 6. Определяется допустимый диапазон ΔN количества отобранных трендов. 7. Тренды проверяются на пригодность. 8. Если количество пригодных трендов N не попадает в диапазон ΔN, корректируются условия А, В и С, либо критерии отличного значения и критерии хорошего значения. Таким образом, созданная методика позволяет дополнить экспертные оценки рядом формальных процедур. Она не способна в полном объеме заменить экспертную оценку при отборе трендов, но дает возможность упорядочить аналитические процедуры, применяемые при форсайте. В последующем данная методика будет доработана. 29 практически апробирована и Синим обозначены качественные процедуры, лиловым – строгие аналитические, оливковым – смешанные Рисунок 1 – Методика выявления трендов 30 4. Разработка состава и структуры БД и ПО, обеспечивающих многоаспектный анализ развития ИКТ 4.1 Система сбора и отображения информационно-аналитических материалов В ходе выполнения НИР разработана система, обеспечивающая многоаспектный анализ развития ИКТ для реализации информационной поддержки подготовки информационных аналитических материалов. Система подготовки обеспечивает формирование информации, полученной на основе мониторинга, в формах различного вида и степени детальности по следующим направлениям. Дополнительные или уточняющие сведения об известном тренде или сведения о новом или зарождающемся тренде. Сведения о важности тренда, а также степень и направление влияния тренда. Последствия влияния тренда на экономику, общественное развитие и экологию. О рынках продукции и услуг. Возможности России влиять на развитие тренда. Разработанная база данных обладает возможностью доступа с использованием графического интерфейса по адресу http://foresight.ifmo.ru/ на основе применения любого интернет-браузера. Системы разработана по технологии клиент-сервер в виде WEB-приложения с использованием СУБД PostgreSQL и технологии PHP. Схема базы данных представлена на рисунке 2. 31 Рисунок 2 - Схема базы данных проведения мониторинга. Ввод и корректировка данных по материалам выявленных информационных фактов осуществляется с использованием специально разработанной формы, содержащей необходимые атрибуты для описания сведения о перспективных разработках и трендах в сфере ИТКС (Рисунок 3). В процессе заполнения полей формы используются значения кодов из классификаторов, которые предварительно формируются и вводятся в соответствующие таблицы системы с использованием присоединенных форм. 32 Рисунок 3 - Фрагмент формы информационного материала В процессе выполнения работ, в рамках настоящего проекта, привлеченные эксперты просматривали выявленные источники информации, имеющие отношение к предметам и объектам мониторинга и фиксировали в базе данных сведения, которые так или иначе характеризуют перспективные направления развития ИТКС, способные оказать влияние на сегменты отрасли ИТКС. Эти работы выполнялись в закрытой части системы, доступной после введения login/password, определенных для каждого привлеченного эксперта. В системе также разработаны средства для представления из базы данных сведений, удовлетворяющих определенным критериям в соответствии со специально разработанной формой «запроса по примеру», которая представлена на рисунке 4. Форма находится в открытом доступе по адресу http://foresight.ifmo.ru/ict/ и позволяет сформировать критерий поиска по условию «И» для заданных 33 атрибутов. В результате выполнения поиска производится фильтрация и представление сведений, удовлетворяющих определенных в форме критериев. Как видно из рисунка 4, в полученном результате работы запроса выводится количество сведений, удовлетворяющих определенному критерию. Рисунок 4 - Форма для поиска сведений, удовлетворяющих введенным критериям Возможный результат выполнения запроса для просмотра сведений «Продукт», заданных полем «Категории сведений», представлен на рисунке 5. 34 Рисунок 5 - Результат выполнения запроса Кроме того, представленные сведения доступны для более полного представления после нажатия на их заголовок, как показано на рисунке 6. 35 Рисунок 6 - Дополнительная информация по материалу Правила заполнения формы информационных материалов. После ввода логина и пароля пользователю показываются доступные режимы работы в виде пунктов главного меню, представленных на рисунке 7. Рисунок 7 - Пункты главного меню Каждый из пунктов меню, в свою очередь, содержит подменю, пункты которого по большей части обеспечивают служебные операции. Основной режим работы - ввод и корректировка информационных материалов - выполняется при выборе пункта меню Материалы из главного меню. В процессе работы с системой необходимо придерживаться следующих правил. Обязательные для заполнения поля форм отмечаются значком «*». 36 После завершения ввода или корректировки информационных материалов необходимо нажать кнопки «Сохранить» и «Закрыть» или «Применить» для сохранения результатов ввода и корректировки. Каждая запись в базе данных характеризуется обязательным атрибутом «Статус», значением которого по умолчанию устанавливается «Не опубликован» и определяет фильтр использования данной записи. В частности, не опубликованные значения свойств в соответствующих категориях накладывают запрет на выбор этих значений в процессе заполнения формы «Материалы». Альтернативным значением атрибута «Статус» является «Опубликован», которое снимает ранее упомянутый запрет. Кроме того, применительно ко всем категориям данных атрибут «Статус» является параметром для использования в фильтре записей. В процессе заполнения полей со списком (отмечаются ) обеспечивается возможность конкретизации значения путем последовательного уточнения значения введением последующих символов и выбора из ранее определенного списка, а также расширения вариантов кодирования значений при нажатии на кнопку «Создать». При этом предлагается ввести необходимые значения полей и нажать кнопку «Добавить». Для сворачивания процедуры добавления и возврату к заполнению формы следует вторично нажать на кнопку «Создать». Еще одним способом определения списка значений при кодировании полей формы является использование пункта меню «Свойства» / «Значение свойств», которое позволяет сформировать Справочники для различных полей, в частности для полей: «Страна». «Источник сведений». «Категория». 37 «Срок реализации». «Организация». «Оценка состояния работ». «Источник информации». «Ключевое направление». «Ключевой результат». «Оценка влияния на Россию». «Сила влияния». «Возможность России повлиять на развитие». При использовании данного режима работы после выбора соответствующего справочника обеспечивается возможность добавлять и редактировать информацию, как показано на рисунке 8 для справочника «Источник сведений»: 38 Рисунок 8 – Веб-форма добавления и редактирования информации 4.2 Описание работы в режиме ввода и корректировки информационных материалов Для работы с информационными материалами необходимо выбрать пункт меню «Материалы» в результате чего открывается страница, предназначенная для выполнения поиска, ввода и корректировки информационных материалов – рисунок 9. Рисунок 9 – Веб-форма для поиска, ввода и корректировки информационных материалов В нижней части страницы в виде таблицы представлен список поисковых атрибутов, находящихся в базе данных информационных материалов и доступных для просмотра с заданным количеством строк на странице. С каждой строкой таблицы связана кнопка страница с формой , при нажатии на которую открывается для редактирования атрибутов соответствующего информационного объекта. Эта же форма открывается для ввода нового информационного материала при нажатии на кнопку верней части страницы. 39 , расположенную в В верхней части страницы располагаются элементы формы, позволяющие организовать поиск или фильтрацию строк таблицы путем кодирования поисковых значений в соответствующих полях формы, на основе которых образуется условие в соответствии с булевой функцией «И». При нажатии на кнопку выполняется фильтрация информационных материалов и представление в таблице только тех, которые удовлетворяют критерию фильтрации. Форма поиска может быть свернута при нажатии на кнопку . Как уже отмечалось, при нажатии на кнопку «Добавить» или «Редактировать», открывается страница с формой, позволяющей вводить и редактировать конкретный информационный материал. В случае добавления открывается форма с пустыми значениями полей, а в случае редактирования - с ранее определенными значениями полей вида, приведенного на рисунке 10. 40 Рисунок 10 – Веб-форма для редактирования информационного материала. - При вводе поля «Дата создания» значение даты по умолчанию устанавливается на текущий момент и в дальнейшем может кодироваться с помощью всплывающего календаря при установлении соответствующего значения, как показано на рисунке 11. 41 курсора в поле Рисунок 11 – Установка даты создания информационного материала - Значение поля «Автор» устанавливается по умолчанию в соответствии с выполненным входом в систему и может быть изменено администратором с помощью выбора автора из списка – рисунок 12. Рисунок 12 – Веб-форма ввода автора информации. - Значение поля «Категория источника информации» сведения определяется справочником «Источник сведения» и первоначально содержит следующие значения: «Интернет», «СМИ», «Тематическая и периодическая литература, базы данных публикаций», «Каталоги предприятий», «Каталоги участников тематических мероприятий», «Коммерческие аналитические обзоры» и «Другая категория». Имеется возможность расширить первоначальный список значений (рисунок 13). 42 Рисунок 13 – Веб-форма для ввода категории источника информации. В процессе ввода какого либо значения в поле со списком (здесь и в последующих полях такого типа) для повышения скорости ввода значений из предоставляемого списка предлагается начать ввод предполагаемого значения, сокращающий просматриваемый список значений, на основе совпадения с фрагментом, набранным с клавиатуры. В случае, когда отсутствует информация о содержании значений, необходимо нажать клавишу «Пробел» или ввести любой символ «а», «е», «и», который, как правило, присутствует в формулировках списка. Если необходимое значение в списке отсутствует, можно добавить его после нажатия на кнопку «Создать». - Сведения для поля «Источник информации» содержится в справочнике «Источник информации», который формируется в процессе работы с информационными материалами. Поле может содержать название и номер публикации информационного материала, а также другие сведения, идентифицирующие источник: например, «Статистические сборники Высшей школы экономики» http://www.hse.ru/primarydata/in2012. Формирующийся реестр источников информации на основе одноименного справочника представляет собой полезный результат процедуры мониторинга, и на основании анализа его состава можно судить о глубине проработки полученных аналитических отчетов. - «Ссылка» содержит URL адрес информационного материала и должно однозначно идентифицировать его местоположение в сети Internet. - Сведения для поля «Авторы материала» определяется из справочника «Авторы», который формируется в процессе заполнения информационных материалов. В случае необходимости добавления автора следует нажать кнопку «Создать нового автора» после чего открывается форма для заполнения сведений об авторе вида, представленного на рисунке 14. 43 Рисунок 14 - Веб-форма для ввода категории «Создать нового автора» Для завершения процедуры ввода автора необходимо нажать кнопку «Добавить автора», после чего можно выбирать автора из справочника. Для информационного материала может быть указано несколько авторов. Аналогично процедуру добавления и редактирования авторов можно выполнить из пункта меню «Авторы», как показано на рисунке 15. Рисунок 15 - Веб-форма для добавления и редактирования авторов из пункта меню «Авторы» - При заполнении «Код ключевого результата» (рисунок 16) открывается диалоговое окно, которое содержит список ключевых результатов, объединенных по категориям ключевых направлений. Необходимо выбрать соответствующий информационному материалу ключевой продукт. Добавление ключевых результатов и ключевых направлений при заполнении 44 формы «Материалы» не предусматривается и проводится из пункта меню «Свойства». Пример кодирования представлен ниже. Рисунок 16 - Веб-форма для кодирования ключевых результатов и ключевых направлений - Сведения для поля «Принадлежность организации» определяются из справочника «Организации», который формируется в процессе работы с информационными материалами. Организация выбирается из поля со списком. Если запись об организации отсутствует в справочнике «Организации», она может быть добавлена после нажатия на кнопку «Создать». - Сведения для поля «Страна происхождения» определяются из справочника «Страны», который формируется в процессе работы с информационными материалами. Если запись о стране отсутствует в справочнике «Страны», она может быть добавлена после нажатия на кнопку «Создать». - В поле «Заголовок материала» вносится название публикации об информационном материале. - В поле «Краткая аннотация» вносится реферативное изложение информации, содержащейся в информационном материале. - В поле «Содержание» заносятся полное содержание информационных материалов. Поле может содержать текстовую и графическую информацию. Инструментальная панель, расположенная над окном редактирования содержания материала, позволяет форматировать) форматировать графическими текст материалами. и управлять Обеспечивается (размещать и возможность присоединить к информационному материалу один или несколько файлов из файловой системы компьютера после нажатия на кнопку «Загрузить» - рисунок 17. 45 Рисунок 17 - Веб-форма для ввода полного содержания информационного материала. - В поле «Ключевые слова» через запятую заносятся ключевые слова и выражения, характеризующие классификационные и поисковые признаки, для последующего использования на этапе анализа и подготовки аналитических материалов. - Сведения для поля «Категория сведений» определяются из справочника и первоначально содержат следующие значения: «Технология», «Продукт», «Научное исследование», «Сегмент рынка», «Стандарт», «Другое» (указать). Имеется возможность расширить первоначальный перечень значений из пункта меню «Свойства». Пример кодирования показан на рисунке 18. Рисунок 18 - Веб-форма для кодирования категории сведений - Поле «Технологические характеристики сведений» содержит описание количественных значений параметров, действующих (если доступны таковые значения) и ожидаемых в перспективе, описанных в информационном материале. Поле может содержать только алфавитно-цифровые символы. 46 - Поле «Тренд» является обязательным и его значение может быть выбрано из ранее сформированного справочника «Тренды» в случае, если информационные материалы имеют отношение информационные материалы к действующему тренду. В случае, если позволяют сформулировать новый тренд, то необходимо определить характеристики нового тренда в полях, доступных после нажатия на кнопку «Создать», как показано на рисунке 19. Кроме того, дополнительно может быть установлена характеристика тренда занесением параметров нового тренда в поля формы. Рисунок 19 - Веб-форма для ввода параметров нового тренда - Поле «Наименование» формулирует наименование нового тренда и заполняется по аналогичной стилистике с действующими трендами. - Поле «Содержание тренда» формулирует содержание нового тренда и заполняется по аналогичной стилистике с действующими трендами. По окончании определения характеристик нового тренда необходимо нажать на кнопку «Добавить тренд» для сохранения введенных значений для последующего выбора. - Поле «Эффекты от действия тренда» содержательно формулирует эффекты от действия выбранного тренда, которые можно представить на основании информационного материала. - Поле «Оценка влияния на Россию» определяет оценку влияния информационного материала в контексте указанного тренда на Россию по шкале: «Угроза» или «Возможность». 47 - Поле «Сила влияния» определяет оценку силы влияния информационного материала в контексте указанного тренда по шкале: «Слабо», «Умеренно», «Сильно». - Поле «Возможности России повлиять на развитие данного тренда» определяет оценку возможности России повлиять на развитие данного тренда на основе информационного материала по шкале: «Слабо», «Умеренно», «Сильно». - Сведения для поля «Влияет на следующие виды деятельности» определяются из справочника «Вид деятельности», полученного на основе выборки из общеотраслевого классификатора видов экономической деятельности (ОКВЭД). В данном поле возможно указать несколько видов деятельности путем последовательного уточнения и выбора значений из справочника. - Поле «Характер и степень влияния» должно содержать описание характера и степени влияние информационного материала на указанные в предыдущем поле виды деятельности. Формулировка носит исключительно содержательный характер. Например, может быть сформулировано следующее утверждение: «В значительной степени способствует повышению бесперебойной деятельности организаций в процессе функционирования». - Поле «Эффекты социального влияния сведений на общество» должно содержать формулировки эффектов социального влияния информационных материалов на общество, например: «Обеспечивает расширение возможностей занятости сотрудников на дому» или «Обеспечивает улучшение ухода за престарелыми и инвалидами» и т.п. - Поле «Оценка состояния работ в России» кодируется, если информационный объект предполагает возможность определения оценки состояния работ в России для последующего использования в процессе формирования аналитического отчета. Значения кодируются из следующего набора: «Существенное опережение»; 48 «Опережение»; «Аналогично работам, проводимым на мировом уровне»; «Отставание»; «Существенное отставание». - Поле «Факторы информационный объект опережения-отставания предполагает работ» возможность кодируется, описания если факторов опережения-отставания для установленного значения «Оценка состояния работ в России». - Поле «Комментарий для последующего использования в анализе» позволяет сформулировать некоторое выводы по отношению к информационным материалам, существенные при использовании в аналитической записке. Это поле позволяет сформулировать и сохранить некоторые возникающие ассоциации в процессе работы с информационным материалом. - Поле «Ориентировочный срок реализации информационного объекта» кодируется значением, выбранным из предложенных интервалов: «До 2015 года», «В период 2016-2020 годов», «В период 2021-2030 годов», «После 2030 года». - Поле «Статус» определяет уровень завершенности работы с информационным материалом. Если работа с информационным материалом завершена, то можно установить значение поля «Опубликован» для последующего представления его в таком статусе. После завершения работы с информационным материалом их следует сохранить в базе данных путем нажатия на кнопку «Сохранить и закрыть» или «Применить». Выводы 1. Описанная в настоящем разделе система подготовки информационно- аналитических материалов технологического развития по выбранному приоритетному направлению «Информационно-телекоммуникационные системы» обеспечивает информационную поддержку выявления тенденций развития в области разработки и внедрения новых технологий, вывода новых продуктов и 49 услуг на рынок, а также формирование эффективных процедур принятия решений по управлению федеральными целевыми программами развития в сфере ИТКС. 2. Полученные в рамках созданной системы подготовки информационноаналитические материалы сектора ИТКС результаты будут способствовать: формированию современных взглядов на доминирующие тенденции в мировой и отечественной науке, промышленности и социально-политической области; объективной оценке характера влияния выявленных тенденций на результативность процесса формирования инновационного производства в Российской Федерации; качественному информационному обеспечению исследователей и разработчиков, по приоритетному направлению «Информационно-телекоммуникационные системы» и связанным с ним сферам деятельности. 3. Действенность и работоспособность системы подготовки информационноаналитических материалов подтверждена выполнением реальных исследований, которые показали, что она позволяет обеспечить сбор и отображение информационно-аналитических материалов по основным мировым и российским тенденциям развития сектора ИТКС. 50 5. Экспертные панели по прогнозированию развития ИКТ 5.1 Экспертная панель по вопросам локальных навигационных систем 29 ноября 2013 г. в НИУ ИТМО состоялось заседание экспертной панели по вопросам управляющих и навигационных систем, посвященное вопросам среднесрочного развития локальных навигационных систем. На данном заседании обсуждались в основном вопросы локального навигационного обеспечения, т. к. вопросы развития спутниковых навигационных систем рассмотрены в отчёте по НИР «Формирование сети отраслевых центров прогнозирования научно-технологического развития на базе ведущих российских вузов по приоритетному направлению «Информационно-телекоммуникационные системы» [4]. Во вступительном слове директор ДРВОП НИУ ИТМО, к.т.н., с.н.с. Фандеев А.Г. остановился на целевой установке выполняемого государственного задания; обозначил основные направления в области ИКТ, по которым осуществлялся мониторинг и анализ; указал роль и место «навигационного обеспечения», как одного из направлений в нём. В заключении докладчик отметил важность проводимого в рамках совещания форсайта, направленного на формирование будущих направлений (трендов) развития ИКТ в России в области локального навигационного обеспечения, как на ближайшую, так и на дальнейшую перспективу. Далее на заседании выступил эксперт по локальным навигационным системам ведущий инженер отдела ОКБ ОАО НПО «ЛЭМЗ», к.т.н., доцент Павлов И.Н. Его доклад был посвящен анализу и кратким выводам по аналитической записке: «Технологии информационных, управляющих, навигационных систем в части, касающейся локальных навигационных систем» (раздел 7.2). Присутствующим была 51 представлена презентация, а также содержащиеся в работе рекомендации и основные выводы (Приложение А). После доклада участники панели перешли к обсуждению направлений и формированию первоочередных тематик НИОКР в интересах их развития. Все участники дискуссии подчеркнули тесную связь между локальными и глобальными спутниковыми навигационными системами и необходимость их дальнейшего развития. Заместитель директора по научной работе Кировского филиала ОАО «Океанприбор» д.т.н., профессор Коваленко Ю. А. указал на некоторые недостатки, имеющиеся в записке. В частности, для освоения Арктики крайне высокое значение имеет вопрос подводной навигации и высокоточного позиционирования, не рассмотренный в данной работе. Кроме того, он рекомендовал внести в систему мониторинга данные о радионавигационном плане Российской Федерации и аналогичных документах других стран. Профессор кафедры бортового оборудования ГУАП, с.н.с. военного института научных исследований ВИКА им. Можайского, д.т.н. Филиппов А.А. отметил крайне интересную постановку задачи – концентрацию на локальных навигационных системах, и порекомендовал продолжать исследования в этом направлении. Также он рассказал об особенностях комплексирования спутниковых и локальных навигационных систем. Профессор кафедры РЭВ Михайловской военной артиллерийской академии, д.т.н., заслуженный деятель науки и техники Ульянов Г.Н. отметил, как недостаток, отсутствие в работе чёткой формулировки определения локальных навигационных систем, что вызывает трудности в понимании рассматриваемой предметной области. Начальник научно-исследовательского отделения Российского института радионавигации и времени Ковита С.П. проявил большой интерес к проведённой работе. Своё выступление он посвятил проблемам развития спутниковых навигационных систем GPS и ГЛОНАСС, проблемам надёжности спутниковой 52 группировки, конкурентным преимуществам отечественной системы ГЛОНАСС, а также длинноволновым локальным навигационным системам. В заключении участники совещания положительно оценили его итоги и выразили надежду, что подобные встречи станут регулярными. По итогам совещания аналитическая записка была доработана и дополнена с учётом всех замечаний, что повысило качество прогноза по указанному направлению. Экспертами был предложен и утвержден перечень НИОКР, предлагаемых к разработке в рамках ФЦП 2014-2020 гг. 1) Разработка локальной системы позиционирования и идентификации обслуживающего персонала, транспортных средств и потенциально опасных предметов в масштабах обеспечиваемых зон критически важных объектов различного назначения. 2) Разработка не радиоволновых и комбинированных методов позиционирования подводных аппаратов в локальной области пространства, в условиях сложной гидрологической обстановки, включая условия арктических морей. 3) Разработка комплекса технических средств локального позиционирования объектов в условиях чрезвычайных ситуаций. 4) Разработка технологии навигационного обеспечения объектов двойного назначения в локальной области пространства. 53 5.2 Экспертная панель по вопросам алгоритмов и программного обеспечения 5 декабря в НИУ ИТМО состоялось заседание экспертной панели, посвящённое обсуждению результатов научной работы по прогнозированию сектора ИКТ, выполненной Генеральным директором ООО "АТДИА" Генельтом А. Е. На заседании обсуждались следующие вопросы: прототипы компонентов перспективного системного программного обеспечения, обеспечивающие повышение производительности в обработки том числе информации и производительности труда программиста, достоверное доказательство выполнения требований, поддержку перспективных архитектур и др.; исследовательские модели и алгоритмы, адаптируемые к вычислительным системам нового поколения; прототипы программных систем и операционных систем с локально-асинхронными механизмами самоконтроля и парирования ошибок. Открыл заседание технологическими панели платформами начальник ДРВОП отдела НИУ по ИТМО взаимодействию Шутов В.Н. с Своё выступление он посвятил целям и задачам проводимой в рамках Государственного задания НИР, а также границе проводимых исследований. Затем, Генельт А. Е. доложил присутствующим о ходе и итогах проводимых им научных исследованиий в настоящей НИР. Он отметил большое значение проводимой НИР по прогнозированию мировых тенденций развития областей ИКТ как в России, так и за рубежом. Александр Евгеньевич подчеркнул, что выполнение работы было бы невозможно без методической поддержки центра долгосрочного прогнозирования НИУ ИТМО. Он выделил следующие этапы проделанной им работы. Занесение в БД информационных материалов. Их анализ и заполнение необходимых атрибутов тренд/продукт/технология, окно возможности, угроза и пр.). 54 (что за Написание аналитической записки с выводами (приоритетные направления для РФ, основные организации – носители потенциала, требуемые вложения, достигаемые эффекты). Участие в работе экспертных панелей. Для выявления новых трендов Генельт А.Е использовал имеющийся список трендов [4] и следующие показатели: Рост инвестиций в область. Рост публикаций по данной тематике Наличие значимых результатов НИОКР Ожидание высокого эффекта Информационные источники находились экспертом в следующих базах: Scirus http://www.scirus.com/srsapp/toolbar/index.jsp Академия Google http://scholar.google.ru/ Scienceresearch.com http://www.scienceresearch.com/scienceresearch/ Архив электронных публикаций http://xxx.lanl.gov/ Каталоги издательств ведущих университетов и исследовательских центров. Другие источники. База данных Форсайт Центра по адресу foresight.ifmo.ru. Разработанные программные средства существенно облегчили работу. Вместе с тем, докладчик указал на определённые проблемы с работой системы, связанные с выбором тренда, соответствующего той или иной публикации. В результате проведенных исследований Генельтом А. Е. были выявлены следующие тренды. Новые принципы биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных. Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах. 55 Перспективные языки и системы программирования, реализующие новые парадигмы. Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени. Развитие ИКТ, направленных на обеспечение безопасности человека. Далее, выступил профессор кафедры Санкт-Петербургского государственного политехнического университета Новиков Ф.А. Он отметил высокую актуальность выявленных трендов. По его мнению, дальнейшим направлением совершенствования системы могла бы стать онтологическая формализация трендов, что значительно облегчило и ускорило бы работу экспертов с системой. Заведующий лабораторией «Биоинформатика» кафедры ИТГС НИУ ИТМО Порозов Ю.Б. в своём докладе сообщил присутствующим о перспективах и направлениях развития систем биоидентификации и предсказательного моделирования и предложил, в рамках обсуждаемой НИР, наименование тематики в ФЦП: «Разработка комбинированных алгоритмов для предсказания и анализа крупномасштабных конформационных траекторий молекул белков. Новые алгоритмы динамического докинга, белок-белковые взаимодействия». Генеральный директор ООО «Системы автоматизации в образовании» Мельничук А.П. доложил о выполняемой под его руководством работе по оснащению автодромов ДОСААФ системами локальной навигации. Участники панели отметили хорошие перспективы подобной работы для российского рынка. В целом, можно сказать, что в силу высокой доказательности выводов А.Е. Генельта, полемики удалось избежать, а заседание экспертной панели имело более роль взаимного информирования. 56 6. Экспертные опросы и библиометрический анализ 6.1 Техническая реализация системы библиометрии Одной из важнейших задач в научной области является поиск и оценка информации, способствующей выявлению перспективных направлений развития научных исследований в национальной и интернациональной науке. Решение этой задачи - необходимая составляющая науки при достижении результатов мирового уровня, создания научно-технических заделов, обеспечения конкурентных позиций отечественных исследований на перспективных направлениях развития. Форсайтисследования, в основе которых лежит постоянный мониторинг экспертами передовых прорывных исследований, играют важнейшую роль в задаче определения приоритетных направлений в научных областях знаний. Проведение таких исследований, требующих поиска и анализа больших объемов информации, связано со значительными трудозатратами экспертов, поскольку подавляющую часть этой работы им приходится осуществлять вручную. Разрабатываемая поисковая система предназначена для частичной автоматизации работ во время проведения форсайт-исследований, связанных с задачами поиска и обработки данных для структурированного представления данных по имеющимся публикациям. Структурированное отображение информации, представленной в публикациях, способно сэкономить время при поиске информации, а также дать представление о состоянии дел в области, в которой происходит поиск и планируется исследование. Это позволяет быстро найти нужные публикации, проследить тенденции и тематические изменения в заданной области, оценить популярность различных направлений исследований, вовремя заметить новые направления развития в области. Традиционные поисковые механизмы, используемые в системах Google или Yаndex и возвращающие результат запроса в форме ранжированного списка документов, проводить такой анализ не позволяют. В основу предлагаемого решения заложены иные механизмы обработки данных и представления результатов запроса пользователю. Он заключается в 57 кластеризации полученных результатов запроса с аннотированием кластеров и отдельных документов и построении графа связи понятий. Результаты поиска по научным публикациям разбиты и упорядочены по годам, кластеры для каждого года упорядочены по размеру. Таким образом, анализируя по годам динамику развития публикационной активности, становится возможным оценить основные тенденции изменения тематики в области запроса, извлечь основные темы, наиболее популярные в каждом году, а также за весь запрашиваемый период. Для наиболее популярных тем, найденных для запроса, выводится динамика их популярности за указанный период и отображается графическая взаимосвязь между понятиями в области запроса, а также в сопряжённых областях. Система обеспечивает фасетный (с возможностью поиска по разным информационным полям) поиск. Для короткого описания каждого документа, найденного в результате поиска, используются ключевые фразы, что позволяет сразу оценить основные содержательные понятия документа. Дополнительно выводится и собирается статистика по числу публикаций национальных авторов по отношению к зарубежным, по числу совместных публикаций отечественных и зарубежных учёных. Указанное выше представление результатов запроса позволяет быстро проанализировать данные и выявить основные тенденции и тренды в области, увидеть взаимосвязь понятий, а также определить перспективные направления исследований для решения заданной проблемы, опираясь на современное состояние дел в области и существующие тенденции. Представленный прототип по набору функционала является уникальным и в настоящее время в системах академического поиска не представлен. Особенностью системы является специализация всех частей комплексного решения для решения задач академического поиска в области информационно-компьютерных технологий. Для этого производится специализированная разработка и настройка поискового робота и всех модулей блока обработки информации. Основные, наиболее известные в мировом сообществе академические поисковые системы: Scirus (http://www.scirus.com), Microsoft Academic search (http://academic.research.microsoft.com), Google scholar (http://scholar.google.com), CiteSeerX 58 (http://citeseer.ist.psu.edu/index), Medline Plus (http://www.nlm.nih.gov/medlineplus), Pub Med (http://www.ncbi.nlm.nih.gov/pubmed), представляют результаты поиска ранжированными списками (списки могут быть ранжированы по цитируемости найденных работ, по году их публикации и по другим параметрам). В некоторых системах добавлен перечень понятий в области запроса, позволяющий сузить область поиска. В указанных системах используются фасетный поиск, дополнительные фильтры (по годам, числу цитирований, по направлениям, по организациям и т. д.). Некоторые системы представляют информацию о рейтинге институтов, динамику цитирования автора по годам, динамику цитирования конкретной работы по годам, граф соавторства. Можно посмотреть ранжированный по цитируемости список основных авторов или список самых цитируемых работ по запросу. Несмотря на такой набор различных опций, вопрос визуального и структурированного представления информации и автоматического построения понятийных структур научных областей всё ещё остаётся открытым. Представление найденного результата в виде списков релевантных документов не всегда удобно, особенно с учетом того, что такие списки часто состоят из многих тысяч документов. В данном случае важно представить структуру предметной области с характерными для нее понятиями и связями между понятиями, показать, какие направления являются ключевыми. В разрабатываемой системе делается акцент на решение указанной задачи. Основное отличие разрабатываемой системы от уже существующих - это заточенность под форсайтисследования. Основной упор делается на структурирование и наглядную визуализацию данных, собранных в результате запроса. В ходе разработки предлагаемой системы были изучены научные работы в области визуального представления результатов поиска [5-9]. Акцент во многих из них делается на кластеризацию результатов запроса, а в ряде работ на использовании ключевых фраз для представления результатов поиска. Проблема извлечения ключевых фраз для аннотирования документов и использования аннотаций в прикладных задачах получила широкое развитие как самостоятельное направление в англоязычных публикациях [10-15]. К сожалению, прототипы систем, использующих кластеризацию результатов запросов, заявленные в рассмотренных 59 научных трудах, сейчас не доступны. Попытка найти функционирующие прототипы, описанные в работах, не удалась. Такое положение иллюстрирует необходимость запуска и поддержки реально работающей системы, способной предоставить функционал, представленный в исследованиях и научных работах. Указанная система академического поиска включает в себя как использование ключевых фраз, так и кластеризацию. Внедрение такой системы позволяет представить новый подход к академическому поиску и может стать основой развития инновационной технологии в области поиска и представления информации. Основной функционал системы включает в себя несколько способов представления результатов поиска пользователю: в виде ранжированного списка и в виде кластеров. Система также представляет граф взаимосвязи понятий в области запроса и динамику развития основных ключевых понятий в ней. Для начала работы с системой необходимо ввести поисковый запрос в виде отдельного слова, группы слов или словосочетания. Для поиска по словосочетанию его необходимо взять в кавычки. После нажатия на кнопку «поиск» появится результат поиска, представленный в виде ранжированного списка. Если кликнуть по найденному документу, то откроется окошко с аннотацией. В этом окошке можно кликнуть по названию статьи, в этом случае произойдёт переход на страницу со статьей в электронной библиотеке. Можно кликнуть по небольшой иконке, расположенной после статьи и авторов. Клик по иконке, находящейся после автора/названия приведёт к переходу на Google Scholar, где можно получить индекс Хирша автора (если он зарегистрирован в Google Scholar) или данные по цитированию статьи. В системе доступен функционал в виде выбора публикаций, которые должны быть представлены в результатах поиска: работы, авторами которых являются только российские учёные; работы в соавторстве с российскими учёными; работы без участия российских учёных; работы, для которых точная аффилиация в системе не была определена; все работы. В системе допускается поиск с дополнительными ограничениями. После того, как получен результат запроса (вкладка «Поиск» — основная страница поиска), доступен переход на одну из вкладок (рисунок 20), где будет 60 отражён результат обработки первых 1500 результатов. Рисунок 20 - Вкладки для просмотра результатов поиска Вкладка «Кластеры». Интерфейс вкладки представлен на рисунках 21 и 22. Доступен просмотр результатов отдельно за каждый год и за все года, что позволяет увидеть, как меняются основные темы по годам. На странице доступен поиск с ограничениями. На странице также представлен структурированный вариант результата запроса в виде групп тематически близких друг другу документов, группы аннотированы наборами ключевых понятий. Если размер группы больше 10 документов, доступно разбиение данной группы на подгруппы, для этого нужно кликнуть на «дополнительную кластеризацию». Темы кластеров, показывают основную тему кластера. Точная тема кластера может быть не определена. В правой части страницы приводится список основных, наиболее употребительных тем (для каждого года свой список), если кликнуть по одной из таких тем, то будет осуществлён поиск по данной теме. 61 Рисунок 21 - Интерфейс вкладки «Кластеры» Рисунок 22 - Кластеры и аннотации на вкладке «Кластеры» Вкладка «Граф». На вкладке (рисунки 23-24) отображается граф взаимосвязи основных понятий в области запроса пользователя. Граф можно приближать и отдалять, для чего используется колёсико мыши; если выделить мышкой вершину, то её можно двигать. Доступен просмотр связей основных понятий, представленных в каждый конкретный год. Для выбора года нужно кликнуть по надписи соответствующего года. Если поставить галочку в графе «Отображать полный граф», 62 то будут отображены все вершины со связями за весь период. В этом случае можно делать переходы между годами и смотреть, как изменяется популярность каждой из тем во времени. Размер вершины пропорционален числу документов по теме. Ободок вершины показывает тенденцию к увеличению (красный) или спаду (зелёный) числа публикаций по теме по сравнению со средним за предыдущие два года. Можно поставить галочку в графе «Отображать только значащие связи», тогда будут показаны только наиболее значимые связи. 63 Рисунок 23 - Граф на вкладке «Граф», показаны вершины и связи за 2008 год 64 Рисунок 24 - Граф на вкладке «Граф», показаны вершины и связи за 2008 год,включена опция «отображать только значимые связи» 65 Вкладка «Диаграммы». На данной вкладке (рисунок 25) отражается информация по двадцати наиболее популярным понятиям. Для каждого понятия выводится по 2 графика. Первый график (зелёный) показывает отношение числа публикаций с данным понятием по отношению к общему числу публикаций за этот год, если навести курсором мыши на столбик, то будет показано, сколько из работ с данным понятием за указанный год имеет аффилиацию, российскую/зарубежную. Второй график (красный) показывает, сколько раз были процитированы работы, содержащие указанное понятие и опубликованные в конкретный год. Рисунок 25 - Пример графиков на вкладке «Диаграммы» Таким образом, разработанный инструмент представляет собой рабочую систему, доступную в открытом доступе в сети Интернет. Она включает в себя реализацию современных методов обработки информации и предоставления результатов запроса пользователю: кластеризация результатов запросов, представление графа понятий и связей между понятиями в области, извлечение ключевых тем в каждый конкретный год и за весь анализируемый период, извлечение ключевых понятий для документов и сопровождение документов аннотациями. Система объединяет в себя три тренда, существующие в области информационного поиска: кластеризация и структурирование результатов 66 запросов пользователя, визуализация данных, представленных в результатах поиска, извлечение мета-данных для индексирования и представления документов, на основе обработки ключевых понятий. Структурированная форма представления результатов поиска, список основных тем, представленных в документах и графическое отображение структуры взаимосвязи тем и тематических понятий в области, позволяют: быстро находить нужный блок публикаций, отсеивая не интересующие целыми группами, для чего используются кластеры и аннотации кластеров; выделять основные тренды, в виде наиболее популярных в публикациях понятий; проводить оценку изменения по годам популярности основных в области тем; быстро и наглядно представлять структуру связей понятий, а также динамику изменения данной структуры; быстро и наглядно представлять связи заданной темы с понятиями смежных областей; быстро оценивать по графу положение заданной темы в контексте других тем, которые необходимо учитывать при работе в области, что способствует развитие системного подхода к анализу предметной области. Реализация функционала, обеспечивающего обозначенные выше возможности в системах поддержки проведения форсайт-исследований, позволяет упростить решение задачи оценки состояния дел в предметной области; делает возможным визуализировать структуру области; автоматически представлять тренды и динамику по направлению, заданному в запросе. 67 6.2 Библиометрический анализ по основным направлениям развития сектора ИКТ В таблице 2 приведены данные о количестве публикаций по ряду направлений, проанализированных в разделе 7. По большинству направлений сформулировано 1-4 поисковых запросов. Некоторые направления затруднительно свести к характерным запросам либо из-за широты рассматриваемых тем, либо в связи с пересечением ключевых слов по одному направлению с ключевыми словами подругими направлениями. Ниже приведены также данные и по ряду междисциплинарных запросов. Таблица 2 - Данные о количестве публикаций по направлениям развития ИКТ Направление Общее число публикаций в выдаче Публикации авторства российских учёных E-learning SocialWeb Location-based Grid-like Sensornetwork Quantumcryptography 12621 10227 45198 6762 15662 1482 33 16 417 96 72 136 Доля, % 0,26 0,16 0,92 1,42 0,46 9,18 Micro-UAV Cognitive network Anthropomorphicrobot Information safety Biometric IPS Informationalretrieval Datamining Softwareverification Machine learning Controlsystems 1425 14122 4438 20786 430 436 21541 25489 6040 13653 38017 10 50 28 109 7 6 111 199 32 20 433 0,71 0,35 0,63 0,52 1,63 1,38 0,52 0,78 0,53 0,15 1,14 Количество 68 Публикации, написанные в соавторстве российскими и зарубежными авторами Доля, Количество % 18 0,14 7 0,07 113 0,25 13 0,19 28 0,18 35 2,36 5 26 6 39 1 0 39 59 14 10 100 0,35 0,18 0,14 0,19 0,23 0 0,18 0,23 0,23 0,07 0,26 Соотношение публикаций, написанных в соавторстве, и авторства российских учёных 0,55 0,44 0,27 0,14 0,39 0,26 0,50 0,52 0,21 0,36 0,14 0 0,35 0,30 0,44 0,50 0,23 На рисунке 26 приведены процентные доли публикаций по поисковым запросам, написанные российскими авторами. Направление «Quantum cryptography» на рисунке не отображено, т. к. не укладывается в его масштаб. Рисунок 26 - Процентные доли публикаций по поисковым запросам, написанные российскими авторами (красным цветом обозначены публикации, написанные в соавторстве российскими и зарубежными авторами; синим цветом - публикации российских учёных) В целом публикационную активность отечественных авторов можно признать незначительной. Единственным, но очень ярким исключением являются данные по запросу «Quantum cryptography» (квантовая криптография). Среди остальных направлений доля российских публикаций наиболее значительна по следующим направлениям: Control systems (управляющие системы). Data mining (обработка данных, направление «Прототипы мультиязычных программных систем извлечения и формализации знаний из неструктурированной информации, а также перспективных средств их хранения и анализа»). 69 Location-based и IPS (Indoor Positioning System, направление Технологии локального позиционирования и идентификации в режиме реального времени). Biometric (направление «Прототипы основанных на новых принципах программных систем биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных, в том числе в целях использования биометрических данных в новых областях: социальный Веб, приложения, использующие геоконтекст, сохранность имущества, игры и др.»). Anthropomorphic robot (антропоморфный робот, направление «Прототипы биоподобных и антропоморфных робототехнических устройств, самообучающихся роботов, систем группового управления роботами»). Micro-UAV (микро-БЛА, область роботехники, междисциплинарный запрос). Grid-like (направление «Технологии доступа к широкополосным мультимедийным услугам»). Количество статей, написанных совместно российскими и иностранными авторами, для всех запросов меньше, чем количество статей, написанных только российскими авторами. В целом уровень кооперации можно оценить, как умеренный. Лучше всего взаимодействие осуществляется по направлениям, связанным с запросами e-learning, microUAV, cognitivenetwork и machinelearning. Использование системы академического поиска на примере запроса «Quantum cryptography» Так как выше мы установили большую публикационную активность российских учёных в направлении «Quantum cryptography», выберем его для детального анализа. Подобный анализ проводился для 3-10 запросов по каждому направлению, однако подробный разбор будет проведён только для «Quantum cryptography», в силу большого объёма материалов и отсутствия 70 целесообразности перевода материалов из электронного вида. На рисунках 27-29 приведён граф, построенный системой по запросу «Quantum cryptography». 71 Рисунок 27 - Граф, построенный системой по запросу «Quantumcryptography» (часть 1) 72 Рисунок 28 - Граф, построенный системой по запросу «Quantumcryptography» (часть 2) 73 Рисунок 29 - Граф, построенный системой по запросу «Quantumcryptography» (часть 3) 74 Анализ граф показывает, что среди используемых терминов трудно выделить наиболее часто используемый или связанный с большинством прочих терминов. Можно прийти к выводу, что понятийный аппарат, связанный с квантовой криптографией, на 2013 г. не имеет ярко выраженных терминологических максимумов. Термины имеют большую связность, их взаимодействие можно примерно описать, как «все за всеми». Это говорит о том, что в области квантовой криптографии нет единого поднаправления, на котором можно было бы сосредоточиться, все направления имеют примерно одинаковую значимость. Для примера приведена диаграмма по самому популярному термину, связанному с «Quantum cryptography» - «Bellstates» (состояния Белла) рисунок 30. Как видно из данных диаграммы, данный термин вызывал крайне большой интерес в 2005 году. Начиная с 2008 года, начался постепенный рост интереса к данному направлению, учитывая, что данные по цитированию в 2013 году не окончательные. В целом, это поднаправление можно оценить как перспективное 75 и находящееся на подъёме. Рисунок 30 – График на вкладке «Диаграммы» по запросу «Quantum cryptography» 76 7. Анализ материалов для прогнозирования ИКТ На заседании рабочей группы по «Информационно-телекоммуникационные обсуждения проекта Государственной приоритетному системы», программы направлению организованном Российской для Федерации «Развитие науки и технологий» на 2012–2020 годы (16 ноября 2011 г.) утверждены направления развития науки и технологий сектора. В состав Рабочей группы входили представители ведущих российских академических институтов и научных центров. Заседанием утверждены семь ключевых направлений развития науки и технологий сектора в области исследования, разработки и внедрений новых технологий и выводу новых продуктов и услуг на рынок по приоритетному направлению «Информационно-телекоммуникационные системы», а также перечень объектов мониторинга в каждом из них – всего 30. 1. Компьютерные архитектуры и системы: - прототипы элементов вычислительных систем, реализующих перспективные принципы сопряжения, информационного обмена и хранения информации; - исследовательские модели и прототипы компонентов вычислительных архитектур, построенных на новых парадигмах, в том числе: нейро-, био-, оптических, квантовых, самосинхронизации. 2.Телекоммуникационные технологии: - прототипы сетей и элементов коммуникационных инфраструктур с терабитовыми скоростями передачи информации; - прототипы сетей, реализующих новые принципы организации, в том числе: когнитивных, гибридных, адаптивных реконфигурируемых, гетерогенных сетей; 77 - прототипы систем с гарантированным динамическим выделением ресурса; - прототипы исследовательских сетей нового поколения, обеспечивающих передачу больших объемов данных, получаемых в результате научных экспериментов, распределенную обработку научной информации, совместную работу распределенных научных групп. 3. Технологии обработки информации: - прототипы формализации мультиязычных знаний из программных неструктурированной систем извлечения информации, а и также перспективных средств их хранения и анализа; - прототипы основанных на новых принципах программных систем обработки, поиска, анализа и визуализации информации, в том числе программных систем принятия решений и идентификации ситуаций на основе сверхбольших массивов и потоков данных; - прототипы программных систем анализа сложных трехмерных сцен по изображениям и видеоряду в режиме реального времени; - исследовательские модели и прототипы программных систем хранения, обработки и анализа сверхбольших мультикомпонентных потоков информации, в том числе медиаинформации. 4.Элементная база и электронные устройства, робототехника: · исследовательские и опытные образцы сложно-функциональных блоков интегральных схем с учетом качественно новых эффектов, в том числе взаимного влияния элементов и подложки; - опытные образцы микропроцессоров и коммуникационных СБИС на основе самосинхронной логики с локально-асинхронными самоконтроля и парирования ошибок; 78 механизмами - прототипы элементной базы на основе квантовых эффектов одноэлектроники, спинтроники и фотоники; - прототипы биоподобных и антропоморфных робототехнических устройств, самообучающихся роботов, искусственных нервных систем роботов, систем группового управления роботами. 5. Предсказательное моделирование, методы и средства создания и обеспечения функционирования перспективных систем: - прототипы программных систем предсказательного моделирования сложных систем (технических, социально-экономических, политических, транспортных и др.) и свойств физических, химических, биологических и других объектов с выходом на уровень предсказательной точности и сложности, недостижимой в настоящее время; - прототипы программных систем, реализующих новые модели природных процессов, процессов в обществе, гуманитарной сфере, киберпространстве и других областях, отвечающих новым вызовам и приоритетам развития науки и технологий; - прототипы программных систем автоматизированного управления большими системами (социально-экономическими, техническими, транспортными и т.д.) на основе новых принципов, моделей и процессов управления; - исследовательские модели, прототипы программных систем, в которых реализуются гибридные модели когнитивных механизмов и речемыслительной деятельности человека, технологии моделирования человеческого интеллекта; - исследовательские модели и прототипы устройств с новыми принципами организации взаимодействия «человек-компьютер». 79 6. Информационная безопасность: - прототипы средств защиты компьютерных инфраструктур на основе принципиально новых парадигм, в том числе квантовой криптографии и компьютинга, нейрокогнитивных принципов; - прототипы перспективных средств и программных систем защиты данных с учетом новых принципов организации информации и взаимодействия информационных объектов, в т.ч. глобальной интеграции инфо систем, повсеместного доступа к приложениям, новых протоколов Интернета, виртуализации, социальных сетей, данных мобильн. устройств и геолокации; - прототипы основанных на новых принципах программных систем биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных, в том числе в целях использования биометрических данных в новых областях: социальный Веб, приложения, использующие геоконтекст, сохранность имущества, игры и др. 7. Алгоритмы и программное обеспечение: - перспективные языки и прототипы систем программирования, реализующие новые и объединяющие существующие принципы, в том числе: объектно-ориентированные, функциональные, логические, языки спецификаций, программирование без программиста, предметно-ориентированные, программирование на естественном языке, с поддержкой доказуемости различных свойств программ; - прототипы компонентов перспективного системного программного обеспечения, в том числе обеспечивающие повышение производительности обработки информации и производительности труда программиста, достоверное доказательство выполнения требований, поддержку перспективных архитектур и др.; - исследовательские модели и алгоритмы, адаптируемые к вычислительным системам нового поколения; 80 - прототипы программных систем, реализующих новые модели организации параллельных вычислений; прототипы программных систем, реализующих новые принципы - распределенных вычислений на базе сети компьютеров и мобильных устройств частных владельцев; - прототипы программных систем и операционных систем с локальноасинхронными механизмами самоконтроля и парирования ошибок; исследовательские - модели и прототипы автоматизированных и автоматических систем анализа программ (включая доказательство их различных свойств) и преобразования программ (включая оптимизацию по разным критериям, распараллеливание, инверсию, композицию и вывод новых программ из существующих); - исследовательские модели и прототипы программных систем машинного обучения, основанных на новых методах и алгоритмах, в том числе обработки сверхбольших и разрозненных источников информации. В данном разделе НИР рассмотрены основные ключевые направления, проведен анализ объектов мониторинга по развитию науки и технологий сектора в области исследования, разработки и внедрений новых технологий и выводу новых продуктов и услуг на рынок «Информационно-телекоммуникационные по приоритетному системы»; выявлены направлению тенденции развития (тренды) в этой области в настоящее время, на ближайшую (2014-2020 гг.) и дальнейшую перспективу (2020-2030 гг.). Дополнительно в разделе были рассмотрены такие актуальные направления развития в области ИКТ, как «Технологии доступа к широкополосным мультимедийным услугам», «Технологии локального позиционирования и идентификации в режиме реального времени», «Технологии информационных систем», «Технологии управляющих систем». 81 7.1 Технологии доступа к широкополосным мультимедийным услугам Введение Основными мультимедийными широкополосными услугами в настоящее время являются: получение и передача данных, звука, видеоизображения. Направление развития номенклатуры и качества данных услуг лежит в области комплексного их предоставления через единую инфраструктуру. Технологии включают в доступа себя к развитие широкополосным программного мультимедийным обеспечения, услугам технологий и инфраструктуры доступа. Общими трендами, которые выделяются в процессе анализа отрасли, являются: Увеличение пропускной способности сетей. Расширение мультимедийного контента и спектра предоставляемых пользователям услуг. Решение проблемы перегрузки мобильных (беспроводных) сетей, перераспределение нагрузки между проводными и беспроводными сегментами. Построение новых сетей в регионах со сложными климатическими условиями на основе беспроводных технологий. Приоритетное развитие инфраструктуры в регионах и странах с высоким платежеспособным спросом. Увеличение помехоустойчивости, пропускной способности, скорости передачи, мультисервисности сетей. Поиск путей увеличения экономической эффективности бизнеса, основанного на передаче данных. Пользователями широкополосных мультимедийных услуг являются население (домашние хозяйства), государственные и частные учреждения. Доступ 82 к ним являются важным инструментом удовлетворения потребностей массового потребителя (населения) и участвуют в системе дистанционного образования, медицине, управлении сложными распределенными системами. Современные тенденции требуют сокращения транзакционных издержек на общение, организацию деятельности групп и различных процессов. Развитие технологий доступа к широкополосным мультимедийным услугам значительно способствует решению данных задач. Несмотря на то, что технология гетеродинирования (как радиочастотного, так и оптического) применяется в области связи уже давно, для ее использования в каналах с высокой пропускной способностью и доступностью необходим стабильный локальный источник радио или оптической частоты. В настоящее время технологии для получения таких стабильных сигналов уже предлагаются. Текущее состояние технологии (2012-2013 гг.) За последние 10 лет, начиная с 2000-х годов, технологии широкополосного доступа в сеть интернет и к мультимедийным услугам совершили качественный скачок в своем развитии. Рост скорости доступа и обмена данными происходил лавинообразно. Так, за 2012 год среднемировая скорость доступа возросла с 2.9 до 3.1 Мбит/c (годовой рост около 17%) [21,22]. Согласно отчету компании Akamai происходит также значительное увеличение мобильного трафика по всему миру, однако средняя скорость соединения варьируется от 0.4 до 8.6 Мбит/с и в большинстве случаев составляет около 1 Мбит/с. Лидирующими странами по скорости и качеству соединения являются Япония, Гонконг и страны ЮгоВосточной Азии. Россия в списке стран с лучшими характеристиками Интернета не значится. В России по состоянию на 2011 г. [23] действует один традиционный магистральный оператор магистральных цифровых сетей связи (ОАО Ростелеком), двенадцать альтернативных операторов (в том числе ОАО Мегафон, 83 ОАО МТС, ОАО Вымпелком и т.д.), три ведомственных оператора. Общая длина сетей составляет около 1 млн. км. [24]. В среднем ежегодно в России строится около 70 тыс. км новых волоконнооптических линий связи (ВОЛС) [25]. Объем выручки трех компаний лидеров от деятельности, связанной со строительством сетей связи, в 2011 г. составил 20,65 млрд. рублей. Основные технологии домашнего кабельного ШПД – ADSL, FTTB, FTTH, DOCSIS и Metro Ethernet. Развитие мировых мобильных технологий передачи данных опережает уровень развития в России. На мировом уровне получили свое распространение такие стандарты передачи данных как CDMA2000 EV-DO, HSPA, LTE, Mobile Wi MAX, TD-SCDMA. Российские технологии обеспечивают массовый доступ на уровне устаревших технологий GSM/EDGE, а сети LTE и WiMAX имеют слабое распространение. Согласно прогнозу компании Ericsson [26] к 2018 г. мировой трафик данных увеличится в 12 раз. Основными причинами данного скачка является увеличение объемов доступного контента (в основном передача видеоконтента высокой четкости) и рост скорости передачи данных в мобильных сетях по мере развития технологий HSPA и LTE. Уже в настоящее время происходит ускоренное развитие мобильного широкополосного доступа по сравнению с традиционным проводным. По статистическим данным [27], за период 2012-2013 г. объем мирового мобильного трафика данных увеличился в два раза, а общее количество подключений к сетям мобильного широкополосного доступа составило около 1.8 млрд. (45% годовой рост) Основные компоненты технологического оборудования российских сетей импортные. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) В краткосрочной перспективе скорость развития технологий доступа к широкополосным мультимедийным услугам прогнозируется на высоком и ускоряющемся уровне. 84 Развитие инфраструктуры сетей доступа, сервисов дополненной реальности, распределенных вычислений, технологий получения качественного аудио и видеосигнала, облачных технологий и сервисов будут являться драйвером развития. Основным трендом развития в краткосрочной перспективе является дальнейшее ускоренное развитие беспроводных сетей передачи данных, рост зон покрытия, скорости, снижение себестоимости оборудования. Так, согласно прогнозу ABI Research [28] 4G-сети опередят 3G по объему переданного трафика. В ближайшие пять лет поток данных в сетях 4G будет увеличиваться в среднем на 82,2% в год и в 2018 году превысит 100 эксабайт. При этом доля интернет-серфинга в общем объеме трафика достигнет 27%. Прогнозируется дальнейшее развитие технологий проводного широкополосного доступа для конечных потребителей, особенно DOCSIS, позволяющее увеличить скорость до 400 Мбит/c и более [29]. Основными факторами, влияющими на внедрение технологий, становится экономическая эффективность, скорость развертывание сети, совместимость оборудования с существующими сетями, готовность производителей поставлять оборудование, удовлетворяющее новым стандартам. Темпы развития технологий доступа напрямую зависят от роста объема трафика информации, передаваемой в сетях. В случае разработки инновационных алгоритмов сжатия, кодирования и раскодирования информации темпы разработки и внедрения инноваций в отрасли могут снизиться для ускорения окупаемости текущих проектов. Ввиду отсталого положения отечественной промышленности, перспектива массового внедрения российских технологий в производство коммуникационного оборудования крайне невелика. Однако есть хороший потенциал в области создания программного обеспечения по управлению оборудованием и сетями. Имеющийся кадровый потенциал в сочетании с низкой стоимостью рабочей силы и инфраструктурными изменениями в данном направлении со стороны 85 государства позволяют поддерживать высокий уровень разработок в области программного обеспечения. Драйвером развития технологий может выступать оборонный заказ в рамках поддержания уровня национальной безопасности. Распространение технологий и продуктов дополненной реальности будет повышать требования к инфраструктуре доступа к различным сервисам [30]. Данные технологии позволяют, совмещать виртуальный материал и окружающую действительность. По оценкам экспертов мировой рынок дополненной реальности к 2016 г. оценивается около 6 млрд. долл. США [31], а к 2020 г. будет насчитывать около 1 млрд. потребителей. Развитие «облачных» технологий также повысит требования к инфраструктуре доступа и будет генерировать дополнительный трафик в сетях. По оценкам экспертов Cisco произойдет 4-х кратный рост глобального трафика по сравнению с 2010 г. [32]. По данным агентства Forrest Researchк 2020 г. объем мирового рынка облачных технологий составит около 240 млрд. долл. США, в России объем ранка «облачный» вычислений к 2016 г. может составить около 5 млрд. долл. США [36]. Дополнительным мультимедийным драйвером услугам является развития развитие технологий технологий доступа к распределенных вычислений и супер-ЭВМ. Данные технологии позволяют формулировать и решатьактуальные задачи имитационного моделирования и обработки данных в сжатые сроки, однако требует эффективных каналов связи. Разработки в области лазерной физики (в том числе с учетом исследований и разработок научных институтов РАН) позволят заложить основы для дальнейшего развития технологий сверхдальней волоконно-оптической связи [33]. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Характер и скорость изменений в технологиях доступа к широкополосным мультимедийным услугам за период с начала 2000-х годов показывают бурное развитие данного направления. Поэтому прогнозирование на краткосрочную 86 перспективу возможно, в то время как на долгосрочную - является затруднительным. С учетом прогнозируемого дальнейшего развития и внедрения дополнительных информационных и визуальных потоков в повседневную жизнь, разработки новых стандартов передачи данных, углубится тенденция к развитию технологий доступа в сторону увеличения пропускной способности и географической доступности. Предел развития технологий доступа к мультимедийным услугам в настоящее время не определяется. Учитывая тенденцию к дальнейшему развитию технологий высокой четкости HDTV, многоканального Интернет-телевидения IPTV, IP-телефонии, других сервисов, требующих высокой скорости получения и обмена данными, прогнозируется, что пропускной способности оптических сетей инфраструктуры PON (пассивная оптическая сеть) технологии FTTH в 10 Гбит/c будет достаточно. Исследования и разработки в данном направлении уже ведутся [37]. Тенденции к снижению объема передаваемых данных не прослеживается, т.е. кардинальной смены парадигмы развития не прогнозируется. В рассматриваемый период получат распространения беспроводные технологии 5-G передачи данных, которые обеспечат потребности населения по доступу к контенту и электронным услугам, требующих высокой пропускной способности сети. Инвестиции в start-up компании целесообразно выполнять уже в настоящее время для увеличения эффективности инвестиций, т.к. исследования даже в мировом масштабе находятся на начальном этапе [35]. В России произойдет переход информационных мощностей государственных и бизнес-порталов в «облачную» структуру, что поставит решение проблем конфиденциальности и безопасности информации на первый план. [36]. Выполняемые программы исследований Российской академии наук и полученные научные и прикладные результаты в области лазерных технологий, 87 приборостроения, методов математического моделирования способны оказать влияние на развитие направления в отдаленной перспективе. Полученные ранее научные заделы позволят создать и развивать отечественные суперкомпьютерные технологии (на основе классических и компактных суперкомпьютеров терафлопсного класса, твердотельных квантовых суперкомпьютеров, соответствующего программного обеспечения для компьютерного моделирования процессов) которые, для своей эффективной работы, потребуют устойчивых, высокопроизводительны каналов связи [34]. Выводы Технологическое отставание России в ближайшей перспективе непреодолимо. Потенциальная ниша, которую можно занять, – это разработка отдельных технологических решений (возможно по заказу компаний-лидеров телекоммуникационной отрасли), которые будут встраиваться в разрабатываемые другими технологии, разработка программного обеспечения, обеспечивающего доступ и функционал мультимедийных сервисов. Приоритетным направлением финансирования деятельности в области доступа к мультимедийным услугам является подготовка квалифицированного персонала для системного программирования и разработки программного обеспечения. Другой составляющей успешного развития направления, основанного на разработке и создании программного обеспечения, является постановка конкретных задач и применение полученных результатов в различных отраслях. Прогноз эффекта от НИОКР видится затруднительным и зависит от степени успеха процесса встраивания разработок (в том числе программных продуктов) в технологические цепочки компаний лидеров в данной области. Продолжение финансирования профильных программ фундаментальных исследований Российской академии наук, способно, в отдаленной перспективе, оказать существенное влияние на развитие направления и технологий. Достигнутые в настоящее время научные и практические результаты позволяют заложить технологическую основу каналов связи с улучшенной 88 пропускной способностью, основу дальнейших шагов по внедрению результатов вычислений на суперкомпьютерах для практической реализации проектов в ведущих отраслях экономики страны. Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные исследования уже в настоящее время из-за специфики фундаментальных исследований и необходимого временного периода для создания технологий на основе научных достижений. 89 7.2 Технологии локального позиционирования и идентификации в режиме реального времени Введение Использование систем локального позиционирования людей и материальных объектов – одно из актуальных направлений совершенствования технологических и бизнес процессов в самых разных отраслях деятельности. От мониторинга передвижения пациентов, персонала и оборудования в больницах – до контроля местонахождения рабочих, сборочных единиц и инструмента на конвейере. От обнаружения пострадавших при пожаре – до наблюдения за поведением животных на свободном выпасе с целью выявления заболевших. Разнообразие областей применения и относительная новизна направления породили разнообразие технологий локального позиционирования. В качестве основных технологий, позволяющих идентифицировать и определить местоположение объекта в режиме реального времени в локальной области пространства, можно выделить RTLS (Real-time Locating Systems, система позиционирования в режиме реального времени), IPS (Indoor Positioning System), RFID (Radio Frequency IDentification, радиочастотная идентификация). RFID – системы автоматической идентификации объектов, в которых посредством радиосигналов считываются или записываются данные, хранящиеся в так называемых транспондерах, или RFID-метках [38]. RTLS — автоматизированная система, обеспечивающая идентификацию, определение координат, отображение на плане местонахождения контролируемых объектов в пределах территории, охваченной необходимой инфраструктурой. RTLS накапливает, обрабатывает и хранит информацию о местонахождении и перемещении людей, предметов, мобильных механизмов и транспортных средств с целью мониторинга технологических и бизнес-процессов, сигнализации об отклонениях от регламентов, а также для ретроспективного анализа тех или иных процессов и ситуаций [39]. 90 RTLS являются технологиями RFID второго поколения. IPS – системы локального позиционирования в режиме реального времени, построенные на базе мобильных устройств (смартфонов). Для использования IPS системы необходимо, чтобы клиент обладал мобильным телефоном для навигации и получения услуг, связанных с определением местонахождения в режиме реального времени [40]. Основными трендами, которые выделяются в процессе анализа отрасли, являются. Улучшение потребительских характеристик систем локального позиционирования в реальном режиме времени в рамках существующих технологий. Популяризация и расширение спектра услуг предоставляемых системами локального позиционирования в режиме реального времени. Решение проблемы электромагнитной совместимости c другими радиоэлектронными средствами, функционирующими в подобном частотном диапазоне. Создание систем локального позиционирования на базе принципиально новых технологий. Поиск путей увеличения экономической эффективности бизнес проектов, зависящих от позиционирования продукции в пространстве и времени. Локальные системы позиционирования в режиме реального времени возможно классифицировать по типу используемой технологии [41]: - позиционирование в сотовых сетях; - Wi-Fi позиционирование; - нерадиоволновые методы позиционирования; - системы позиционирования с использованием пассивных радиочастотных идентификаторов (RFID); 91 - системы позиционирования с использованием активных RFID; - позиционирование по технологии «ближнего поля»; - Ultra Wideband (UWB) позиционирование; - система позиционирования с использованием CSS и SDS-TWR; - система позиционирования с применением ZigBee сети и микроэлектронных акселерометров. По мере совершенствования технологий локального позиционирования, расширения возможностей и снижения цен расширялась и область применения. Вот только несколько современных примеров использования [42]. • Разведка и поиск пострадавших в зоне чрезвычайных ситуаций; • Повышение эффективности технологических и бизнес процессов: - получение наглядной картины движения участвующих в процессе людей и материальных объектов для оптимизации проведения реинжиниринга или регламентации сложных взаимосвязанных процессов; - выявление ключевых объектов, по поведению которых в дальнейшем возможно судить о ходе технологического процесса и получать своевременные сигналы в случае отклонений; - контроль соблюдения графиков поставки сложных изделий и комплексов (в т.ч. контроль движения комплектующих узлов по цехам и участкам предприятия); - оперативное оповещение о наличии отклонений от графика и отображение местоположения критичных для технологического процесса объектов; - инструментальный контроль движения объектов по технологической цепочке позволяющий детально фиксировать ход процесса (вплоть до номеров комплектующих и исполнителей каждой операции). • Снижение рисков и минимизация последствий чрезвычайных происшествий: - позиционирование во времени и пространстве обслуживающего персонала, транспортных средств, а также потенциально опасных предметов; 92 - оперативное установление местонахождения людей в масштабах зоны поражения, отслеживание их дальнейшего перемещения после возникновения чрезвычайного происшествия; - контроль выполнения мероприятий по эвакуации персонала из зоны поражения; - возможность анализа заархивированной информации при расследовании причин возникновения чрезвычайного происшествия и анализе действий персонала в процессе его ликвидации. • Защита охраняемых зон и объектов: - обеспечение мгновенного оповещения о факте проникновения персонала или гостей в запрещенные для них зоны с идентификацией личности нарушителя; - возможность комплексного использования систем локального позиционирования и видеонаблюдения с целью опознавания объекта, попавшего в сектор обзора видеокамеры, за счет его идентификации и позиционирования по метке системой; - автоматизация идентификации объектов с целью уменьшения нагрузки на персонал, снижения вероятностей ошибок идентификации и пропуска нарушителя, ложной тревоги, а также проникновения на объект вместе с захваченным сотрудником. • Контроль перемещения ценных, опасных объектов, а также объектов (в т.ч. носителей информации) связанных с коммерческой или государственной тайной: - оперативное и гибкое формирование зон, маршрутов и правил, регламентирующих поведение объектов, а также введение и прекращение действия сформированных регламентов; - обеспечение оперативной (например, при передаче смены) инвентаризации помеченных объектов, а также мгновенный поиск нужного объекта. • Предоставление информации для проведения объективного анализа ситуаций и процессов (в т.ч. анализа посещаемости того или иного объекта, маршрутов движения и т.д.). 93 Возможность решения приведенных задач позволяет успешно использовать системы локального позиционирования в таких важных областях как: - транспортная телематика; - медицинские учреждения; - логистика и управление производством; - системы автоматизации жилых помещений; - решение общих проблем повышения трудовой и производственной дисциплины; - повышение эффективности продаж в крупных торговых центрах; - в интересах силовых структур и ведомств РФ. Текущее состояние технологии (2012 – 2013 гг.) Радиочастотная идентификация и позиционирование в режиме реального времени – сравнительно новая область техники. Локальные системы позиционирования в режиме реального времени, появившись около 20 лет назад, уже довольно прочно вошли в жизнь и стали неотъемлемой частью многих процессов и механизмов. В настоящее время это динамично развивающаяся, самостоятельная отрасль, имеющая огромный потенциал. Основными вендорами на сложившемся мировом рынке являются такие зарубежные компании как Cisco, GE Healthcare, Awarepoint, Aeroscout Decawave, Ecived, Loc8tor, Samsung, Axcess International, Nanotron Technologies, Nokia, ZebraTechnologies Corporation, Ubisense, Skyhook Wireless, Mexens Technologies, Hewlett Packard, Syris Technology Group, Ekahau [43]. Ассортимент выпускаемой продукции, в основе которой лежат технологии локального позиционирования поистине огромен - от поисковых устройств для потерявшихся мелких вещей, (например продукция фирмы Loc8tor), до систем контроля технологических процессов, разработанных для таких гигантов, как Atlas Copco, Airbus Industrie и многих других. В настоящее время в технологии локального позиционирования инвестируют такие крупные корпорации как Menlo Ventures, Greylock Partners, Star Ventures, Pitango, Cisco Systems, MobileAccess, Intel, Convergence Partners, Woodside Fund, Rustic Canyon Partners и Investor Growth Capital, Siemens и Cingular [43]. 94 Объем мирового рынка RFID в 2013 году составил более 22 млрд. долл.. На сегодняшний день лидером в деле внедрения новых технологий RFID является США. Североамериканский рынок RFID, по мнению аналитиков VDC Research, будет развиваться быстрее других основных мировых секторов [44]. К 2014 году его объем вплотную приблизится к 5 млрд долл., а это примерно столько, сколько RFID-решений, по мнению VDC Research, потребляет сегодня весь глобальный рынок [45]. Российский рынок технологий RFID поделен между тремя игроками, объединенными под началом корпорации «РОСНАНО», – это компании «Ситроникс», «Систематика» и «Авангард». Объём рынка «Ситроникса» в 2013 году оценивается в 250 млн. долл. [45]. В настоящее время широкое промышленное внедрение IPS только начинается и такие компании, как Google, Apple, Nokia и Microsoft конкурируют в борьбе за бизнес стоимостью десятки миллиардов долларов, связанный с производством чипов, программного обеспечения, оказанием услуг и созданием инфраструктуры, что, несомненно принесет положительные результаты, хотя нынешние продажи все еще минимальны. В 2013 году компания Hewlett Packard получила заказ на 543 миллиона долларов от группы, в которую входят несколько госпиталей для ветеранов США. Данный заказ в 100 раз превосходит предыдущий рекорд внедрения RTLS [43]. В 2013 году мировой рынок IPS, RTLS составил $293 миллиона долларов [46]. Российский рынок IPS, RTLS в настоящее время только зарождается. Среди компаний, заявивших о себе представленными высокотехнологичными продуктами в области RTLS, возможно выделить две фирмы: ООО «РТЛС» и группу компаний ISBC. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) Необходимо отметить, что мировой рынок IPS, RTLS ежегодно увеличивается на треть, и такой темп роста прогнозируется на ближайшие десять лет, несмотря на рецессию [43]. 95 По прогнозам зарубежных исследователей мировой рынок IPS, RTLS продолжит свой рост. Так, например, по данным [47] рынок RTLS к 2022 году составит почти $4,3 миллиардов долларов. Это сравнительно легко объясняется, если учитывать дорожную карту развития этой технологии и вероятность возникновения новых предприятий в ближайшее десятилетие, а также последние тенденции в автоматизации в этой отрасли и связанные с ней сетевые сервисы, модернизацию управления инфраструктурой и т.д. Тенденции развития на долгосрочную перспективу (2020 – 2030 гг.) Российский рынок к 2022 году составит около 3% мирового рынка, а по объему превысит 3,5 млрд. руб. [48]. Основными трендами развития потребительского рынка услуг и оборудования, построенных на базе технологий IPS, RTLS, являются создание мобильных приложений, совершенствование навигационно-информационных услуг, продвижение, а также совершенствование трекеров и идентификационных меток [49]. Необходимо отметить тенденцию к постепенной интеграции технологий IPS и RTLS, что, несомненно, расширит интеллектуальные функции двух систем и обеспечит большую доступность информации и полноту оказываемых навигационных услуг в помещении [43]. В связи с прогнозируемым распространением технологий RTLS будут повышаться требования к инфраструктуре систем, однако это в меньшей степени касается IPS, где для определения местонахождения объектов с помощью технологий Wi-Fi используется инфраструктура, предназначенная и для других целей, а с помощью встроенных в мобильные устройства гироскопов, возможно решать задачи характерные для инерциальной навигации. Как и RTLS, технологии IPS будут обеспечивать прибыль от вспомогательных сервисов, но, учитывая непреодолимую тягу к инновациям в отношении функций и областей применения, практически невозможно предсказать истинный объем рынка на этой ранней стадии развития технологии [43]. 96 Стремительность распространения технологий локального позиционирования, а также активный рост количества ее приложений и успешных внедрений в перспективе, позволит окупать затраты на проекты в течение очень короткого промежутка времени. Выводы В ближайшей перспективе, несмотря на некоторое оживление в области производства систем IPS, RTLS, серьезно сократить отставание от основных вендоров в данной отрасли не получится. Однако потребность в технологических решениях отечественного производства объективно существует и прежде всего, для таких крупных заказчиков как: министерство обороны, министерство чрезвычайных ситуаций, специальные службы и ведомства (в силу специфики деятельности и ограничений на использование технологий и комплектующих зарубежного производства). Принятие на государственном уровне решений, направленных на обеспечение безопасности труда, предотвращения возникновения чрезвычайных ситуаций на критических объектах (объектах энергетики, крупных промышленных объектах), в основу которых будут положены технологии IPS, RTLS, сертифицированные для использования на территории РФ, даст толчок возникновения конкуренции среди отечественных производителей за овладение открывающимися нишами в данном секторе. Для успешного внедрения технологий локального позиционирования в режиме реального времени в будущем необходимо решить ряд важных задач таких как [41-42]: - снижение стоимости оборудования; - минимизация ограничений технологий; - выработка гибких решений в области оптимизации интеграции технологий с информационной средой обеспечиваемого объекта; - разработка «готовых продуктов» для обеспечения решения задач позиционирования и идентификации. 97 Рост мирового рынка технологий локального позиционирования и идентификации в режиме реального времени, популяризация использования технологических решений в интересах повышения эффективности бизнес проектов в различных сферах деятельности, приведет к активному развитию дилерских сетей ведущих вендоров в данной области на территории РФ. Открытие и проведение в ближайшее время НИОКР в области локального позиционирования должно принести эффект по следующим позициям. Научно-технический эффект характеризуется возможностью создания новых методов и способов локального позиционирования и идентификации объектов в пространстве в реальном режиме времени. Социальный эффект характеризуется степенью влияния технических разработок в области создания и внедрения систем локально позиционирования и идентификации в режиме реального времени на общественную безопасность, повышение качества жизни, улучшение условий труда, охрану окружающей среды и повышение качества медицинского обслуживания. Экономический эффект будет выражаться в снижении затрат при реализации бизнес проектов, повышении производительности труда, в том числе получением прямой экономии от освоения технических разработок в области систем локального позиционирования и идентификации в режиме реального времени, создании более эффективных систем, увеличении импортозамещения и возможном экспорте в отдельные страны технологий и разработок Российского производства. Скорейшее решение вопросов, связанных с финансированием отечественных разработок в области создания систем позиционирования и идентификации в режиме реального времени, позволит обеспечить благоприятные условия как для создания научно-технического задела в данной области в краткосрочной перспективе, так и выходу продукции отечественного производства на мировые рынки в будущем. 98 7.3 Телекоммуникационные технологии 7.3.1 Прототипы сетей и элементов коммуникационных инфраструктур с терабитовыми скоростями передачи информации Введение Современная коммуникационная инфраструктура представляет собой совокупность магистральных сетей, локальных сетей и сетей мегаполисов. В зависимости от среды передачи данных линии связи подразделяют на: проводные, кабельные (медные и волоконно-оптические) и радиоканалы наземной и спутниковой связи. Волоконно-оптические линии связи (ВОЛС) обеспечивают наиболее высокую скорость передачи данных, на их долю приходится большинство каналов передачи данных. Волоконно-оптический кабель используется как для дальней связи, так и для организации решений «последней мили» – подключения конечных потребителей по технологиям FTTx – «fiber-to-the-x». «Х» может представлять собой домашнее хозяйство (fiber-to-the-home – FTTH), строение (fiber-to-the-building – FTTB) или точку доступа (fiber-to-the-node – FTTN). Элементы ВОЛС подразделяются на активные и пассивные. К активным относят: источники и приемники излучения, усилители, регенераторы, мультиплексоры, демультиплексоры, коммутаторы и модуляторы; к пассивным – оптическое волокно, муфты [45-49]. Общими трендами, которые выделяются в процессе анализа отрасли, являются: Увеличение доли волоконно-оптических линий связи, в том числе между беспроводными узлами в сетях коммуникации. Рост объемов передаваемой информации. 99 Применение технологий фотоники для увеличения скорости передачи информации в фиксированных и беспроводных линиях связи. Построение мультисервисных сетей с интеграцией различных услуг. Текущее состояние технологии (2012 – 2013 гг.) Передача в реальном времени потоков аудио- и видеоданных, развитие облачных вычислений, центров обработки данных и бизнес-приложений приводит к необходимости постоянного увеличения ёмкости каналов передачи данных. Для увеличения пропускной способности магистральных волоконных сетей связи используются различные ключевые технологии – временное разделение и спектральное уплотнение. В последние годы получила широкое распространение технология когерентной передачи по оптическому волокну 100G, которая позволяет передавать данные со скоростью от 40 до 100 Гбит/с на одну оптическую несущую и обеспечивает максимальную пропускную способность в 8,8 Тбит/с. Сетевую инфраструктуру 100G поставляют компании лидеры в сфере телекоммуникаций: Alcatel-Lucent, Cisco, Huawei, NTT, Bell Labs. По прогнозу компании Dell’Oro, к 2015 году суммарный доход с развертывания каналов связи в 40 и 100 Гбит/с составит до $ 4,7 млрд [54]. Однако и 100 Гбит/c уже не предел скорости передачи данных в коммерческих системах связи. В феврале 2013 г. компания Alcatel-Lucent ввела в эксплуатацию 400 Гбит/с магистральную линию связи между Парижем и Лионом, обеспечивающую пропускную способность в 17,6 Тбит/с [50]. Россия, благодаря сотрудничеству с компаниями мирового масштаба, не слишком отстает от мирового уровня по скорости развертывания высокоскоростных коммерческих сетей. В октябре 2013 г. компания ТТК, которая является одним из крупнейших операторов связи в России, ввела в коммерческую эксплуатацию сеть связи с использованием когерентной технологии Ultra Long Haul (ULH) 100G на участках «Санкт-Петербург – Москва» и «Москва – Челябинск – Екатеринбург» [51]. Проект 100 реализован на современном телекоммуникационном оборудовании компании Cisco Systems, которое позволило создать самый длинный в мире участок (от Москвы до Екатеринбурга) безрегенераторной передачи в наземных сетях связи в коммерческой эксплуатации – 2600 км. Подобные проекты с различными зарубежными организациями поддерживают и другие российские компании – Мегафон, Национальные кабельные сети [48,52]. Таким образом, в ближайшее время ожидается увеличение количества коммерческих сетей 100G в России и в мире, ведутся разработки по их усовершенствованию, удешевлению, адаптации к повсеместному применению [53]. Среди решений «последней мили» наблюдается увеличение количества развертываемых широкополосных волоконно-оптических локальных сетей: согласно прогнозу ABI Research количество подключений по технологии FTTH достигнет в мире 23% к концу 2013 года [54]. В Японии технология FTTH применяется повсеместно и является наиболее распространенной. В США наиболее известными операторами, обеспечивающими FTTx- решения, являются компании Verizon и AT&T [46]. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) Согласно закону Эндхольма [55], в краткосрочной перспективе прогнозируется достижение скоростей передачи данных около 1 Пб/с в проводных сетях, до 300 Гбит/с в беспроводных и до 500 Гбит/с в мобильных сетях. Ожидается, что следующий прорыв в увеличении пропускной способности в магистральных телекоммуникационных сетях произойдет благодаря технологии цифровой когерентной передачи данных. Максимальная пропускная способность обычного одномодового волокна ограничена примерно 100 Тбит/с, что может привести к так называемому «кризису пропускной способности» в недалеком будущем. 101 Ведутся работы по направлению усовершенствования обычного оптического волокна с целью уменьшения потерь при распространении и увеличении отношения сигнал/шум [56], однако в данный момент в центре исследований по всему миру находятся технологии создания многоядерного волокна, реализующего пространственное разделение каналов (SDM). Данная технология являются потенциальной основой для преодоления кризиса и создания систем оптической связи с пропускной способностью более 100 Тбит/с. Существуют два вида дизайна волокна с SDM: объединение нескольких жил под одной оболочкой или мультиплексирование нескольких мод в одной жиле. В Японии – лидеру в области сверхбыстрой передачи данных - с 2010 г. ведутся национальные проекты по направлению развития SDM-технологии, в результате которых были представлены различные виды уникальных волокон, с помощью которых достигнуты высокие значения пропускной способности. Компании NTT удалось достичь скорости более 1 Пбит/с при использовании 12ядерного волокна, в то время как ученые из KDDI R&D Laboratories достигли пропускной способности более чем в 100 Пбит/с с помощью технологии многоядерного волокна [57,58]. Наряду с созанием многоядерных волокон быстрыми темпами идет разработка фотонно-кристаллических (hollow core photonic bandgap fiber – HC-PBGF) и микроструктурированных волоконных световодов [59, 60]. В России технология производства многоядерного волокна не разработана, кроме того, наблюдается отставание в области производства телекоммуникационного оборудования и используется в основном импортное оптическое волокно. Однако некоторые отечественные компании, к примеру Лаборатория Оптических Волокон [61], разрабатывают и производят фотоннокристаллическое и микроструктурированное стандартам мирового уровня. 102 волокно, соответствующее Модернизация инфраструктуры беспроводной связи в ближайшие годы будет заключаться в увеличении доли оптического волокна между беспроводными узлами в сетях коммуникации. Существует новый термин «волокно к беспроводной сети» (fiber-to-the-wireless - FTTW) для этого направления. По сравнению с традиционными FTTH / FTTB с фиксированным доступом, FTTW предлагает многофункциональность и относительные преимущества мобильных сетей, наряду с поддержкой POE (Power over Ethernet). FTTW лучше использует существующие сетевые ресурсы, особенно OLT / ODN сети, и может быть развернута в сочетании с FTTH и FTTB, что приведёт к снижению эксплуатационных расходов. Компания Huawei совместно с операторами совершенствуют FTTW технологию для ускорения развертывания беспроводных локальных сетей (WLAN). Благодаря FTTW технологии компании Huawei, организация Shandong Mobile успешно развернула WLAN мобильные сети в 17 городах Китая. К июню 2012 года Shandong Mobile насчитывала более 5 миллионов пользователей и 640000 точек доступа, охватывающих более 70000 «горячих точек». Согласно прогнозу Dell’Oro Group, рынок WLAN будет продолжать расти и принесет около 8 биллионов USD к 2015 году. Предполагается, что более половины глобального Интернет-трафика будет передаваться по сетям WLAN, и сочетание FTTx+WLAN станет основным подходом к широкополосному доступу в будущем [47]. Дальнейшая эволюция мобильных коммуникационных сетей связана с созданием беспроводных сетей на основе терагерцовой фотоники. Драйвером развития является общая тенденция быстро растущего спроса на мобильный трафик и появление приложений, требующих скорости передачи в 100 Гбит/с и более [55]: беспроводных локальных сетей, беспроводных персональных сетей, загрузки с интерактивного терминала, беспроводных соединений в центрах обработки данных, коммуникаций «чип – к – чипу», беспроводного расширения магистральных сетей, беспроводного соединения будущих базовых станций 103 сотовой связи с высокой пропускной способностью, «нано-ячеек», состоящих из высокоскоростных каналов передачи данных в сотовой сети. На данный момент под услуги мобильной связи отведен диапазон, находящийся около 60 ГГц с максимальной полосой пропускания в 7 ГГц. В таком диапазоне для достижения скорости передачи порядка 100 Гбит/с необходимо разработать системы с высокой спектральной эффективностью - более 14 бит/с/Гц, что весьма сложно. Альтернативный подход к скорости в 100 Гбит/с в условиях небольшой спектральной эффективности требует чрезвычайно высокой полосы пропускания - cвыше 20 ГГц. Такая большая полоса частот – незарезервированный спектр - существует лишь в ТГц диапазоне, т.е. от 300 ГГц до 3 ТГц. Системы связи, работающие на таких частотах, называются терагерцовыми. Идеи по созданию ТГц системы публикуются научными группами по всему миру [62- 64]. При создании ТГц-систем беспроводной связи возможны два подхода, связанных с применяемыми источниками: первый подход предполагает использование технологий фотоники для генерации ТГц-сигнала, а другой предполагает использование полностью электронных устройств. Технологии фотоники генерации ТГц сигнала являются наиболее мощной техникой для освоения данного диапазона частот под беспроводную связь, в частности, технология ТГц беспроводной связи не только будет прорывом в области беспроводной связи, но и позволит легче соединять беспроводную линию с волоконно-оптической сетью с точки зрения скорости передачи данных и форматов модуляции. Группа японских ученых сообщает о безошибочной передаче на несущей частоте 300 ГГц в режиме реального времени с самой высокой скоростью передачи до 40 Гбит/с для одного канала и до 48 Гбит/с для канала с поляризационным уплотнением [62]. Группе ученых из Германии удалось реализовать систему ТГц беспроводной связи со скоростью передачи в 100 Гбит/с [63]. Наконец, для применения многоуровневых схем модуляции для передачи в режиме реального времени со скоростями выше 100 Гбит/с, предложен 104 фазо-стабилизированный передатчик на основе оптической частотной гребенки. Работа такой схемы проверена экспериментально на несущей частоте 100 ГГц [63]. Недавно начата разработка ТГц усилителей, таких как усилители мощности и предусилители для передатчиков и приемников, соответственно, на основе кремниевой технологии. Использование таких усилителей сделает технологию беспроводной ТГц связи на основе фотоники более практичной. Одним из будущих подходов на основе фотоники должна быть интеграция фотонных и электронных устройств с использованием современных технологий изготовления, таких как кремниевая фотоника, чтобы сделать ТГц-трансиверы более компактными и экономически эффективными. Таким образом, многообещающие результаты, достигнутые за последние несколько лет в области ТГц фотоники, лягут в основу разработки, стандартизации и, наконец, внедрения сверхбыстрых систем ТГц связи. Исходя из сегодняшних данных, промышленное внедрение систем ТГц связи можно ожидать в не слишком отдаленном будущем, и это поможет справиться с текущим чрезвычайно растущим спросом на скорость беспроводной передачи данных. В России исследования терагерцового диапазона находятся на мировом уровне, в том числе проводятся исследования по терагерцовых систем в возможности применения телекоммуникациях. Например, Институт сверхвысокочастотной полупроводниковой электроники Российской академии наук успешно провел в 2011-2012 гг. исследование по возможности создания наногетероструктур для ТГц диапазона частот телекоммуникационных систем, но даже экспериментальные ТГц системы в России пока не разработаны. Однако, в случае постановки необходимых НИР по созданию технологий получения наногетероструктур для ТГц диапазона и базовых технологий изготовления транзисторов и монолитных интегральных микросхем (МИС) с последующим выполнением соответствующих ОКР, 105 в России возможно получение отечественной элементной базы терагерцового диапазона [64] и разработка ТГцсистем связи на основе чипов из GaAs. Локальные беспроводные высокоскоростные сети не единственное возможное применение терагерцовой фотоники в телекоммуникациях. С помощью высокомощных источников терагерцового излучения возможно создание «вертикальных» каналов связи со спутниками с высокой скоростью передачи данных. Возможности России повлиять на развитие данной области весьма велики: высокомощные ТГц – излучатели являются одним из основных направлений разработок ИПФ РАН, и уже созданы экспериментальные гиротронные системы с мощностью излучаемого терагерцового излучения от нескольких до сотен киловатт [65] . Тенденции развития на долгосрочную перспективу (2020 -2030 гг.) В долгосрочной перспективе прогнозируется конвергенция телефонных, компьютерных и телевизионных сетей в единую информационно- коммуникационную систему, дальнейшее увеличение объемов передаваемой информации, увеличение доли мобильных сетей. Предполагается, что оптическое волокно вытеснит все другие типы кабеля из употребления. Следующий скачок в увеличении пропускной способности оптоволоконных сетей передачи данных, скорее всего, будет заключаться в создании многоядерных полых фотоннокристаллических волокон, которые позволят увеличить количество спектральных каналов передачи на порядок, и при этом обеспечат передачу информации без дисперсионных потерь [60]. Применение данных волокон в системах телекоммуникации может достичь скорости передачи в 100 Пбит/с. Технологии терагерцовой фотоники обеспечат дальнейший прогресс увеличения скорости передачи данных в локальных беспроводных сетях вплоть до терабитовых скоростей на расстояния более 1 км [63]. 106 Выводы На сегодняшний день, состояние разработок техники и технологий коммуникационных инфраструктур в Российской Федерации таково, что в ближайшее время невозможно преодолеть отставание. Россия не слишком отстает от мирового уровня по скорости развертывания высокоскоростных коммерческих сетей, но только благодаря сотрудничеству с компаниями мирового масштаба и закупке импортного оборудования. Возможность прорыва и занятие соответствующей ниши в мировой системе коммуникационных услуг для России можно прогнозировать в следующих областях при наличии соответствующего государственного финансирования НИР и НИОКР: - создание технологий многоядерных полых фотоннокристаллических волокон (переход сразу на следующий уровень, предпосылка – наличие задела); - развитие терагерцовых технологий передачи данных, в том числе на спутники и со спутников (также переход на следующий уровень беспроводной связи, наличие мировых достижений по созданию малогабаритных ТГц генераторов, разработки по ТГц связи и оптике). Для получения научных и прикладных результатов мирового уровня в обозримом будущем необходимо уже сейчас осуществлять существенные инвестиции в фундаментальные исследования, университетах. 107 проводимые в РАН и 7.3.2 Прототипы сетей, реализующих новые принципы организации, в том числе: когнитивных, гибридных, адаптивных реконфигурируемых, гетерогенных сетей Введение Развитие человечества как природного феномена в значительной степени определяется прогрессом в методах коммуникаций всех видов. Среди наиболее зависящих от компьютерных коммуникаций можно отметить такие разделы человеческой деятельности, как научные исследования в физике, биологии, медицине; науках о земле, а также технологии создания и применения наноматериалов, космические технологии, технология разработки новых источников энергии и технология экономии энергии во всех видах и формах, разработка и усовершенствование транспортных средств. В основе современных коммуникаций лежат компьютерные методы передачи, хранения и переработки информации. В связи с этим невозможно переоценить значение компьютерных сетей в любых технологических формах и тенденции их развития. Особенно важным сегментом компьютерных сетей являются глобальные компьютерные сети, множество которых составляют Интернет. Развитие Интернета определяется современными вызовами, среди которых одним из главных является лавинообразный рост объёма хранимых, перерабатываемых и передаваемых данных. Проблема объёма данных имеет специальное название Большие Данные (или Вig Data - http://en.wikipedia.org/wiki/Big_data). Хотя проблема Больших Данных имеет много аспектов, в данном обзоре мы ограничимся рассмотрением этого феномена в отношении передачи данных большого объёма по Интернету. В свою очередь, это вызов (Big Data) инспирировал появление новых технологий оптимизации сетей. 108 Среди развитию лидирующих компьютерных технологических сетей, можно тенденций, отметить способствующих подход Программно- Конфигурируемых Сетей (ПКС или SDN — Software Defined Networks). Текущее состояние технологии (2012 – 2013 гг.) Для изучения, развития и внедрения технологии ПКС была создана всемирная коллаборация Open Networking Foundation (ONF) – организация, которая была специально создана для популяризации и продвижения ПКС на базе протокола Open Flow. В числе учредителей компании, которые владеют или управляют крупнейшими компьютерными сетями в мире: Deutsche Telekom, Facebook, Google, Microsoft, NTT Communication, Verizon и Yahoo. Общее число компаний-участников превышает 70. Официальный документ ONF [66] описывает проблемы, с которыми не в состоянии справиться компьютерные сети, построенные по традиционной архитектуре, отличия ПКС и их потенциал. Прежде всего, дается определение ПКС: в архитектуре ПКС плоскости управления и данных разделены, информация о сети и ее состоянии логически централизована, сетевая инфраструктура абстрагирована от приложений. В результате операторы сети получают беспрецедентные возможности автоматизации и управления, что позволяет строить высоко масштабируемые и гибкие сети, способные быстро адаптироваться к изменяющимся требованиям потребителей. Коллаборация ONF строит экосистему вокруг ПКС, объединяя для этого крупных и мелких производителей сетевой инфраструктуры (на последней конференции в апреле 2013 присутствовало примерно 1600 участников), компьютерные компании, разработчиков ПО, пользователей, и выражает уверенность в том, что будущие сети будут все в большей степени полагаться на ПКС. Это позволит трансформировать существующие системы в гибкие, программируемые платформы, способные динамически распределять ресурсы, масштабироваться в необходимых пределах и гибко перенастраивать облачные сервисы. Основные преимущества Open Flow: 109 - централизованное управление оборудованием различных производителей; улучшенная автоматизация за счет использования общего программного интерфейса, который скрывает ненужные элементы сети от систем управления и приложений; относительно быстрые инновации, благодаря возможности предоставлять новые сервисы и возможности без необходимости реконфигурирования отдельных устройств и ожидания новых выпусков ПО от производителей оборудования; сетевые устройства, производителями, но которые и программируются операторами сетей, не только независимыми разработчиками ПО и даже пользователями, предоставляют всем новые возможности; повышение надежности сети и ее безопасности – как следствие централизованного и автоматизированного управления сетевыми устройствами, проведения единых политик и уменьшения числа ошибок при конфигурировании; более тонкое управление сетью с возможностью применения самых разных политик на уровне сессий, пользователей, устройств и приложений; централизованная информация о состоянии сети дает возможность адаптировать ее поведение для лучшего удовлетворения требований пользователя. Анализ современной научно-технической и методической литературы показывает, что архитектура ПКС на базе протокола Open Flow вызывает наибольший интерес. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) 110 Анализ современной научно-технической и методической литературы показывает, что наибольший интерес вызывает архитектура ПКС [66-69,73]. По мнению автора настоящей записки, интерес к такому подходу сохранится и усилится. Одновременно, в связи с лавинообразным ростом объёмов данных в Интернете, вырастет и интерес к системам передачи данных большого объёма [7072,74-80]. Представление о больших объёмах данных быстро меняется со временем в сторону увеличения (десятки-сотни Тера байтов и более в 2013). Тенденции развития на долгосрочную перспективу (2014-2030 гг.) На большой период времени (16 лет) дать описание направления тенденций представляется возможным лишь в самых общих чертах. Ситуация в вычислительной инфраструктуре и в частности в сетевых технологиях меняется весьма значительно (внедрение новых технологий в том числе) каждые 3-5 лет. Так, начиная с 1990 года, сетевой трафик в глобальной сети ES.net рос на порядок каждые 3-4 года. Представляется очевидным, что развитие технологий в распределённой ИТ инфраструктуре будет продолжаться примерно таким же или более быстрым темпом, в сравнении с тем, что уже наблюдалось к текущему году (2013). Выводы Необходимо продолжать наращивать финансирование работ НИР и НИОКР в упомянутых направлениях, чтобы уменьшить отставание России в этих областях. Финансирование таких работ будет способствовать появлению экспертного сообщества, которое сможет как обучать специалистов в данной области, так и участвовать в бизнес проектах большого масштаба. 111 7.3.3. Прототипы систем с гарантированным динамическим выделением ресурса Введение Технологии планирования динамического выделения ресурса разрабатывается с момента появления систем пакетной обработки, когда требуется организовать вычисления так, чтобы в заданном интервале времени были решены задачи из установленного списка, и систем реального времени, когда в каждый момент времени установленного интервала требовалось обеспечить заданный уровень того или иного ресурса. Такие системы успешно справлялись со своими задачами в рамках конкретных компьютерных систем. С появлением технологий распределенных вычисления в рамках локальных и глобальных систем задача планирования существенно усложнилась, т.к. в ней появлялись дополнительные факторы – типы вычислителей, пропускная способность каналов связи и др. С появлением облачных технологий понятие «ресурс» существенно расширилось. Если до конца 90-х годов речь шла о технических параметрах ресурса (процессорное время, память и др.), то в настоящее время идет смещение в сторону предоставления сервисов с заданным уровнем качества, в том числе QoS [81]. Общими трендами, которые выделяются в процессе анализа направления, являются. Новые интерфейсы. Появление высокоскоростных (100 Гб/с и более) беспроводных каналов передачи данных, а также высокостабильных беспроводных каналов связи. Появление дополнительных сервисов, требующих непрерывного доступа в сеть Интернет. Развитие облачных сервисов и распределенных вычислений. 112 Развитие проводной и беспроводной инфраструктуры доступа в сеть Интернет. Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах. Новые принципы организации компьютерных сетей. Развитие грид-технологий. Рост объема передаваемой информации. Сети, реализующие новые принципы организации, в том числе: когнитивные, гибридные, адаптивные. На развитие анализируемого направления повлияет не только рост вычислительных мощностей и пропускной способности интернет соединений, но и развитие облачных сервисов и их разнообразия, реализация новых принципов организации вычислительных сетей, в том числе развитие грид-технологий, внедрение новых типов интерфейсов. В краткосрочной и долгосрочной перспективе основные тенденции развития систем с динамическим выделением ресурса будут отталкиваться от предоставления облачных сервисов надлежащего качества. Динамическое выделение физических ресурсов будет определяться, исходя из требований качества оказания услуг, и не будет заметно для конечного пользователя [82, 83]. Текущее состояние технологии (2012-2013 гг.) В настоящее время системы с гарантированным динамическим выделением ресурса реализуются в облачных технологиях первого поколения (технологии IaaS, PaaS), в которых успешно применяется виртуализация ресурсов: когда на выделения виртуальных устройств с заданными характеристиками определяются необходимые вычислительные ресурсы, распределенные в сетевой среде [84, 85]. Такие решения в настоящее время активно используется бизнесом, когда дешевле 113 и проще арендовать требуемые ресурсы, а не развертывать и поддерживать у себя соответствующую вычислительную инфраструктуру. В научной среде реализация расчетных задач осуществляется в виде потока работ (WorkFlow), каждый элемент которого размещается в той или иной части гетерогенной вычислительной среды. При этом среда может состоять как из физических, так и виртуальных ресурсов [86]. В определенные промежутки времени тот или иной физический ресурс занят, в другие промежутки – свободен. При этом для ряда WorkFlow могут устанавливаться жесткие ограничения по времени завершения его работы (deadline). В таком разнообразии задач разработано множество алгоритмов планирования, которые в частности отталкиваются от «дидлайнов» [86, 87], временных окон и отложенных вычислений [88]. В связи с нарастающей сложностью потоков работ и гетерогенных вычислительных сред стали применяться так называемые мультиагентные планировщики с центральным узлом планирования или без такового. Планировщики с центральным узлом могут использовать подход аукционов между агентами [89], без центрального – метод переговоров [90]. При всем разнообразии технологий планирования использования ресурсов, основанных на разных алгоритмах, включая эволюционные, по-прежнему остаются «белые пятна» в этой области. В [91] обозначена часть из них, в том числе учет надежность и доступности ресурсов. Гарантированное выделение ресурса в рассматриваемый период возможно за счет управления арендуемыми ресурсами, например, Amazon EC2 [92, 93], но возможности в настоящее время ограничены. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) Развитие облачных технологий, которое является надстройкой над распределенными высокопроизводительными средами (в т.ч. гриды), не ставится под сомнение. Это подтверждает представленная на рисунке 31. 114 динамика популярности запросов, Рисунок 31 - Динамика популярности запросов HPC (синий), Cloud Computing (красный), Grid Computing (темно желтый), Supercomputer (зеленый), Personal Cloud (фиолетовый). На рисунке отмечается стабильно высокий уровень запросов по облачным вычислениям и рост в последние годы интереса к «персональным облакам». В данном аспекте и в тенденции роста числа вычислительных комплексов, их доступности, повышения их энергоэффективности и разнообразия [94, 95], будут развиваться преимущественно мультиагентые планировщики. Они же будут эффективны при управлении арендуемыми ресурсами (выделение ресурса в реальном режиме времени) [96], среди которых будут не только вычислители, но и дополнительные каналы связи. При росте вычислительной мощности область применения точных алгоритмов планирования будет расширяться, однако главенствующая роль будет оставаться за приближенными алгоритмами, которые будут постоянно модифицироваться и совершенствоваться. Также алгоритмы планирования будут осуществлять оптимизацию передачи больших объектов данных, которая станет возможной за счет быстрого роста пропускной способности интернет соединений. Также на данный критерий влияет развитие направления квантовых компьютеров и квантовых вычислений. Несмотря на смелые заявления о создании в 2015 году работающего квантового компьютера с 4000 кубитов, способного решать задачи дискретной оптимизации [97, 98], утверждать, что возможно использование точных алгоритмов для планирования исполнения заданного количества WorkFlow в заданной вычислительной среде будет в этом десятилетии 115 преждевременно. Тем не менее, можно говорить о разработках соответствующих квантовых алгоритмов. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) На долгосрочную перспективу развитие анализируемого направления можно оценить с позиции роста вычислительной производительности элементов облачных сред и начала оказания коммерческих услуг по аренде процессорного времени квантовых компьютеров, т.к. по прогнозу большинства аналитиков универсальный квантовый компьютер, который можно купить, может появиться не ранее 2025 – 2030 гг. [99, 100]. Также будут внедряться технологии размещения квантовых битов на кремниевых микросхемах [101]. Все это позволит выполнять планирование динамического выделения ресурса с помощью точных алгоритмов, что не возможно на классических компьютерах. В таком аспекте можно говорить о модификации алгоритмов планирования выполнения WorkFlow, часть которого выполняется на квантовом компьютере. До момента начала коммерческих продаж универсальных квантовых компьютеров, будут преобладать мультиагентные алгоритмы планирования динамического выделения ресурса, основанные преимущественного на приближенных методах нахождения оптимального решения. Выводы В анализируемом направлении технологическое отставание России незначительное и его при соответствующих мерах, возможно, преодолеть в ближайшие 5-7 лет. В разработке квантовых компьютеров Россия также может достойно представлять себя в мировом сообществе за счет научных успехов в области оптики и нанотехнологий. В части программного обеспечения планирования динамического выделения ресурса наша страна имеет достаточный задел (развитие облачных платформ), в том числе второго поколения. Приоритетным направлением финансирования деятельности в разработке средств планирования динамического выделения ресурса является подготовка квалифицированных аналитиков и программистов, а также специалистов в 116 области квантовой оптики. На ближайшую перспективу важное место здесь занимает подготовка программистов с аналитическим уклоном. Другой составляющей успешного развития направления, основанного на разработке и создании соответствующего программного обеспечения, является постановка конкретных задач и применение полученных результатов в различных отраслях, в том числе в создании облачных платформ второго поколения, работающих в распределенной гетерогенной вычислительной среде. Прогноз эффекта от НИОКР видится затруднительным и зависит от степени успеха процесса внедрения разработок тех или иных видов ресурсов, а также степени успеха в разработке универсальных квантовых компьютеров. Для получения научных и прикладных результатов мирового уровня в прогнозируемых периодах необходимо осуществлять уже сегодня инвестиции в фундаментальные и прикладные исследования, а также в НИОКР. 117 7.3.4 Прототипы исследовательских сетей нового поколения, обеспечивающих передачу больших объемов данных, получаемых в результате научных экспериментов, распределённую обработку научной информации, совместную работу распределенных научных групп Введение В настоящее время взаимодействие научных групп осуществлялось с помощью традиционных средств передачи данных (e-mail, ftp и др.), а также облачных дисков. Обмен научной информацией (обзоры, интерпретация результатов, дискуссии) осуществляется путем обычного общения (на конференциях или иных встречах), общения посредством электронной почты, сервисов мгновенных сообщений, передачи звуковых и реже видеоданных. Также осуществляется плавный переход на разработку и использование инфраструктур eScience с виртуальными лабораториями [102, 103], в которых программное обеспечение, отвечающее за различные расчеты, в том числе экспериментальные, оформляется в форме WorkFlow (WF [102]), в которых могут содержатся инструкции запусков имеющихся программ (расчетных пакетов, программ моделирования и т.д.), скрипты преобразования и передачи данных, средств визуализации и т.д. Для разработки, использования WF, предоставления к ним доступа для совместной работы разработано ряд платформ, в том числе, использующих подход облачных вычислений [104]. Основной тренд развития форм научной коллаборации видится в развитии данных платформ и их интерфейсов, адаптации их к изменениям архитектур элементов распределенной гетерогенной вычислительной среды, а также унификации визуально-языковых средств разработки WF и типов данных. В дальнейшей перспективе ожидается создание нового слоя функциональных элементов, находящегося над WF, который позволит работать над научными проблемами специалистов из различных областей, оперирующих только терминами своей предметной области. 118 Общими трендами, которые можно выделить в процессе анализа направления, являются. • Новые интерфейсы. • Появление дополнительных сервисов, требующих непрерывного доступа в сеть Интернет. • Развитие облачных сервисов и распределенных вычислений. • Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах. • Перспективные языки и системы программирования, реализующие новые парадигмы. • Новые принципы организации компьютерных сетей. • Развитие грид-технологий. • Рост объёма передаваемой информации. • Сети, реализующие новые принципы организации, в том числе: когнитивные, гибридные, адаптивные. • Создание виртуальных офисов без снижения эффективности коллективной деятельности компаний, предприятий и др. • Эволюция Интернета. Развитие коллаборативной работы научных групп затрагивает большое количество трендов, поскольку охватывает большой круг вопросов, требуемых к рассмотрению. Совершенствование технологий разработки и исполнения WF предоставит ученым новые виды интерфейсов, все более и более избавляя их от рутинной технической работы, связанной, например, с преобразованием данных. 119 Развитие облачных платформ зависит от принципов организации вычислений и соответствующих сетевых сред, роста пропускной способности каналов связи и объема передаваемой информации; и влияет на спектр сервисов, требующих непрерывный доступ в интернет, а также позволяет совершенствовать способы создания виртуальных офисов (лабораторий). Совершенствование научно-методической базы работы с WF включает в себя подходы создания языков метапрограммирования, а также Symantec web для обеспечения возможности взаимодействия продукции научных групп разных предметных областей, в рамках укрупненных объектных моделей, нацеленных на решение междисциплинарных задач. Текущее состояние технологии (2012-2013 гг.) В настоящее время коллаборативная работа научных групп организуется как с помощью обычных информационных технологий (E-mail, средства мгновенных сообщений, облачные файловые хранилища и т.д.), так и с помощью разрабатываемых и совершенствуемых облачных платформ, которые позволяют создавать сложные совместные приложения на основе имеющихся программных компонент или пакетов. Разработка таких приложений может проводиться либо в форме пакета задач (Bag-of-Task), либо в виде потока работ WF. Наиболее распространена вторая форма – WorkFlow, от которой отталкиваются большинство платформ для коллаборативной работы (Kepler, Taverna, Triana [105, 106], CLAVIRE [107]). В отличие от пакета задач, WF может строиться в виде ацикличного графа исполнения модулей (компонент, прикладной пакет, другой WF), что дает бóльшие возможности в решении междисциплинарных задач. Ряд таких платформ предоставляет возможность совместной работы в одном WF нескольким пользователям [108], решая при этом не только задачу планирования исполнения WF в распределенной вычислительной среде [109], но и разделения доступа к общим элементам WF, а также соответствующей синхронизации. 120 Разработанные специализированные языки (мета) программирования высокого уровня, позволяют быстро создавать и корректировать требуемые WF. Также предлагаются интеллектуальные средства для встраивания новых пакетов и компонент в платформу и обеспечения обмена данных, включая их конвертацию [110]. Среди платформ, обеспечивающих колаборативную работу пользователям, стали появляться те, которые поддерживают простые формы интерактивных WF (iWF), и предполагают одновременную работу модулей, находящихся на разных ресурсах, с соответствующим обменом данных [111]. Такие формы WF не возможны без организации эффективных распределенных потоков данных [112]. Таким образом, в настоящее время научные группы имеют и пользуются возможностями различных платформ, чтобы предоставлять в доступ собственные программные решения, пользоваться сторонними и быстро создавать комплексные распределенные приложения для решения сложных, чаще всего междисциплинарных задач. При этом, затраты времени на сопутствующие действия, в том числе дополнительную установку модулей и конвертацию данных, существенно снижены. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) Развитие облачных технологий, которые являются надстройкой над распределенными высокопроизводительными средами (в т.ч. гриды), не ставится под сомнение. Это подтверждает представленная на рисунке 32. 121 динамика популярности запросов, Рисунок 32 - Динамика популярности запросов HPC (синий), Cloud Computing (красный), Grid Computing (темно желтый), Supercomputer (зеленый), Personal Cloud (фиолетовый). На рисунке виден стабильно высокий уровень запросов по облачным вычислениям и рост в последние месяцы интереса к «персональным облакам». В данном аспекте в краткосрочной перспективе формализм WorkFlow будет укрепляться, так как является удобным и эффективным средством коллаборативной работы научных групп, включая возможность предоставления доступа к уникальному оборудованию [113], будут усовершенствованы и признаны соответствующие стандарты, включая типы, форматы данных хранения и передачи научной информации [114]. Изменение принципов формирования высокопроизводительных вычислительных сред за счет совершенствования сетевых технологий и появления новых типов вычислительных архитектур заметно повлияет на разработки планировщиков выполнения WF [115] или подобных сценариев. Аудитория WF будет существенно расширяться среди системных аналитиков с образованием в области ИКТ, а также ученых и специалистов, владеющих технологиями высокопроизводительных вычислений. Это станет возможным, благодаря развитию графических оболочек разработки WF (iWF) и упрощению языков запросов данных с учетом их пространственной и временной распределенности [116]. Однако WF будет медленно «приживаться» среди специалистов-предметников, которые успешно овладели традиционными языками 122 программирования и базовыми средствам 2D визуализации (например, GNU Plot) и успешно справляются со своими задачам. Большинство из них не смогут достаточно адаптироваться к новым парадигмам, реализованных в облачных технологиях. Из-за такого эффекта станет необходимостью разрабатывать подходы и технологии создания оболочек более высокого уровня, имеющие в основе скрытый WF и взаимодействующие с пользователем в терминах и структурах его предметной области [117]. В рассматриваемый период получат прорывное развитие технологий создания и поддержки цифровых библиотек с прямым доступом к исполняемым модулям (Digital Library Research Object) [118], в том числе так называемые «интерактивные статьи» (executable papers) [119]. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) На долгосрочную перспективу развитие анализируемого направления оценить сложно, поскольку оно зависит от большого количества факторов, связанных как с научной средой, так и высокотехнологичными отраслями промышленности. Но поскольку мнение о плохой «приживаемости» WF в среде специалистов-предметников становится устойчивым уже сейчас, то можно уверенно полагать, что будет активно развиваться поднаправление по разработке и реализации облачных сервисов (research objects [120]), предназначенных для решения одного или нескольких классов задач, в интерфейсе которых используются термины соответствующих предметных областей [121]. При этом сами WF, скрипты, на основе которых будут функционировать сервисы , будут скрыты и необходимость в так называемом «кодинге» будет полностью снята. Вместе с тем, в данном подходе создания таких сверхвысокоуровневых сервисов, кодинг не будет запрещен, а будет предоставлена техническая возможность изменения функций сервиса на нескольких слоях (WF, коды модулей (прикладных пакетов), скрипты запросов и т.д.). Широкое распространение этого 123 подхода потребует процедур стандартизации, результат которых повысит доступность в понимании научных результатов Развитие интерактивных статей также будет поддержана. Вполне вероятно, что научные статьи в традиционном понимании могут быть заменены на электронные сервисы, которые отражают текущие разработки в соответствующих областях в форме science objects или подобных, которые используют результаты предшествующих работ и при соответствующих разрешениях авторов предоставляются в доступ научной общественности для обсуждения и улучшений [121]. Выводы В анализируемом направлении технологическое отставание России значительное, но преодолимое, поскольку в России есть научные группы, занимающиеся этим вопросом. При соответствующих мерах такое отставания возможно преодолеть в ближайшие 4-6 лет и в дальнейшем есть уверенный шанс выйти в мировые лидеры. Приоритетным направлением финансирования деятельности в разработке средств в рассмотренном направлении является подготовка квалифицированных специалистов в широком спектре специализация ИКТ отрасли, включая системных аналитиков, специалистов по базам данных, облачным технологиями, semantic web т.д. Другой составляющей успешного развития направления, основанного на разработке и создании соответствующего программного обеспечения, является постановка конкретных задач и применение полученных результатов в различных отраслях, в том числе в создании облачных платформ второго поколения, работающих в распределенной гетерогенной вычислительной среде. 124 Прогноз эффекта от НИОКР видится затруднительным и зависит от степени успеха процесса внедрения разработок тех или иных видов ресурсов в научном сообществе и крупном бизнесе. Продолжение финансирования профильных программ фундаментальных исследований, способно, в отдаленной перспективе, оказать существенное влияние на развитие направления и технологий. Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные и прикладные исследования, а также в НИОКР. 125 7.4 Технологии обработки информации 7.4.1 Прототипы мультиязычных программных систем извлечения и формализации знаний из неструктурированной информации, а также перспективных средств их хранения и анализа знаний Введение Формализация полученного знания позволяет представить его в памяти компьютера в форме, «понятной» для машины. Такое представление позволяет использовать знание в различных прикладных задачах, решаемых компьютером. Основными направлениями в области мультиязычных и мультимодальных программных систем извлечения и формализации знаний из неструктурированных источников информации, а также перспективных средств их хранения и анализа являются: развитие новых подходов к эффективной реализации ресурсоёмких алгоритмов, разработка систем автоматического/полуавтоматического сбора и обработки больших массивов данных (big data), разработка систем анализа и получения информации, представленной в сети Интернет, развитие мультиязычных и мультимодальных систем извлечения, формализации и накопления знаний, систем управления знаниями, развитие средств решения задачи семантической интероперабельности, стандартизация моделей и языков представления знаний, разработка систем взаимной интеграции (mapping, установление семантических связей) и интернационализации знания. Процесс извлечения и формализации знаний включает в себя три этапа: этап сбора и предварительной обработки данных, этап структурирования данных, этап формализации и представления знаний [122]. Для развития технологий извлечения и формализации знаний из неструктурированных источников требуется разработка эффективных алгоритмов и подходов для решения задач каждого из этапов. В результате анализа предметной области были выделены следующие тренды. разработка новых подходов к реализации ресурсоёмких алгоритмов; 126 развитие технологий информационного поиска и технологий обработки больших массивов данных; развитие подходов к решению проблемы интероперабельности; разработка технологий автоматического/полуавтоматического построения и пополнения баз знаний; развитие баз знаний с поддержкой автоматических рассуждений и логического вывода; развитие графических интерфейсов представления, создания и пополнения баз знаний; активное использование онтологической модели формализации знаний и средств работы с онтологиями; решение проблемы установления связей между фрагментами баз знаний; развитие технологий и систем управления знаниями; обеспечение достоверности и надёжности (proof and trust) знаний; развитие систем бизнес аналитики и бизнес интеллекта (business intelligence); активное развитие семантических веб сервисов и интеллектуальных информационных агентов (knowledge processor, data provider and semantic information broker). развитие технологий персонализации пользователя и социализации (personalization and social internet); совершенствование систем машинного перевода и интернационализация знаний; разработка систем извлечения и формализации знаний на базе текстового и мультимедийного интернет контента. Решение задач извлечения и формализации знаний из неструктурированных источников необходимо для развития систем массового потребления, среди которых системы дистанционного образования [123, 124], геоинформационные 127 системы [125], поисковые системы [126], системы здравоохранения [127,128], «умные» технологии (умный дом, умный город, умная планета) [129, 130]. Формализованное представление знаний используется в технологиях, направленных на улучшение жизни людей с ограниченными возможностями. Технологии работы со знаниями позволяют создавать семантические надстройки над информационными системами предприятий. Активное развитие получили системы корпоративного поиска, бизнес аналитики и бизнес интеллекта, электронного бизнеса [131]. Назначение таких систем – управление знаниями: контроль за развитием предприятия и бизнеса, выработка рекомендаций для принятия решений, прогнозирование, мониторинг КПЭ (ключевые показатели эффективности). Текущее состояние технологии (2012-2013 гг.) Лавинообразный рост объёма данных в сети Интернет превращает Интернет в один из основных источников данных. Большая часть данных в сети представлена только в неструктурированных источниках информации. Работа с такими источниками требует создания моделей, описывающих закономерности предметной области, для чего требуется язык формального представления знаний в памяти машины (компьютера). Такой язык должен: 1) обладать достаточной степенью выразительности и позволять моделировать особенности предметной области; 2) обладать достаточной степенью гибкости для моделирования предметной области [122]. Выразительность языка (тезаурус) обеспечивает возможность формализации фактов, закономерностей, взаимосвязей между понятиями и т. д. Гибкость языка (грамматика) обеспечивает вариативность связей (например, позволяет задавать отношения между понятиями, контекст и т. п.). Современные требования, предъявляемые к языкам формализации знаний: 1) язык должен быть непротиворечивым и позволять осуществлять контроль непротиворечивости; 2) язык должен поддерживать модульность представления знаний; 3) язык должен поддерживать средства автоматических рассуждений, (например, автоматический поиск новых взаимосвязей между объектами, когда 128 найденные связи не заданы в базе явно). Одной из важнейших задач является задача установления связей между фрагментами баз знаний. Исторически использовались различные модели представления знаний: теоретико-множественные, фреймовые, семантические сети, логические модели. Онтологическая модель позволила объединить в себе лучшее из предшествующих моделей, тем самым став наиболее перспективной моделью описания знаний. Онтологии сочетают в себе характеристики семантической сети, фреймовой модели, логической модели, теоретико-множественной модели. Подход к представлению знаний на базе онтологий сформировался в конце 90-х годов и бурно развивается последние 15 лет. Активное развитие получили сетевые языки представления знаний: RDF, OWL и другие, стандарты и языки запросов к хранилищам, построенным на основе онтологий (SPARQL). Основные задачи, на решение которых направлены работы в области онтологического моделирования: совершенствование выразительности и гибкости языков представления онтологий; разработка верхнеуровневых онтологий; модуляризация онтологий; унификация терминологических словарей; решение задачи интероперабельности; совершенствование алгоритмов автоматических рассуждений; развитие средств автоматического пополнения онтологий. Развитие средств автоматического пополнения онтологий требует развития технологий для решения фундаментальных проблем обработки данных: автоматического поиска, сбора, индексирования и хранения данных; обработки данных, включая развитие программных и аппаратных средств решения задач кластеризации, классификации, семантического аннотирования, тематического моделирования и т. д.; установления связи и определения вида связи между двумя сложными 129 объектами. Высокий темп развития области в мире вызван интересом крупных компаний, (таких как: BBC, IBM, Yahoo), к внедрению семантических технологий, активной поддержкой национальных и международных исследовательских проектов, направленных на развитие передовых и прорывных технологий (в рамках таких мероприятий, как седьмая рамочная программа: LOD2, Planet data, Optique и другие). В мировой практике значительное внимание уделяется развитию механизмов кооперации (STI international, Open Knowledge Foundation). Исследования и технологии в области работы со знаниями получают поддержку со стороны государства, бизнеса. Основными факторами отставания России в данной области являются: недостаточное внимание, уделяемое в целевых государственных программах рассматриваемой тематике; ограничения на участие российских партнёров в международных способности программах; российских недоверие академических со стороны институтов промышленности и к университетов осуществлять исследования и разработки в данной области на высоком международном уровне; заниженная оценка экономического эффекта от внедрения семантических технологий на российском рынке. Современные тренды показывают высокую перспективность развития технологий работы со знаниями. Своевременное финансирование данной области российской науки позволит создать необходимый научно-технических задел, а также позволит повысить доверие со стороны промышленности за счёт снижения экономических рисков от внедрения новейших технологий и инноваций. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) Исследование активности в области IT-индустрии [192], публикационной активности и анализ основных трендов, представленных на важнейших для отрасли конференциях [133-137] показывают, что основными направлениями, на развитие которых будут направлены исследования в ближайшей перспективе (2014-2020 гг.), являются следующие. I. Будут активно продолжаться работы, направленные на решение 130 обозначенных выше задач: 1) совершенствование выразительности и гибкости языков представления онтологий; 2) разработка верхнеуровневых онтологий; 3) модуляризация онтологий; 4) унификация терминологических словарей; 5) решение задачи интероперабельности; 6) совершенствование алгоритмов автоматических рассуждений; 7) развитие средств автоматического пополнения онтологий. II. Дальнейшая стандартизация языков представления знаний с помощью онтологий, а также средств работы с онтологиями. Особенный акцент будет сделан на извлечение и формализацию знаний из больших массивов данных [132]. Значительную роль будут играть доступные технологии информационного поиска и технологии работы с большими массивами данных (такие как Solr, Mahaot, Hadoop, Cassandra и другие). Внимание будет уделяться развитию новых подходов к реализации ресурсоёмких алгоритмов [140-142]. III. Увеличение объёмов извлекаемой информации и накопление знаний вызовут потребность в развитии графических интерфейсов представления, создания и пополнения баз знаний, визуальной навигации по ним. Произойдёт рост локально созданных баз знаний, необходимых для функционирования отдельных специализированных систем. Тенденция к глобализации процесса накопления знаний поставит в центр задачу установления связей между фрагментами баз знаний и проблему интероперабельности. IV. В период 2014-2020 гг. параллельно с решением задачи стандартизации будет происходить процесс активного внедрения и апробации систем, основанных на знаниях. В первую очередь, это произойдёт в сфере массового обслуживания и в бизнесе. Прогнозируется массовое появление умных технологий (умный дом, умная больница, умная навигация, умный город и т.д.). Среди технологий, основанных на знаниях, особенное развитие получат системы бизнес аналитики и 131 бизнес интеллекта, системы дистанционного образования, геоинформационные системы, поисковые системы, системы поддержки здравоохранения, системы прогнозирования, мониторинга и другие. Значительное развитие получат семантические веб сервисы. Большое внимание будет уделяться решению задач, возникающих в процессе внедрения данных технологий. V. Прогнозируется развитие Интернета вещей и Интернета устройств [190]: предметы, которые мы используем, получат отображение в интернете или будут подключены к нему. VI. Наряду, с обработкой текстовых данных активное развитие получат технологии обработки мультимедиа. Особенное внимание будет уделяться технологиям обработки изображений, видео, голосовых и музыкальных записей. VII. Будет расти роль знаний в социологических интернет-исследованиях, дальнейшее развитие получат темы персонализации пользователя и социализации. В период 2014-2020 гг. прогнозируется рост интереса к теме интернационализации знаний. Будут совершенствоваться системы машинного перевода, получит развитие машинный перевод, основанный на знаниях. Будет возрастать роль технологий, основанных на знаниях, в робототехнике [141]. Примеры тем, актуальных в данный период: разработка прототипов систем интеллектуальных взаимодействующих агентов сбора и обработки информации, извлечения и представления знаний; исследование методов доступа к данным на основе онтологий, интеграции данных и семантической интероперабельности; разработка формальных методов представления знаний на основе онтологий для сложных предметных областей; разработка прототипов систем визуального моделирования и визуального представления знаний; разработка прототипов систем, обеспечивающих эффективный сбор данных, извлечение знаний и доступ к хранилищам знаний для выполнения аналитических задач, получения интегральных данных, создания систем 132 мониторинга и прогнозирования (по важнейшим направлениям человеческой жизнедеятельности); разработка прототипов систем сбора, структурирования данных и извлечения знаний для интеллектуальной поддержки научных исследований и научно-образовательного процесса; разработка прототипов «умных» технологий: умный дом, умная больница, умная навигация, умный город, умная планета и т. д.; разработка алгоритмов и систем распределённого и защищённого хранения баз знаний; разработка прототипов систем кластеризации/классификации и семантического аннотирования больших объёмов данных. В этот период Россия имеет хороший потенциал проведения прорывных исследований в области разработки прототипов мультиязычных программных систем извлечения и формализации знаний из неструктурированных источников информации, а также перспективных средств их хранения и анализа. Отставание России по данной теме не является значительным и вызвано в большей степени недостаточностью финансирования, а мероприятия, проводимые в стране (конференции, научные школы [142-146]), показывают высокий интерес к данной теме со стороны молодого поколения. Специфика области не требует сложных, лабораторных установок и зависит в первую очередь от квалификации специалистов. Для развития указанной темы требуются специалисты в области информационного поиска и обработки данных, специалисты в области математики, в области извлечения и представления знаний, в области системного программирования и разработки программного обеспечения. Приобретение данных квалификаций обеспечивается вузовским образованием и научными школами, функционирующими в России, что создаёт плодотворную почву для появления инициативных исследовательских групп, российских малых и малых инновационных предприятий, способных взять на себя задачу разработки и производства технологий, основанных на знаниях. Технологии, основанные на знаниях, 133 носят прикладной характер. Эффективное развитие в области возможно в случае массового использования данных технологий, для чего требуется наладить их производство, параллельно с выполнением научных исследований. Грантовая поддержка исследовательских групп, стартапов и малого бизнеса позволит обеспечить активное развитие в области прикладных решений. Значительный рост прикладных разработок в стране будет стимулировать рост фундаментальных исследований, что позволит обеспечить проведение прорывных исследований по теме и значительно поднимет публикационную активность россиян на мировом уровне. Тенденции развития на долгосрочную перспективу (2020 — 2030 гг.) Из-за бурного развития технологий и взаимозависимости технологий долгосрочный прогноз является затруднительным. Появление инновационных технологий в области, не связанной напрямую с проблемой извлечения и формализации знаний, может оказать высокое влияние на развитие средств работы со знаниями. Задача извлечения и формализации активно развивается в последние 15 лет, прогнозируется нарастающий темп развития области. К периоду (2020-2030 гг.) будет проделана работа по стандартизации языков представления знаний, пройдёт период совершенствования подходов к представлению знаний, будет получен значительный опыт внедрения и отладки технологий работы со знаниями в реальных условиях. Если в период 2012-2020 гг. прогнозируется внедрение технологий, основанных на знаниях, преимущественно в сфере социального обслуживания, то в период 2020 — 2030 гг. можно ожидать бурного внедрения данных технологий в системы принятия решений на государственном уровне. От систем извлечения и формализации знаний будет требоваться обеспечить высокую точность в прогнозировании и мониторинге на государственном уровне. Особенную актуальность получит задача защиты баз знаний. Технологии, основанные на знаниях, плотно войдут в область робототехники. От моделей и языков формализации знаний будет требоваться поддержка 134 изменяющейся структуры знания, автоматическая адаптация построенных моделей под вновь полученные знания. Акцент в развитии систем будет делаться на поддержку актуального состояния знаний, проверку полноты и достоверности автоматически полученных знаний. Выводы Отставание России по указанной теме не является значительным и вызвано в большей степени недостаточностью финансирования. Мероприятия, проводимые в стране (конференции, научные школы), показывают высокий интерес к данной теме со стороны молодого поколения [142-146]. Вузовское образование в России хорошо покрывает требуемые в области компетенции. В стране развиваются серьёзные школы по направлениям, напрямую связанным с технологиями работы со знаниями. Приоритетным направлением финансирования в рассматриваемой области является поддержка исследовательских групп по направлениям: информационный поиск (informational retrieval), обработка данных (data mining), инженерия знаний и технологии семантического веба (knowledge engineering and semantic web). Для эффективного развития в области требуется поддержка российских малых инновационных предприятий, осуществляющих производство и внедрение технологий, основанных на знаниях. Параллельная поддержка исследовательских групп и малого бизнеса позволит значительно увеличить эффект от проводимых НИОКР, а также повысить конкурентоспособность российских технологий по направлению. Для получения результатов мирового уровня в ближайшей и долгосрочной перспективе в настоящее время требуется инвестирование в прикладные (приоритетные направления) и в фундаментальные исследования. Целевая грантовая поддержка позволит преодолеть возникшее отставание и реализовать имеющийся в стране потенциал. 135 7.4.2 Прототипы основанных на новых принципах программных систем обработки, поиска, анализа и визуализации информации, в том числе программных систем принятия решений и идентификации ситуаций на основе сверхбольших массивов и потоков данных Введение Развитие информационных технологий, применяемых для обеспечения построения и функционирования программных систем мониторинга, анализа и визуализации данных, связано с выработкой универсальных подходов и платформ организационной и технической поддержки высокопроизводительных вычислений, оперирующих сверхбольшими объемами информации. Современные системы поддержки принятия решений должны обеспечивать отказоустойчивое выполнение вычислительно сложных задач, основной характеристикой которых является критичность к срокам выполнения, а также предоставлять экспертам необходимый инструментарий для формирования вычислительных сценариев и интерпретации полученных результатов. При разработке принципов унификации построения, развертывания, модификации и поддержки подобных программных систем должны учитываться не только специфические особенности задач и связанных с ними данных, но и технологические аспекты организации вычислительной инфраструктуры (гетерогенность ресурсов, программных сред, каналов связи). Основной тренд развития данного направления в настоящее время связан с адаптацией существующих платформ поддержки принятия решений, (в том числе систем раннего обнаружения и предотвращения последствий возникновения экстренных ситуаций), к новым архитектурам высокопроизводительных вычислений и сетей передачи данных; совершенствованием инструментов интеграции вычислительных моделей, источников данных и средств их обработки в распределенной среде [147]; применением новых технологий человекокомпьютерного взаимодействия в целях коллаборативных процессов. 136 повышения эффективности Общими трендами, которые выделяются в процессе анализа направления, являются. Развитие облачных сервисов и распределенных вычислений. Развитие грид-технологий. Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах. Перспективные языки и системы программирования, реализующие новые парадигмы. Новые принципы организации компьютерных сетей. Рост объема передаваемой информации. Работа со сверхбольшими данными – сокращение отставания темпов роста методов и средств обработки, анализа информации от темпов роста объемов информации. Переход от 100 Гб/с к 1 Тб/c каналам ВОЛС в коммерческих сетях и от 10 Тб/с к 1-10 Петабит/с в магистральных ВОЛС. Появление высокоскоростных (100 Гб/с и более) беспроводных каналов передачи данных, а также высокостабильных беспроводных каналов связи. Развитие проводной и беспроводной инфраструктуры доступа в сеть Интернет. Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени. Наличие большого количества выделенных трендов обусловлено тем, что при прогнозировании развития данного направления необходимо комплексное рассмотрение тенденций в нескольких различных областях, (обеспечивающих 137 технологическую, информационную, организационную поддержку указанных выше программных систем). Рост пропускной способности каналов связи и объемов передаваемой информации привел к распространению технологий распределенных вычислений, в том числе к созданию специализированных облачных платформ для коллаборативной работы исследователей и экспертов. Применение таких платформ для обеспечения непрерывного функционирования программных систем, требующих потоковой обработки больших массивов данных, с одной стороны, делает возможным совместное использование вычислительных и информационных ресурсов, а с другой - ставит новые задачи, связанные с необходимостью обеспечения требуемого качества обслуживания (QoS, Quality of Service). Развитие технологий обеспечения доступа к облачным ресурсам позволит сократить затраты на инфраструктуру центров поддержки принятия решений, а также повысить надежность систем в случае возникновения экстренных ситуаций. Текущее состояние технологии (2012-2013 гг.) Современные программные системы, осуществляющие обработку больших объемов данных в режиме реального времени, преимущественно используют традиционные методы и технологии хранения и анализа данных для распределенных хранилищ, например, реляционные распределенные СУБД с автоматической направления масштабируемостью является технология [148]. обработки Эффективной данных в для данного распределенной оперативной памяти с возможностью аналитики в режиме реального времени (inMemory Analytics [149]). Архитектуры программных комплексов обработки сверхбольших объемов данных (лямбда-архитектура [150], подсистемы управления данными некоторых облачных платформ [151]) наиболее часто основаны на использовании технологии Hadoop [152]. Коллаборативная работа экспертов в ходе процесса принятия решения в экстренной ситуации может быть организована как с помощью обычных информационных технологий (E-mail, средства мгновенных сообщений, облачные 138 файловые хранилища и т.д.), так и с помощью облачных платформ, которые позволяют создавать сложные совместные приложения на основе имеющихся программных компонент или пакетов. Наиболее распространенной формой представления вычислительных сценариев для большинства современных платформ коллаборативной работы (Kepler, Taverna, Triana [153, 154], CLAVIRE [155]) является WorkFlow (WF), представляющий собой ориентированный ацикличный граф исполнения задач. Активно развивается область знаний, связанная с планированием исполнения WF в гетерогенных распределенных средах [156]. Существует ряд проектов, в рамках которых разрабатываются универсальные подходы и платформы для высокопроизводительных экстренных вычислений (Urgent Computing), в том числе с применением технологии интерактивных WF [157]. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) Дальнейшее развитие облачных технологий - как надстройки над распределенными высокопроизводительными средами, подтверждается стабильно высоким интересом как бизнес, так и академического сообщества виртуализованным облачным ресурсам. В краткосрочной к перспективе предполагается развитие подходов, методов и технологий, позволяющих объединять локальные и удаленные ресурсы для обеспечения штатного функционирования систем, работающих в режиме 24/7, с сохранением надежности, отказоустойчивости и конфиденциальности данных. Формализм WorkFlow - как удобное и эффективное средство коллаборативного создания и использования вычислительных сценариев, будет развиваться в русле создания и усовершенствования соответствующих стандартов, включая типы, форматы данных хранения и передачи информации [158]. Изменение принципов формирования высокопроизводительных вычислительных сред, за счет совершенствования сетевых технологий и появления новых типов вычислительных архитектур, заметно повлияет на разработку новых алгоритмов планирования WF. 139 Использование облачных платформ в качестве инфраструктурной основы систем экстренных вычислений предполагает создание новых парадигм и архитектурных систем поддерживающих с совместный гарантированным доступ к выделением уникальному ресурсов, оборудованию, использование средств автоматического построения и выполнения композитных приложений [159], в том числе интерактивных WF (iWF), взаимодействующих с пользователем в терминах его предметной области. Традиционные схемы человеко-компьютерного взаимодействия, применяемые в настоящее время в системах принятия решений, будут дополнены новыми средствами получения информации (системы захвата движения, распознавания речи, нейроинтерфейсы) и ее визуального представления (системы дополненной реальности). Это позволит перевести на принципиально новый уровень коллаборативную работу пользователей в облачных средах, в том числе при разделении доступа к дорогостоящим и уникальным ресурсам [160]. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Разнообразие технологий, связанных с обработкой сверхбольших объемов данных в рамках аналитических программных систем, затрудняет построение долгосрочного прогноза для рассматриваемого направления. Тем не менее, можно выделить следующие вероятные результаты развития данной области: создание и распространение технологий автоматизированного конструирования, развертывания и поддержки проблемно-ориентированных сред принятия решений на базе облачных инфраструктур; распространение высокоуровневых облачных сервисов интеллектуальной обработки данных, ориентированных на конкретные предметные области [161]; разработка эффективных алгоритмов адаптивного планирования исполнения интерактивных композитных приложений, оперирующих сверхбольшими объемами потоковых гетерогенных вычислительных средах; 140 данных, в распределенных установление общепринятых стандартов описания вычислительных сценариев и стандартов обмена данными между блоками таких сценариев; создание распределенных сетевых хранилищ стандартизированных данных с возможностью их совместного использования в разнообразных прогностических и аналитических моделях; распространение и использование принципиально новых технических средств человеко-компьютерного взаимодействия для обеспечения индивидуальной и коллаборативной работы пользователей. Выводы В анализируемом направлении технологическое отставание России значительное, но преодолимое, поскольку в России есть научные группы, занимающиеся этим вопросом. Потенциальная ниша, которую можно занять – это разработка программного обеспечения для решения задач получения, обработки и интеллектуального анализа сверхбольших объемов данных на базе облачных инфраструктур второго поколения. Приоритетным направлением финансирования деятельности в рамках рассмотренного направления является подготовка квалифицированных специалистов в области ИКТ, включая разработчиков баз данных, системных и прикладных программистов, специалистов по облачным технологиям. Другой составляющей успешного развития направления, основанного на разработке и создании соответствующего программного обеспечения, является постановка конкретных задач и применение полученных результатов в различных отраслях, в том числе в создании платформ поддержки функционирования систем экстренных вычислений. Прогноз эффекта от НИОКР видится затруднительным и зависит от степени успеха процесса внедрения разработок,(в том числе программных продуктов), в научном сообществе и крупном бизнесе. 141 Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные и прикладные исследования, а также в НИОКР. 142 7.4.3 Прототипы программных систем анализа сложных трёхмерных сцен по изображениям и видеоряду в режиме реального времени Введение Аппаратные системы захвата и программные системы анализа сложных трехмерных сцен по изображениям и видеоряду в режиме реального времени очень тесно и неотъемлемо связаны между собой. Основным способом захвата и анализа сложных трехмерных сцен в настоящее время являются сенсоры глубины, основанные на инфракрасных камерах с пассивными и активными маркерами (Vicon, Phoenix Technologies). Направление развития способов анализа сложных трехмерных сцен в недалеком будущем обозначается в улучшении алгоритмов захвата и анализа сцен в реальном времени для увеличения точности восстановления объектов и сцены в общем по полученным данным [162], в разработке аппаратных средств, позволяющих осуществлять разрешением, точностью и захват трехмерных скоростью. В сцен более с более высоким отдаленном будущем предполагается развитие технологий, позволяющих практически без ошибок распознавать статичные и движущиеся объекты по данным, поступающим в реальном времени, в том числе в условиях плохой освещенности или неполной видимости; воссоздавать трехмерные сцены по нескольким статичным снимкам, и даже осуществлять прямое погружение в воссозданную трехмерную сцену с помощью средств виртуальной реальности для её дальнейшего анализа. Общими трендами, которые выделяются в процессе анализа направления, являются. ● Новые интерфейсы для управления мобильными устройствами, ноутбуками, персональными компьютерами и любыми другими устройствами. ● Развитие картографии. ● Развитие рынка мобильных, социальных приложений, систем виртуальной реальности, видео игр и киноиндустрии с высоким коммерческим потенциалом. 143 ● Усиление вовлеченности в системы дополненной реальности. ● Усиление роли ИКТ в медицине и работе правоохранительных органов. Совершенствование устройств захвата сложных трехмерных сцен в режиме реального времени непосредственно влияет на создание новых интерфейсов, позволяющих существенно расширить возможности человеко-компьютерного взаимодействия. Это отражается на существенном развитии рынка мобильных и социальных приложений за счет расширения круга пользователей, спектра оказания услуг и производимой продукции. Так же новые виды устройств и программных систем анализа сложных трехмерных сцен по изображениям и видеоряду в режиме реального времени внесут существенный вклад в развитие комплексных систем в сфере охраны правопорядка, в том числе для поддержки принятия решений. Такие эффекты положительно скажутся на развитии новых интерфейсов и технологий, т.к. значительно увеличится пользовательская аудитория. Специальные средства анализа сложных трехмерных сцен могут стать незаменимыми для специалистов, создающих анимацию лица или всего тела для персонажей фильмов или видео игр, а также специалистов, создающих трехмерные модели объектов. Для повышения эффективности систем анализа сложных трехмерных сцен требуется не только улучшение аппаратных средств, но и разработка новых и улучшение ранних алгоритмов. Текущее состояние технологии (2012-2013 гг.) На данный момент на рынке представлено множество профессиональных [163] и бытовых систем захвата движений. Системы, основанные на инфракрасных камерах, используют систему маркеров, как активных, которые сами излучают в инфракрасном диапазоне, так и пассивных, которые просто отражают свет с систем инфракрасной подсветки [164]. Подобные системы применяются не только при создании художественных фильмов с использованием персонажей, созданных в пакетах трехмерной графики и видео игр с анимированными персонажами, но и в исследовательских проектах, например, для отслеживания положения и вращения различных летательных аппаратов, для 144 оптимизации системы стабилизации [165], для повышения эргономики рабочего места на предприятиях ит.д. Профессиональные системы могут использоваться в детальном распознавании сложного движения пальцев обеих рук [166], а последние новинки не требуют использования маркеров [167]. С выходом на широкий потребительский рынок игровой приставки Wii от компании Nintendo с их революционным контроллером Wii mote, позволяющим с помощью акселерометра распознавать движения рук игрока, началось активное развитие рынка доступных интерфейсов человеко-компьютерного взаимодействия. Так, компании Microsoft и Sony выпустили свои игровые системы Xbox 360 и PlayStation 3 с собственными игровыми контроллерами, позволяющими распознавать движения пользователей, но в отличие от Wii mote их контроллеры используют видеоряд, поступающий с камер в реальном времени. Компания Sony выпустила контроллер для рук PS Move, работающий совместно с камерой PS Eye, сам PS Move так же использует акселерометр и гироскоп. Но в отличие от Wii mote, на конце PS Move есть небольшой гибкий шар, который постоянно светится одним из нескольких цветов. По видеоряду, поступающему с PS Eye, отслеживается положение этого светящегося шара и по его размеру определяется пользователь. Также с то, насколько помощью далеко несложных от камеры программных находится алгоритмов определяется положение лица игрока на изображении. В 2011 году компания Microsoft выпустила контроллер Kinect, который позволяет распознавать движение без дополнительных аксессуаров, что вывело бюджетные и доступные системы человеко-компьютерного взаимодействия, построенные на базе программных и аппаратных систем по захвату и анализу сложных трёхмерных сцен, на новый этап развития. По изображениям с двух инфракрасных камер по полученной спроецированной маске восстанавливается глубина сцены. Kinect сопровождается специальной библиотекой, совместимой со средами разработки Microsft, что делает доступным массовую разработку средств обработки трехмерных сцен. Например, создана программа Ipi Motion Capture [168], использующая два контроллера Kinect или шесть камер PS Eye; или система 145 улучшения навигационных систем мобильных роботов [169]. Kinect не единственное устройство, использующее две инфракрасные камеры для определения глубины сцены. На рынок не так давно вышло устройство LeapMotion [170], которое позволяет распознавать движения рук пользователя и тем самым позволяет превратить любой компьютер или ноутбук в тач устройство. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) С совершенствованием программных систем захвата движения и распознавания объектов по данным, поступающим в реальном времени, например, с видеокамер, можно прогнозировать повышение уровня вовлеченности в игровые процессы с использованием простых бытовых вэб-камер [171], качественное улучшение и упрощение процесса создания контента для игровой и киноиндустрии. Развитие и использование технологий захвата и анализа трехмерных сцен в социальных областях, таких как медицина, охрана правопорядка, помогут увеличить качество сервиса социальных услуг, повысить безопасность на улицах городов, а так же ускорить, упростить и дать новые возможности органам защиты правопорядка. Это, например, восстановление трехмерной сцены места преступления по записям видеокамер, воссоздания сложных трехмерных объектов по этим записям и статическим фотографиям, включая лица людей [172, 173]. Выявление правонарушителей может стать более точным при появлении возможностей сбора базы данных из 3d моделей нарушителей как путем непосредственного сканирования [174] свежевыявленных нарушителей вместе с получением отпечатков пальцев, так и восстановлением качественной 3d модели по уже имеющимся базам данных фотографий с нескольких ракурсов. Развивающиеся сейчас технологии сопоставления и верификации 3D моделей лиц в независимости от эмоций и возможных некардинальных физических деформаций, существенно упростят процесс и помогут в выявлении разыскиваемых людей. Так же активно исследуются области применения систем анализа сложных трехмерных сцен в сфере медицины, таких как наблюдение и 146 контроль за пациентами в больницах, а также выявление падений внутри помещений. Поскольку корпорация Apple получила административный доступ к разработчикам сенсоров, используемых в Kinect, то можно прогнозировать в рассматриваемом периоде бурное развитие аппаратных и программных средств, (включая мобильные), анализа трехмерных сцен. Так же одним из направлений развития обозреваемых технологий является картография и системы автоматизированного моделирования крупных урбанизированных территорий. Активное развитие в области воссоздания и анализа трехмерных сцен по картам и изображениям [175] способно дать широкие возможности для исследователей в области Global System Science (и в частности науке о городе - City Science), а обычным пользователям - более детальную информацию с кардинально другим, более высоким, уровнем погружения в рабочую среду. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Как и любое направление IT-сферы программные системы анализа сложных трехмерных сцен развивается очень интенсивно и неравномерно по времени, особенно в комплексе с развитием и улучшением доступности устройств человеко-компьютерного взаимодействия, построенных на таких системах. Поэтому прогнозирование развития данного направления на долгосрочную перспективу крайне затруднительно. Тем не менее, на основании ряда научных публикаций можно предполагать об успешном развитии к 2020-2030 годам интерфейсов бесконтактного человеко-компьютерного взаимодействия, когда практически любой человек может без затруднений взаимодействовать с компьютеризированным устройством, лишь встав перед ним, а также взаимодействие с компьютерными системами с использованием любых реальных объектов [176]. Системы захвата и анализа трехмерных сцен, а также построенные на базе них системы представления информации в виде виртуальной и дополненной реальности, будут совершенствоваться и получат массовое распространение. 147 Также можно прогнозировать, что благодаря этим технологиям, к 2030 году возможно появление и распространение продвинутых автономных систем управления сложными системами (технологические линии, городские инфраструктуры и т.д.), средствами без непосредственного участия человека с возможностями реагирования на окружающую обстановку и ситуацию в реальном времени. Выводы Технологическое отставание России в ближайшей перспективе непреодолимо. Потенциальная ниша, которую можно занять – это разработка программного обеспечения, для решения прикладных задач определенного класса, а также средств разделения доступа к системам анализа трехмерных сцен с применением облачных технологий второго поколения. Приоритетным направлением финансирования деятельности в разработке систем анализа сложных трехмерных сцен по изображениям или видеоряду в режиме реального времени является подготовка квалифицированного персонала для системного программирования и разработки программного обеспечения. Другой составляющей успешного развития направления, основанного на разработке и создании программного обеспечения, является постановка конкретных задач и применение полученных результатов в различных отраслях, в том числе в моделировании большого города, различных процессов на уровне нано. Прогноз эффекта от НИОКР видится затруднительным и зависит от степени успеха процесса встраивания разработок (в том числе программных продуктов) в технологические цепочки компаний лидеров в данной области. Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные и прикладные исследования, а также в НИОКР. 148 7.4.4 Исследовательские модели и прототипы программных систем хранения, обработки и анализа сверхбольших мультикомпонентных потоков информации, в том числе медиаинформации Введение В настоящем направлении основными задачами обработки и анализа сверхбольших мультикомпонентных потоков информации (Big Data) являются не только разработка и реализация одноименных технологий, но и выработка подходов и технологий их получения из источников различных типов, включая медиа информацию и самоорганизующиеся сетевые структуры, например, социальные сети. Также нужно учесть и передачу таких объемов данных с учетом латентности, в том числе ее неопределенности. Развитие технологий направления обработки высокопроизводительных и видится как передачи вычислений в адаптации данных и к сетей, соответствующих новым (включая архитектурам мобильные беспроводные сети), так и совершенствовании инструментов интеграции вычислительных моделей, источников данных и средств их обработки в распределенной среде. Это позволит значительно снизить накладные расходы ученого предметных областей на решение задач управления данными, более сосредоточиваясь на научной проблеме. Общими трендами, которые выделяются в процессе анализа направления, являются. • Работа со сверхбольшими данными – сокращение отставания темпов роста методов и средств обработки и анализа информации от темпов роста объемов информации. • Рост объема передаваемой информации. • Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах. 149 • Новые принципы организации компьютерных сетей. • Переход от 100 Гб/с к 1 Тб/c каналам ВОЛС в коммерческих сетях и от 10 Тб/с к 1-10 Петабит/с в магистральных ВОЛС. • Появление высокоскоростных (100 Гб/с и более) беспроводных каналов передачи данных, а также высокостабильных беспроводных каналов связи • Развитие проводной и беспроводной инфраструктуры доступа в сеть Интернет. • Развитие облачных сервисов и распределенных вычислений. • Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени. • Усиление роли ИКТ в медицине и здравоохранении. • Перспективные языки и системы программирования, реализующие новые парадигмы. • Развитие грид-технологий. Развитие технологий получения и обработки информации и управления информационными потоками напрямую зависит от развития технологий передачи данных (в том числе беспроводных), на которые влияют новые принципы организации компьютерных сетей, а также от новых принципов организации вычислений. Эти технологии участвуют в развитии облачных сервисов, а также решения крупных научных задач, в том числе в области Global Systems Science (GSS) [177]. Текущее состояние технологии (2012-2013 гг.) 150 В настоящее время технологии обработки сверхбольших мультикомпонентных данных вытекают из развития традиционных методов технологий хранения и анализа данных для распределенных хранилищ, например, реляционная распределенная СУБД с автоматической масштабируемостью [178], разработки новых способов организации и управления распределенным кэш [179, 180]. Также для данного направления является эффективной технология обработки данных в распределенной оперативной памяти с возможностью аналитики в режиме реального времени (inMemory Analytics [181]). К традиционным технологиям получения исходных данных добавились способы извлечения (кроулинга) данных по признаку из различных распределенных структур, в том числе социальных сетей [182, 183]. Также получили развитие средства поиска информации по графическому и аудио образцу [184]. Решение научных задач сопровождается обработкой данных, большая часть которых не структурирована традиционными способами, например, с помощью реляционной модели. Одной из эффективных технологий, позволяющих создавать соответствующие программные комплексы, является Hadoop [185]. На ее основе предлагаются различные архитектуры для сверхбольших объемов данных, например, лямбда-архитектура [186], подсистемы управления данными некоторых облачных платформ [187]. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) Развитие технологий Big Data можно связать с развитием парадигмы Data Driven Research [188, 189]. Очевидно, что это требует развития инструментов интеграции вычислительных моделей, источников данных и средств их обработки в распределенной среде [187]. Результатами такого развития могут стать прототипы или полноценные средства автоматизации построения композитных приложений в рамках концепции и технологии Virtual Modelling Objects [190], в которых автоматизируется настройка получения, обработки и типового анализа 151 данных за используемых счет семантических моделирующих описаний объектов. информационных Создание таких структур средств не представляется возможным без унификации типов научных данных [191], развития предметно-ориентированных языков для анализа данных (Data Analytics Domain Specific Language – DA DSL) [190], в том числе решения базовых задач на больших графах [192]. Также прогнозируется создание сверхвысокоуровневых языков для анализа данных, которые будут находиться над DA DSL и не зависеть от предметной области. Обеспечение развития приведенной парадигмы Data Driven Research возможно совершенствованием и массовым внедрением технологий, которые имеют место в настоящее время. Развитие получат InMemory Analytic [193] за счет роста объемов оперативной памяти и снижения ее относительной стоимости. Кроме того, будут совершенствоваться кроулинг текстовой информации, а также получат широкое распространение кроулинг аудио и видеопотоков. Развитие архитектур сети и высокопроизводительных вычислений повлечет появление новых технологий. В частности, совершенствование подходов создания контентно-адресуемых хранилищ может развить новую ветвь рассматриваемого направления. Перспектива внедрения квантовых компьютеров и способов хранения и передачи информации на квантовых носителях должно стимулировать работы по разработке соответствующих моделей и решению сопутствующих задач [194]. С другой стороны, на развитие и расширение технологий Big Data будет влиять разработка новых источников и типов данных, например, кубическое видео (авторское название), движущая круговая голограмма и видеопоток с большим количеством ракурсов. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Разнообразие технологий, связанных с обработкой и анализом сверхбольших объемов данных, а также их стремительное развитие, существенно 152 затрудняет прогноз на дальнюю перспективу. Можно прогнозировать распространение технологий сверхвысокоуровневых сред моделирования и анализа, например, VSO [190], в которых будут средства полу или автоматической статической и динамической привязки элементов VSO или аналогичных к источникам и потребителям данных, а также средствам их обработки и передачи. Поскольку разнообразие сетевых и распределенных вычислительных архитектур будет велико, и оно будет быстро меняться, (например, вследствие графеной революции [195]), то можно утверждать о типизации и унификации таких архитектур, активном применении средств полу или автоматической адаптации к ним платформ распределенных высокопроизводительных вычислений. В случае реализации прототипов квантовых компьютеров [196] и сопутствующих элементов будут интенсивно реализовываться соответствующие модели. Выводы С позиции вычислительного оборудования технологическое отставание России в ближайшей перспективе непреодолимо. Потенциальная ниша, которую можно занять – это разработка программного обеспечения для решения задач получения, обработки и передачи сверхбольших объемов данных. Также есть хорошие шансы конкуренции в области элементов, основанных на графене, а также в области квантовой оптики. Приоритетным направлением финансирования деятельности в области обработки и анализе сверхбольших объемов данных является подготовка квалифицированного персонала для системного программирования под широкий спектр сетевых и вычислительных архитектур и разработки программного обеспечения. 153 Другой составляющей успешного развития направления, основанного на разработке и создании программного обеспечения, является постановка конкретных задач и применение полученных результатов в различных отраслях, в том числе в области GSS, моделирования различных процессов на наноуровне. Прогноз эффекта от НИОКР видится затруднительным и зависит от степени успеха процесса встраивания разработок, (в том числе программных продуктов), в технологические цепочки компаний лидеров в данной области. Продолжение финансирования профильных программ фундаментальных исследований способно в отдаленной перспективе оказать существенное влияние на развитие направления и технологий. Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные и прикладные исследования, а также в НИОКР. 154 7.5 Элементная база и электронные устройства, робототехника 7.5.1 Исследовательские и опытные образцы сложно-функциональных блоков интегральных схем с учетом качественно новых эффектов, в том числе взаимного влияния элементов и подложки Введение Развитие технологий сенсоров является одним из востребованных направлений создания элементной компонентной базы. Области применения сенсоров охватывают научные исследования, медицину, промышленные технологии, строительство, сельское хозяйство, транспорт, энергетику, военную технику, логистику, системы безопасности и др. Сенсоры физических величин включают функции измерения физических величин; записи, хранения и обработки данных измерений; передачи информации; выработки управляющих воздействий в требуемых режимах и условиях эксплуатации. Сенсоры, как системы и средства измерений, постоянно совершенствуются. В настоящее время актуальны требования повышения точности измерений, устойчивости к внешним воздействиям, повышения энергосбережения и самовосстановления энергии сенсоров. Улучшение свойств сенсоров и их себестоимости возможно, благодаря использованию новых материалов, обладающих необычными свойствами, улучшению конструкции, а также применению новых физических принципов измерений. Миниатюризация средств измерений, возможность их объединения в сенсорные сети открывают новые возможности в областях применения. Развитие отрасли неотъемлемо связано с применением информационно- коммуникационных технологий, обеспечивающих компьютеризацию измерений, подключение сенсоров к системам сбора и обработки данных, в том числе – через локальные сети и Интернет. 155 Текущее состояние технологии (2012-2013 гг.) Основными направлениями тренда «Новые материалы и технологии для сенсоров физических величин и сенсорных сетей» являются: поиск новых материалов, обладающих необычными физическими свойствами, и отличающихся низкой себестоимостью; поиск новых технологий изготовления чувствительных элементов сенсоров; поиск технологий создания маломощных энергонезависимых сенсоров. В качестве новых материалов для сенсоров физических величин в настоящее время исследуются сегнетоэлектрики, органические материалы, и материалы на основе пористых структур с яркими пьезо-, пиро-, оптоэлектрическими, механическими, химическими и другими свойствами. Материалы с сегнетоэлектрическими свойствами широко применяются в датчиках и исполнительных механизмах. В частности, пироэлектрический эффект применяется: в теплометрических датчиках, датчиках контактного и бесконтактного измерения температуры, детекторах и приемниках излучений, пироэлектрических видиконах. давления, датчиках высоких Пьезоэлектрический эффект – в датчиках температур [197], электромеханических преобразователях и сборщиках энергии для энергонезависимых устройств [198200]. Их оптоэлектрические свойства стали основой для создания высокоточных оптоэлектронных датчиков с управляемым электрическим напряжением для прецизионного измерения давления, деформаций, перемещений, химических датчиков для исследования белков, молекул и т.п.; модуляторов энергии [201206]. Большинство имеющихся на рынке пьезоэлектрических материалов, например, Pb[ZrxTi1-X]O3 (ЦТС), состоят более чем из 60 весовых процентов свинца (Pb). Pb-содержащие пьезоэлектрики отличаются хорошо выраженными физическими свойствами, низкой стоимостью и простотой изготовления [207156 210]. Однако токсичность свинца и его соединений стала причиной законодательного запрета на применение Pb-содержащих материалов во многих странах [211-212]. В настоящее время актуально выявление новых бессвинцовых материалов, сопоставимых по свойствам с ЦТС, включая, например, BaTiO3, Na0.5Bi0.5TiO3, K0.5Bi0.5TiO3, Na0.5K0.5NbO3, и их твердые растворы [211-223]. Из органических материалов особый интерес представляют углеродные каркасные структуры, отличающиеся чрезвычайным разнообразием форм, высокой прочностью (как на растяжение, так и на изгиб), необычными электрическими свойствами (в зависимости от структуры могут быть как полупроводниками, так и проводниками; некоторые структуры отличаются сверхпроводимостью), магнитными, оптическими, капиллярными свойствами. Сегодня на основе углеродных кластерных структур ведутся работы по созданию сенсоров различного назначения – датчиков преобразования энергии, электрохимических датчиков, наносенсоров для потоков жидкости, термометров для нанообъектов, датчиков теплового потока, датчиков давления и др. [224-226]. В качестве углеродных каркасных структур применяют углеродные нанотрубки и тонкие пленки [224; 227-229], полимеры [225; 226; 230; 231]. В качестве элементов органической электроники предлагается использовать также некоторые природные бимолекулярные материалы, обладающие сегнетоэлектрическими свойствами [232]. Так, в настоящее время исследуются свойства ароматических дипептидов, дифенилаланин пептидных нанотрубок. Эти материалы обладают широким спектром полезных свойств, в частности, наноструктурной изменчивостью, механической прочностью и химической стабильностью, и могут быть использованы в дальнейшем в качестве наноприводов, наномоторов и молекулярных машин. Также перспективно создание новых материалов на основе пористых структур – кварцевого стекла [221-222; 233-236] и хризотилового асбеста [229], в поры которых можно добавить различные материалы. Добавление нитрита натрия или нитрата натрия в кварц позволяет создавать новые материалы на сегнетоэлектрических свойствах [221-222; 233-235], которые могут быть 157 использованы для создания датчиков температуры и теплового потока, пороговых датчиков, элементов защиты микросхем; а также новые оптические материалы с близким к минимальному коэффициентом линейного температурного расширения, которые найдут применение в управляемых элементах, элементах оптических датчиков [222]. Оптические свойства материалов можно получить и при добавлении в пористые структуры дигидроортофосфата аммония, дигидроортофосфата калия [221]. Важным направлением развития рынка является совершенствование технологий производства сенсоров и чувствительных элементов. Продолжается тенденция миниатюризации элементной базы в сторону развития нанотехнологий. В качестве одного из основных материалов и устройств наноэлектроники применяют: тонкие пленки на основе материалов с сегнетоэлектрическими свойствами [207-209; 213-215; 237], полученные методами импульсного лазерного осаждения [214], силовой микроскопии пьезооткликов [208; 214], магнетронного распыления [207], эпитаксиального выращивания [209; 210], золь-гель методом [209], ионнолучевого напыления [238]; тонкие пленки на основе одностеночных углеродных нанотрубок [227; 228], полученные (1) методом синтеза высокого давления или лазерной абляции с последующим получением раствора суспензий и распределением по поверхности или принтерной печатью [228]; (2) методом прямого синтеза с последующим паровым химическим осаждением [228]; пьезоэлектрическое волокно на основе полимерных материалов [239]; нанозернистые пьезоэлектрические керамические материалы, полученные методом первичного спекания искры плазмы [240]; нанопроволка, например: (1) Sb2S3 нанопроволка силовой микроскопии пьезооткликов включения; (2) одномерная нанопроволка на основе титаната свинца, синтезированная в условиях переменного анодного окисления при 158 изменении анодного окисления фольги Ti с последующей гидротермальной реакцией в водном Pb(II) растворе тригидрата ацетата [241; 242]. На основе углеродных наноматериалов создаются опытные образцы полупроводниковых гетероструктур типа металл-полупроводник или полупроводник-полупроводник; полевой транзистор на одной нанотрубке; суперконденсаторы; туннельные диоды; электронные логические элементы и др., отличающиеся высокой плотностью записи (1 бит на молекулу), неограниченной памятью и быстродействием, и предназначенные для записи, хранения, считывания и проводной и беспроводной передачи информации с минимальными потерями энергии [228]. На основе пьезоэлектрических тонких пленок создают образцы автономных наногенераторов, сборщиков энергии, обеспечивающих преобразование механической энергии в электрическую; и накопление электрической энергии в микроэлектромеханических системах (MEMS) автономной работы [198-200]. Актуально направление создания элементов памяти и обработки данных на основе эффектов, отличных от применяемых в традиционной транзисторной электронике [237]. В частности, учеными Национальной физической лаборатории (Великобритания) создан «3D» ионный массив-ловушка для обработки данных на полупроводниковом кристалле [244]. В Университете Саутгемптона (Великобритания) создан кристалл «5D»-размерной памяти неограниченного хранения данных на основе наноструктурного стекла [245]. За рубежом лидерами сенсорных технологий стали ведущие исследовательские университеты стран ЕС, США, Японии, Китайской народной республики и др., такие, например, как: University of Siegen [204-206; 238], Германия; Zentrum fuer Sensor systeme (ZESS) [243], Германия; National Physical Laboratory, Engineering Measurement Division London [231; 244], Великобритания; University of Manchester [223], Великобритания; Princeton University [199], США; University of California [198], США и др. 159 В России ведущими вузами и компаниями являются Физико- технический институт им. А.Ф. Иоффе РАН [201-202; 233-236], Институт точной механики и вычислительной техники им. С. А. Лебедева РАН [246], СПб НИУ ИТМО [247], ОАО «Авангард» [237], ОАО «НИИ «Вектор», ОАО Концерн ПВО «Алмаз-Антей», ООО «НПО «ГРАНИТ», ГУП НПО "АВРОРА", ООО, ГК «Терма» и др. Согласно данным компании BCC Research [248] мировой рынок сенсоров постоянно растет. Так, если в 2010 году он оценивался в $ 56,3 млрд., то в 2011 году он составил $ 62,8 млрд., и в настоящее время продолжается тенденция его дальнейшего роста. На сегодня Россия обладает неплохой научно-технической базой в области создания сенсоров экономических различного предпосылок, назначения, существенно но, отстает вследствие от историко- ведущих стран- производителей в областях микро- [249] и наноэлектроники [250]. Ниша России на мировом рынке – создание датчиков, интерфейсов к датчикам, алгоритмов обмена данными [249]. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) Согласно прогнозу компании BCC Research [248] прогнозируется увеличение рынка сенсоров к 2016 году почти до $ 91,5 млрд. при среднегодовом темпе роста (CAGR) в 7,8%. Рынок биосенсоров и химических сенсоров увеличится в 9,6% в течение 5-летнего периода с 2011 по 2016 год. Ожидается, что в 2016 году этот сектор будет стоить около $ 21 млрд. Высокие темпы роста рынка будут наблюдаться для используемых в смартфонах и многих других портативных устройствах датчиков изображения. Рынок датчиков изображения, расхода и датчиков уровня в 2016 году оценивается до $ 27 млрд. В ближайшие 5 лет будет продолжаться тенденция развития рынка сложнофункциональных блоков интегральных схем в сторону дальнейшего совершенствования новых материалов, создания композиционных материалов с необычными физическими свойствами, совершенствования технологий микро- и 160 наноэлектроники. Особый интерес будет направлен на создание сенсоров, функционирующих без источников питания, на элементах сбора и накопления энергии [251]. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Общее падение себестоимости датчиков приведет к всеобщей сенсоризации. Ожидается повсеместное внедрение так называемой «умной пыли» (развитие технологий MANET) [249; 251; 252]. В этот период будут решаться проблемы энергосбережения, восстановления энергии датчиков в дикой природе, технологии разбрасывания и сбора датчиков после использования [253]. Выводы Согласно проведенному обзору наиболее перспективными направлениями исследований являются: новые недорогие материалы и технологии; создание миниатюрных сенсоров на этих материалах; создание энергонезависимых сенсоров. 161 7.5.2 Опытные образцы микропроцессоров и коммуникационных СБИС на основе самосинхронной логики с локально-асинхронными механизмами самоконтроля и парирования ошибок Введение Одно из востребованных направлений современной элементной компонентной базы и электронных устройств – технологии создания сенсорных сетей. Сенсорная сеть представляет собою систему распределенных миниатюрных интеллектуальных датчиков, управляемых как посредством беспроводных, так и посредством смешанных сетей. Сенсорные сети, как системы и средства измерений, предназначены для сбора, обработки и передачи информации о наблюдаемых объектах на расстояние. К ним предъявляются высокие требования обеспечения автономности работы, надежности, устойчивости к внешним воздействиям, масштабируемости и распределенности, взаимодействию с информационно-вычислительными системами, персональными компьютерами средствами телекоммуникаций и беспроводной связи, повышению энергосбережения и самовосстановления энергии сенсоров. Области применения сенсорных сетей могут быть необычайно разнообразны – это и научные исследования, и медицина, промышленные технологии, строительство, сельское хозяйство, транспорт, энергетика, военная техника, логистика, системы безопасности и др. Развитие отрасли неотъемлемо связано с применением обеспечивающих информационно-коммуникационных компьютеризацию измерений, подключение технологий, сенсоров к системам сбора и обработки данных, в том числе – через локальные сети и Интернет. Текущее состояние технологии (2012-2013 гг.) В направлении создания опытных образцов микропроцессоров и коммуникационных СБИС на основе самосинхронной логики с локально162 асинхронными механизмами самоконтроля и парирования ошибок в настоящее время активно развивается тренд «Новые материалы и технологии для сенсоров физических величин и сенсорных сетей», в котором особое внимание уделяется созданию беспроводных и смешанных сенсорных сетей на основе интеллектуальных сенсоров. Если под сенсором мы понимаем датчик, преобразующий физическое или физико-химическое изменение в объекте наблюдения в информационный сигнал для пользователя, то интеллектуальный сенсор дополнительно к датчику преобразования сигнала содержит микрокомпьютер, способный выполнять обработку, хранение и передачу первичной информации [254]. Элементная база интеллектуальных сенсоров включает чувствительные элементы, усилители, типовые схемы сравнения, АЦП и ЦАП, микрокомпьютеры, узлы взаимодействия с пользователем (клавиатуру, дисплей), внутреннюю память, внешний интерфейс и др. Чувствительные элементы интеллектуальных сенсоров классифицируются по способу регистрации данных наблюдения. Наиболее широко применяют: механические, например, микроминиатюрный мембранный датчик давления [255], сенсоры GPS [256], акселерометры и гироскопы [257], хроматографы; оптические [258]; электрические; электромагнитные; электрохимические [259] интеллектуальные сенсоры. Микрокомпьютеры выполняются на одном кристалле или в виде одной микросхемы. В качестве микрокомпьютера используют [254]: микропроцессор, который может не иметь внутренней памяти или узлов приема-выдачи данных; 163 микроконтроллер, включающий память программ и данных, узлы приема и выдачи данных, таймеры, АЦП, ЦАП и некоторые другие устройства; микроконвертер, выполняемый на основе микросхемы, и состоящий из памяти программ и данных, системы сбора и обработки данных, АЦП, ЦАП, эталонных источников напряжения, датчика температуры, таймеров, монитора, источника питания, встроенного микроконтроллера. Для хранения регистрируемой информации в микрокомпьютере интересно применение недавно разработанного прототипа «5D»-размерной памяти неограниченного хранения данных на основе наноструктурного стекла [260]. В настоящее время чаще всего применяют 8- и 16-разрядные микроконтроллеры в архитектуре, предложенной фирмами Intel [261] и Texas Instruments [262]. Согласно [259] «Самыми популярными производителями таких микроконтроллеров на сегодняшний день являются фирмы Philips, Atmel, Siemens, Intel, Dallas и др. В качестве клавиатуры применяются как классические кнопочные устройства, так и пленочные (мембранные) или силиконовые, которые имеют ряд преимуществ – большой рабочий ресурс, простота монтажа, низкая стоимость, возможность спроектировать свой собственный дизайн. При необходимости интеллектуальные сенсоры снабжают дисплеями, которые могут быть индикаторами на жидких кристаллах или на полимерах [263]. Также появились первые прототипы гибких дисплеев на основе одностеночных углеродных нанотрубок [264; 265]. Соединение интеллектуального сенсора с сетью, а через нее с внешним компьютером, выполняется на основе интерфейсов ZigBee (IEEE 802.15.4), WLANs, GSM, Bluetooth (IEEE 802.15. 1) [266], последовательного интерфейса RS 232, USB-интерфейса, беспроводного инфракрасного интерфейса IrDA [254]. 164 В настоящее время активно развивается новое направление электроники – микросистемотехника, основанное на использовании «ранее известных, но не находивших масштабных применений физических принципов, таких как: магнитоэлектроника, оптоэлектроника, акустоэлектроника, хемотроника, криоэлектроника. Этимология этих терминов говорит о явно пограничных физических явлениях, которые оказались достижимыми, в частности, и на основе успехов микроэлектронной технологии и наноэлектроники [267]. Микросистемотехника профилируется на создании микрокомпьютеров, объединяющих в себе «функции восприятия и преобразования информации из физической (либо химической) формы в электрическую, а также функции хранения, обработки (используя эффекты, отличные от традиционной транзисторной электроники), трансляции информации, энергии и движения, а затем выработки управляющих воздействий в требуемых режимах и условиях эксплуатации» [267]. В области развития сенсорных сетей за последние 10 лет активно продвигается направление самоорганизующихся сетей на беспроводных основе мобильных децентрализованных датчиков – MANET (англ. Mobile Ad hoc Network) [268; 269]. Расширение возможностей MANET связано с решением таких проблем, как повышение помехоустойчивости датчиков, обеспечение пропускной способности безопасности сетей, передаваемых оптимизация данных, маршрутизации, повышение снижение себестоимости датчиков. За рубежом лидерами сенсорных технологий стали ведущие исследовательские университеты стран ЕС, США, Японии, Китайской народной республики и др., такие, например, как: Zentrum fuer Sensor systeme (ZESS) [270], Германия; National Physical Laboratory, Engineering Measurement Division London, Великобритания [271]; Princeton University, США [272]; University of California, США [273] и др. В России ведущими вузами и компаниями являются Институт точной механики и вычислительной техники им. С. А. Лебедева РАН [274], СПб НИУ 165 ИТМО [275], ОАО «Авангард» [269], ОАО «НИИ «Вектор», ОАО Концерн ПВО «Алмаз-Антей», ООО «НПО «ГРАНИТ», ГУП НПО "АВРОРА", ООО ГК «Терма» и др. В области создания MANET ведущими производителями являются компания Intel [263], Atmel [276], Dust Networks [277], Millennial Net [278], Digi International [279], Wireless Sensors [280], MicroStrain (microstrain.com), Thales (thalesgroup.com), Alvarion (alvarion.com), ARRIS (arrisi.com) и др. В России – это СПб НИУ ИТМО [296-298], MeshLogic (meshlogic.ru), Digi International (digi.com), ФПК ЭСТРА (uwbs.ru), (sozvezdie.su), Juniper Networks (juniper.net), Концерн «Созвездие» SpiNet (www.spilnet.ru), ООО «ЛИНТЕХ» [268]. Согласно данным компании BCC Research мировой рынок сенсоров постоянно растет. Так, если в 2010 году он оценивался в $ 56,3 млрд., то в 2011 году – в $ 62,8 млрд. [281], и в настоящее время продолжается тенденция его дальнейшего роста. Сенсоризация производственных и технических процессов направлена на предупреждение, учет и контроль самых разнообразных процессов. Например, в области медицины развивается дистанционный диагностический мониторинг, включающий портативные беспроводные интеллектуальные сенсоры измерения ЭКГ, ЭЭГ, пульсоксиметры [266; 282-298], датчики измерения внутриглазного давления [299], датчики захвата движения и др. [300; 301]. На сегодня Россия существенно отстает от ведущих стран-производителей в областях микро- [268] и наноэлектроники [302]. Ниша России на мировом рынке – создание датчиков, интерфейсов к датчикам, алгоритмов обмена данными [268]. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) Дисплеи интеллектуальных сенсоров уже сегодня часто объединяют в себе функции монитора и клавиатуры. Для таких устройств будут реализованы технологии замены кремниевого экрана на более прочные одностеночные углеродные нанотрубки [264], новые материалы на основе пористых структур. 166 В ближайшие 5 лет в сенсорных сетях основное внимание будет направлено на решение задач унификации механизмов и протоколов связи между радиочастотными и оптическими датчиками. Особый интерес будет направлен: на оптические способы передачи информации на расстояние, т. к. быстродействие этих устройств наибольшее; создание сенсоров, функционирующих без источников питания, на элементах сбора и накопления энергии [272-273; 303]. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Общее падение себестоимости датчиков приведет к всеобщей «сенсоризации». Ожидается повсеместное внедрение так называемой «умной пыли» (развитие технологий MANET) [263; 270-271]. Одним из направлений развития этой тенденции станет реализация проекта «Интернет вещей» [271], где Интернет предлагается использовать в качестве средства передачи данных [298]. В этот период будут решаться проблемы энергосбережения, восстановления энергии датчиков в дикой природе, технологии разбрасывания и сбора датчиков после использования. Выводы Согласно проведенному обзору наиболее перспективными направлениями исследований являются: создание интеллектуальных энергонезависимых сенсоров; беспроводные и смешанные сенсорные сети различного назначения; системы маршрутизации и программирование систем датчиков. 167 7.5.3 Прототипы элементной базы на основе одноэлектроники, спинтроники и фотоники квантовых эффектов Введение Одной из важных проблем фотоники является разработка и создание элементной базы оптических стандартов частоты. Эти стандарты широко применяются в спектроскопии сверхвысокого разрешения и прецизионных физических экспериментах, находят практическое приложение в различных областях техники. Важнейший и глобальный тренд в данной области – переход от микроволнового стандарта частоты к оптическому [304], что связано, прежде всего, с появлением фемтосекундных лазеров. В основе наименьшей, метрологии насколько лежит это установка возможно, физических стандартов неопределенностью. с Для телекоммуникационных технологий, в частности, наличие точных стандартов частоты крайне важно, и частоты света и радиоволн, используемые для телекоммуникаций, должны строго контролироваться. К примеру, для повышения точности измерения расстояний в системе ГЛОНАСС требуется создание стандарта частоты с более высокой стабильностью по сравнению с используемыми в настоящее время. Такой стабильностью обладают оптические стандарты частоты. Создание мобильного приемника оптического сигнала затруднительно, поэтому необходимо перенести стабильность оптического перехода в радиодиапазон, используемый сейчас в системе ГЛОНАСС. Использование имеющихся электронных устройств для измерения частоты излучения возможно только в том случае, если частота не превышает 100 ГГц. В оптическом диапазоне, где частота излучения составляет сотни ТГЦ, требуются другие, косвенные методы измерения частоты. Текущее состояние (2012-2013 гг.) До последнего времени единственным способом измерения оптической частоты служило устройство, состоящее из набора генераторов, покрывающих 168 спектр - от далекого инфракрасного, до видимого. Каждый из генераторов отличается по частоте от следующего на небольшое значение, измеримое стандартными методами. Для измерения оптической частоты приходилось использовать большое число генераторов, позволяющих покрыть диапазон от радиочастоты атомных часов до измеряемой оптической частоты. Каждое новое измерение требовало строительства новой цепи частоты и несколько лет работы. Прецизионные кварцевые генераторы до сих пор остаются наиболее распространненным устройством измерения частоты. Мировыми лидерами в области создания генераторов со стабильностью порядка 10-9 и выше по данным компании Морион за 2011 год являются компании Vectron, США (доля мирового рынка 30%), Rakon, Новая Зеландия (20%) и Морион, Россия (20%). Благодаря развитию технологии фемтосекундных лазеров и нелинейной оптики волокна недавно появилось более простое средство измерения оптических частот – генератор оптической гребенки [305]. Генераторы оптической гребенки в настоящее время широко рассмотрены в литературе [305, 307-329]. Первоначально наибольшее развитие получили фемтосекундные часы (устройства для переноса частоты из оптического диапазона в радиодиапазон) на основе широко распространенного фемтосекундного лазера на сапфире с титаном, с использованием гребенки эквидистантных мод, спектрально уширенных до октавы в микроструктурированных волокнах [207-309,312]. За последнее десятилетие парк фемтосекундных лазеров, использующихся в оптических часах, увеличился [313-320], а точность определения частоты излучения увеличилась до порядка 10-15 Гц [304]. В России данный стандарт определения частоты позволяет определять координаты объекта со спутника с точностью около 10 см. Однако, для данной задачи необходимы дорогостоящие мобильные лазерные системы с высокой стабильностью излучения. Лазеры на основе ионов Er и Yb с прямой диодной накачкой, имеющие небольшие габариты и меньшую стоимость [306, 307, 319-321], представляют на 169 сегодняшнее время хорошую альтернативу титан-сапфировому фемтосекундному лазеру. В настоящее время развиваются технологии, использующие полупроводниковые лазеры [322], однако вопрос о расширении спектрального диапазона в них до октавы пока не решен. Одним из основных параметров таких лазеров является частота следования импульсов – для метрологических применений более целесообразна высокая частота, вплоть до 100 ГГц. Более высокая частота обеспечивает большую среднюю мощность на одну частоту из гребенки мод. Необходима также возможность перестройки частоты следования 1…5% для определения номеров генерируемых мод [323]. Согласно таблицы 3, большинство лазеров работают на частотах в сотни МГц, что обеспечивает большую энергию в отдельном импульсе, и что, соответственно, улучшает параметры нелинейного преобразования. Частотные и амплитудные шумы, которые влияют на точность определения базовой частоты, как правило, обусловлены шумами накачки и потерями в резонаторе. С этой точки зрения предпочтение необходимо отдать твердотельным лазерам с прямой диодной накачкой - Yb:KYW и Er:Yb:стекло. Помимо этого, на шумовые характеристики значительно влияет нелинейное спектральное преобразование в волокнах [324]. Следует отметить, что только лазер на сапфире с титаном позволяет получить октавную гребенку мод без нелинейного преобразования в волокне [325], что, несомненно, является преимуществом. Для использования в космических условиях необходимо иметь лазерные источники небольшого размера с малым энергопотреблением. Yb:KYW и Er:Yb:стекло лазеры с прямой диодной накачкой обладают на настоящее время наилучшими энергетическими параметрами, а также малыми габаритами. 170 Таблица 3 - Используемые в фемтосекундных оптических часах лазеры и их ключевые параметры Тип Ti:Sapphire Cr:LiSAF Er:волок но Cr:форстерит Yb:волокно Yb:KYW Er:Yb:стек ло Полупроводни ковый лазер Ссылки [305307,311] [312] [313,314 ] [315] [316] [317] [318] [319] Центральная длина волны генерации Длительность одиночного импульса Источник накачки 800 нм 894 нм 1560 нм 1275 нм 1040 нм 1030 нм 1560 нм 1550 нм 10-50 фс ~ 50 фс fs 80-200 фс 30 фс 70-100 фс ~ 290 фс ~ 170 фс 1600 фс 532 нм, вторая гармоника Nd:YVO4 0.1-10 ГГц 650 нм П.п. лазер 980 или 1480 нм П.п. лазер 50-300 МГц 1075 нм Волоконный 976 нм П.п. лазер 980 нм П.п. лазер 976 нм П.п. лазер 420 МГц 0.1-1 ГГц 160 МГц 75 МГц 100 ГГц 500-1200 нм 550-1100 нм 10002000 нм 1000-2000 нм 700-1400 нм 700-1400 нм 1000-2000 нм 1530-1560 нм Микростру ктурированн ое волокно Высокон Высоконелиелинейное нейное волокно волокно Микростру Микрострукктурированное турированн волокно ое волокно Высоконел и-нейное волокно ~1% ~ 0.5% 1-2%. ~ 2-3% ~ 2-3% 20% 25-100 мВт 500 мВт 100-200 мВт >200 мВт >100 мВт 18 мВт Частота повторения импульсов Уширение спектральной гребенки Нелинейный элемент 93 МГц К.п.д. лазера ~ 0.1% Микростр уктурирова нное волокно 1-2% Средняя выходная мощность 1000 мВт 150 мВт 171 Следует отметить появившиеся работы по получению гребенки мод в нелинейных микрорезонаторах с параметрической генерацией при накачке непрерывными полупроводниковыми лазерами [326-327]. На настоящее время получена ширина спектра в 128 ТГц (1000 нм – 2300 нм) при межмодовом интервале в 226 ГГц [328]. В работе [3] Дж. Холл отмечал, что альтернативным вариантом системам на основе f-2f интерферометров для достижения оптической стабильности и переноса ее в радиодиапазон является привязка генератора гребенки к сравнительно простому Nd:YAG или Nd: YVO лазеру, стабилизированному по йоду. Из-за большой массы молекулы йода ее доплеровская поправка второго порядка для этой системы составляет всего 5х10-13. Дж. Холл оценивает независимую воспроизводимость при улучшенной технической реализации величиной в 5 раз меньше. Долговременная стабильность по измерениям 2002 г. составила 6х10-14. Основной проблемой при этом является модуляция без смещения для замыкания петли обратной связи, а основным преимуществом – компактность системы. Например, в Японии создан лазер [329], работающий в условиях багажного отделения самолета и демонстрирующий при этом отличные характеристики. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) В связи с постоянным увеличением скоростей передачи информации по цифровым сетям, требования к стабильности оптических часов, испозьзуемых для синхронизации телекоммуникационного оборудования, также повышаются. В краткосрочной перспективе для систем мобильной защищенной широкополосной связи с быстрой модуляцией несущей частоты, в телекоммуникационных системах кодирования сигналов потребуются стандарты определения частоты с точностью порядка 10-16 Гц. Для этого необходимы лазеры с высокой стабильностью излучения. Имеются перспективы, примерно, пятикратного увеличения стабильности при переходе к Yb: YAG лазеру, генерирующему на длине волны 1029 нм. Частота излучения этого лазера стабилизируется по линии йода 514,5 нм. Ширина этой 172 линии примерно в 5 раз меньше, чем у линии 532 нм, по которой стабилизируются Nd: YAG лазеры. Отметим, что эту же длину волны генерируют Yb: YAG и волоконные генераторы гребенки. Тенденции развития на долгосрочную перспективу (2020 -2030 гг.) Как и для всей лазерной индустрии, тенденция развития – широкое использование полупроводниковых лазерных источников. В микрорезонаторах с лазерами на квантовых точках, при соответствующей стабилизации, возможно изготовление оптических стандартов следующего поколения – с долговременной стабильностью до 10-18 [330]. Перспективным направлением является также совмещение технологий фемтосекундного генератора гребенки и генераторов терагерцового диапазона частот, что позволит перейти сразу в радиочастотный диапазон. Выводы В Российской Федерации существует задел по разработке оптических стандартов [309, 331], а также по созданию фемтосекундных лазерных источников [332]. На сегодняшний день, состояние разработок техники и технологий оптических стандартов в Российской Федерации таково, что в ближайшее время возможно преодолеть существующее отставание от ведущих стран. Возможность прорыва и занятие соответствующей ниши в мировой системе для России можно прогнозировать в следующих областях при наличии соответствующего государственного финансирования НИР и НИОКР: - разработка и создание оптических стандартов на основе Yb:KYW лазеров с прямой диодной накачкой (предпосылки – наличие задела); - совмещение технологий фемтосекундных оптических часов и терагерцовых технологий (переход на следующий уровень, наличие мировых достижений по созданию малогабаритных ТГц генераторов, разработки по ТГц оптике). Для получения научных и прикладных результатов мирового уровня в обозримом будущем необходимо уже сейчас осуществлять существенные инвестиции в фундаментальные исследования, проводимые в РАН и университетах. 173 7.5.4 Прототипы биоподобных и антропоморфных робототехнических устройств, самообучающихся роботов, систем группового управления роботами Введение Основным направлением современной робототехники является обеспечение все более полного удовлетворения потребностей общества. В основе развития робототехники лежит создание новых, более совершенных интеллектуальных систем управления робототехническими и мехатронными устройствами, а развитие, в частности, таких направлений робототехники, как создание биоподобных [333, и 334] антропоморфных [335], [336] робототехнических устройств, самообучающихся роботов и систем группового управления роботами, направлены на уменьшение функциональной пропасти между искусственными и живыми системами. Общими трендами, которые выделяются в процессе анализа отрасли, являются: Создание роботов, направленных на обеспечение безопасности человека. Развитие интеллектуальных систем управления робототехническими и мехатронными системами. Развитие новых человеко-машинных интерфейсов, направленных на более простое взаимодействия робототехнических устройств и человека. Создание искусственного интеллекта. Повышение качества жизни людей с ограниченными возможностями и с ограничениями в их деятельности с использованием робототехнических систем (например, с использованием экзоскелетов). Развитие систем группового управления роботами (мультиагентные системы). 174 Биоподобные и антропоморфные робототехнические устройства, самообучающиеся роботы и т.д. являются важным инструментом удовлетворения потребностей массового потребителя (населения), применяются в медицине, военной сфере, управлении сложными техническими системами и различных сферах народного хозяйства. Современные тенденции требуют повышения производительности роботов, упрощение их эксплуатации и создание новых приложений применения роботов. Текущее состояние технологии (2012-2013 гг.) Последнее время в сфере робототехники существенно смещается акцент от мобильных роботов в сторону создания и применения разнообразных робототехнических устройств с биоподобной и антропоморфной структурой, а также к мультиагентным робототехническим системам и самообучающимся роботам. Среди таких робототехнических систем можно выделить: Экзоскелеты - устройства, предназначенные для увеличения мускульной силы человека за счёт внешнего каркаса. Экзоскелет повторяет биомеханику человека для пропорционального увеличения усилий при движениях и используется для реабилитации инвалидов и социальной адаптации пожилых людей, а также уменьшения времени восстановления функциональных способностей организма человека после травм. Так, по прогнозам ABI Research [337], к 2020 году ожидается рост годовых доходов в данной сфере с 29 млн. долларов до более 877 млн. долларов, при этом ежегодные темпы роста будут составлять почти 41%. Малые беспилотные летательные аппараты (БПЛА), как часть мультиагентной системы. БПЛА в системах группового управления роботами могут использоваться в военных целях, для экологического мониторинга, картографии и т.д. Так, например, по результатам исследования Teal Group [338] в ближайшее десятилетие рынок БПЛА вырастет более чем вдвое – с 5.2 млрд. долларов до 11.6 млрд. долларов. Медицинские роботы. Уже на сегодняшний день роботы активно используются в медицине [339]. В дальнейшем ожидается стремительное 175 расширение функциональных возможностей медицинских роботов, как при оперировании, так и при проведении диагностики и реабилитации [340], [341]. Шагающие роботы. Прямохождение является одним из наиболее сложно воспроизводимых операций для современных человекоподобных роботов. Наиболее продвинулась в данной области компания Boston Dynamics с роботом Petman [335], однако задача создания робота, способного двигаться так же, как человек, особенно при наличии внешних возмущений пока еще остается нерешенной. Промышленные роботы, позволяющие полностью автоматизировать производство. Данные роботы имеют большой спрос, но, несмотря на это, в России серийное производство подобных устройств отсутствует, а в перспективе планируется выпуск лишь образцов, предназначенных для военных целей. Растущие потребности ставят перед робототехникой три основные задачи — дальнейшее повышение производительности роботов, упрощение их эксплуатации и внедрение в новые сферах применения. Решение этих задач связано главным образом со значительным увеличением степени интеллектуальности роботов, а именно с созданием интеллектуальных систем управления, в том числе искусственного интеллекта (искусственных нервных систем роботов), способного к самообучению. Можно ожидать, что именно в этом направлении будет развиваться робототехника. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) На сегодняшний день существует множество прогнозов развития робототехники к краткосрочной перспективе. Далее приведены наиболее вероятные и часто повторяющиеся прогнозы развития робототехники. В ближайшей перспективе, ожидается, что роботы будут выполнять все больше и больше операций на производстве. Это может привести к тому, что уже к 2020 году появятся почти полностью автоматизированные фабрики и заводы, где все работы будут выполняться роботами. Также роботы могут ассистировать или 176 полностью заменить людей в таких физически простых делах, как, например, работа библиотекаря т.д. К 2015 году ожидается активное использование роботов в сельском хозяйстве. К 2015 году ожидается распространение специализированных роботов, предназначенных для помощи людям при физической нагрузке и снижению напряжения на мышцах. К таким роботам можно отнести укзанные выше экзоскелеты. Будут создаваться и использоваться новые человеко-машинные интерфейсы, позволяющие управлять робототехническими устройствами посредством силы мысли или жестов [342], [343]. роботами. Автономные автомобили также можно в некоторой степени считать Вначале будут автоматизированы лишь некоторые операции: автоматическая парковка, обеспечение безопасности и т.д. [345], а затем ожидается появление полностью автономных автомобилей [346]. Причем в данной области особое внимание стоит уделить способности самообучаться и адаптации к обстановке на дорогах. По результатам опроса, проведенного на портале Интернетресурса CarInsurance.com, 90% опрошенных положительно относятся к появлению автономных автомобилей [347]. Таким образом, выделим основные аспекты развития робототехнических устройств в краткосрочной перспективе. Совершенствование систем управления роботами. Автономность и интеллектуализация робототехнических систем. Развитие новых сфер применения робототехнических систем. Дополнительным драйвером развития робототехники является развитие технологий распределенных вычислений и супер ЭВМ, а разработки в области создания адаптивных и робастных систем управления робототехническими 177 устройствами, а также систем управления неполноприводными системами позволят заложить основы для дальнейшего развития робототехники в целом [347, 348]. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Робототехнику будущего можно представить себе как гармоничное сочетание универсальных программных средств, интеллектуальных систем управления, совершенствующихся очувствления механических узлов роботов, обеспечивающих и внедрения новых технологий все более полное удовлетворение потребностей общества. Однако прогнозировать развитие роботов и искусственного интеллекта на длительный период с достаточной точностью пока не представляется возможным. Можно лишь выделить основные тенденции развития робототехнических устройств. Медицинские роботы. К 2030 году существенная часть операций будет выполняться роботами, также ожидается появление первых микророботов, способных вести наблюдения за здоровьем человека внутри его тела. Самовоспроизводство и модульность. Исходя из высоких темпов развития, уже к 2020-2030 годам ожидается появление первых роботов, способных к самовоспроизведению. Первоначально они будут представлять себя, как небольшие настольные фабрики. Уже на сегодняшний момент существуют подобные проекты, например, 3-D принтер, воспроизводящий основные детали для своей уменьшенной копии, однако о полной автоматизации такого процесса говорить еще рано. Микро- и нанороботы. Постепенно размеры роботов становятся все меньше и меньше. К 2020-2030 появятся и будут активно использоваться микророботы, размером в сантиметры и миллиметры. Они будут использоваться в медицине, военном деле, в сельском хозяйстве (как умные сенсоры) и во многих других областях. Это может привести к созданию первых нанороботов (наноботов). Выполняемые Российской академией наук программы исследований и полученные научные и прикладные результаты в области систем управления 178 робототехническими устройствами, методов математического моделирования и др. способны оказать влияние на развитие направления в отдаленной перспективе. Выводы Как и для всех других промышленных товаров, основное развитие роботов регулируется пользовательским спросом. Тем не менее, роботы являются уникальными, благодаря своей универсальности, а разработанная технология может быть применима к большому спектру требований от различных концепций автоматизации и различных приложений. В то же время, существует необходимость улучшения гибкости использования роботов и их надежности, улучшения условия труда, снижения стоимости жизненного цикла, системной интеграции, упрощения программирования и обслуживания, увеличения производительности. Одновременно с требованиями клиентов и приложений, на развитие области влияет технологический рывок, позволяющий внедрять новейшие информационные технологии. Таким образом, разработка аппаратного и программного обеспечения имеет большое влияние на развитие систем управления роботом, также предпринимаются попытки использовать технологии из области телекоммуникаций. Развитие роботов наверняка не достигло своих пределов, и есть еще много задач, которые предстоит решить – прежде всего, необходимо преодолеть разрыв между академическими исследованиями и промышленным развитием, активизировать научные исследования в направлениях, которые нацелены на создание новых приложений и новых гибких концепций автоматизаций. 179 7.6 Предсказательное моделирование, методы и средства обеспечения функционирования перспективных систем создания и 7.6.1 Прототипы программных систем предсказательного моделирования сложных систем (технических, социально-экономических, политических, транспортных и др.) и свойств физических, химических, биологических и других объектов с выходом на уровень предсказательной точности и сложности, недостижимой в настоящее время Введение Развитие технологий высокопроизводительных вычислений (ВПВ) значительно расширило возможности моделирования сложных процессов, позволяя учитывать большее число параметров и факторов, а также повышать точность и детальность исследований. К технологиям высокопроизводительных вычислений можно отнести Global Systems Science (GSS [349]), например, это - моделирование транспортной динамики большого города [350] с помощью мультиагентного подхода, где агентами являются граждане города, транспортные средства и др. Сам мультиагентный подход новизной не выделяется, но появление возможностей вносить в модели большое количество агентов (миллионы и выше), за каждым из которых находится сложная модель, выводит моделирование на новый уровень, который позволяет выявлять ранее не известные причины возникающих эффектов (ситуаций) и выработать варианты принимаемых решений [321]. Вместе с тем такое количество агентов требует разработки новых методов обработки результатов, учета синергетических и прочих эффектов, связанных с взаимодействием такого большого количества объектов. Также необходимо учитывать и нивелировать накопление вычислительной погрешности при таком огромном количестве расчетов, а также учитывать эффекты, связанные с передачей информации по сети, в том числе, латентность и ее неопределенность. В числе задач GSS состоят задача повышения точности прогнозирования метеорологических явлений с более точной привязкой к местности с учетом ее 180 рельефа [352]; моделирования, анализа комплексных сетей, (например, на основе данных кроулинга социальных сетей)[353]. Развитие сетевых технологий и технологий ВПВ повышает возможности моделирования сложных процессов в области физики, химии, оптики и на стыках этих наук [354]. В частности, в настоящее время очень востребовано изучение свойств материала на уровне моделей, воспроизводящих большое количество частиц (порядка миллионов или более). Общими трендами, которые выделяются в процессе анализа направления, являются. Появление дополнительных сервисов, требующих непрерывного доступа в сеть Интернет. Развитие облачных сервисов и распределенных вычислений. Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах. Новые принципы организации компьютерных сетей. Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени. Усиление роли ИКТ в медицине и здравоохранении. Разработка и развитие парадигм, подходов, технологий предсказательного моделирования с применением высокопроизводительных сред, позволяет более детально и глубоко изучать рассматриваемые процессы (в обществе, на урбанизированных территориях, в физических, биологических и иных системах), идентифицировать ранее неизвестные эффекты, объяснять причины возникновения тех или иных событий, предлагать решения для эффективного управления соответствующими сложными средами. Повышение точности моделирования однозначно зависит от успехов в области распределенных высокопроизводительных 181 вычислений, включая эффективность организации сетевых структур для передачи информации. Текущее состояние направления (2012-2013 гг.) В настоящее время рост точности предсказательного моделирования осуществляется за счет повышения детализации сеток, на которых реализуются распределенные версии численных методов; замены непрерывных моделей дискретными моделями, в том числе мультиагентными; а также выполнения ансамблевых расчетов с применением различных сценариев и типов моделей. Большинство подходов повышения точности научных расчетов на сложных объектах основываются на увеличении детализации для одного или большего количества фрагментов исследуемой области, которая имеет повышенную геометрическую или иную сложность [355]. Тем самым расчеты проводятся на нерегулярных сетках, что влечет за собой дополнительные трудности при обмене информации между вычислительными узлами, при переходе от одной итерации к другой. За счет роста производительности вычислительных комплексов стали перспективными расчеты на высокодетализированных регулярных сетках Мультиагентный подход, совмещенный с технологиями распределенных ВПВ, позволил создавать модели, учитывающие очень большое количество элементов, (например, автономных агентов), которые способны воспроизводить процесс на микроуровне и отвечать не только на вопрос: «Что будет, если?», но и детально объяснять ранее неизвестные причины тех или иных эффектов. Совмещая мультиагентые модели с моделями более высоких масштабов, возможно, идентифицировать и изучать мезомасштабные эффекты [356]. Еще одним преимуществом мультиагентного моделирования является возможность одновременного решения задач из разных предметных областей, т.е. возможность решения междисциплинарных задач. В частности, при моделировании процессов большого города могут использоваться модели виртуального общества, (определяющая возможные перемещения людей), распространения информации в социальных сетях (например, при возникновении пробок) и мультиагентная модель 182 транспортных потоков. Также к комплексной модели большого города можно привязывать модели распространения воды [357] и др. Развитие подхода ансамблевых прогнозов также обязано росту мощности ВПВ комплексов. Повышение точности такого вида прогноза определяется количеством элементов в ансамбле и способов агрегирования соответствующих результатов. Разработка высокоточных моделей, охватывающих несколько предметных областей, обеспечиваемые большими вычислительными мощностями, сопровождаются рядом проблем, связанных с планированием расчетов, обменом данных, поскольку такие модели выстраиваются из программных пакетов, установленных в распределенной среде. Поэтому стремительное развитие получают комплексы и платформы, в том числе облачные, которые позволяют создавать и исполнять метаприложения (композитные приложения), в составе которых выполняются распределенные прикладные пакеты [358]. Поддержка взаимодействия прикладных пакетов в режиме реального времени определяется одной из новейших технологий – интерактивным потоком работ (interactive WorkFlow – iWF [359]), который дает возможность описывать такое взаимодействие без требований к знанию соответствующих технологий, в частности синхронизации и обмена данными. При этом обеспечивается планирование использования вычислительных комплексов, в том числе задействование или снятие с использования виртуальных ресурсов [360, 361]. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) На ближайшую перспективу развитие направления можно частично отразить в развитии мультиагентного подхода, в котором каждый агент будет основываться на сложных моделях; а также на совершенствовании сеточных методов, где детализация равномерных сеток будет постоянно повышаться. Совершенствование существующих и создание новых технологий ВПВ и сетей, а также адаптация моделей к новым вычислительным и сетевым архитектурам, позволит наращивать предельное число агентов, увеличивать количество их свойств, а также уменьшать шаг сеток. На основе мультиагентных моделей, моделей комплексных сетей в рассматриваемом периоде возможно создание научного симулятора большого 183 города (более миллиона жителей, более миллиона транспортных средств), в котором можно воспроизводить процессы обычной городской жизни [362], а также нестандартные ситуации, в том числе катастрофы, эвакуацию, проведение крупных событий мирового масштаба. Кроме того, на основе уточненных данных о рельефе местности, размещения природных и техногенных объектов должны появиться возможности моделировать сложные процессы с точной привязкой к реальной местности [363]. В этом же периоде возможно создание полной физической модели функционирования человеческого организма [364], которая будет для каждого пациента описывать связанную деятельность всех систем, включая центральную нервную систему и мозговую активность, достаточную для управления всеми органами. С помощью этой модели каждый человек сможет проводить самодиагностику, прогнозировать деятельность своего организма при различных сценариях поведения, например, соблюдения диеты. Такая интеллектуальная поддержка возможна, в том числе, с помощью развивающихся подходов ансамблевого прогнозирования, используемые модели которых могут основываться на постоянно расширяющемся спектре парадигм и подходов, включая нечеткую логику [365]. Возможна разработка и адаптация к новым параллельным архитектурам численных методов, основанных на инкрементных алгоритмах [366, 367], известных в компьютерной распараллеливания графике. и Данные возможность алгоритмы имеют высокий избегания накопления потенциал вычислительной погрешности. Качество и возможности моделирования будут расти за счет повышения детализации сбора информации об исследуемых процессах, например: прямого захвата обезличенных данных из социальных сетей [368], более детального сбора данных о состоянии здоровья людей с помощью автоматов удаленной диагностики [369], использования новых возможностей спутникового мониторингах [370]. Такие данные позволят глубже оценить процессы взаимодействия индивидов глобального общества и решать задачи прогнозирования событий различных масштабов: от 184 сердечного приступа человека - до глобальных мировых процессов, включая политические или экономические кризисы [371]. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) На долгосрочную перспективу развитие технологий анализируемого направления прогнозировать сложно, поскольку разнообразия вычислительных, сетевых архитектур, подходов и методов моделирования, а также обработки данных очень велико. С ростом производительности вычислительных комплексов, развитием технологий парадигмы всеобъемлющих высокопроизводительных вычислений (Ubiquitous/Pervasive Computing) [372] можно говорить о возможностях очень детализированного с точностью до человека, транспортного средства, зданий и т.д. моделирования очень больших территорий и даже всей планеты. Сами элементы модели будут очень сложны и необходимо детально описывать соответствующие объекты. По этой же причине должна стать возможной оценка (прогнозирование) макропараметров вещества на основе моделирования в молекулярном масштабе; высокоточное моделирование галактик с точностью до планет и, возможно, более мелких небесных тел. Проблема роста вычислительной погрешности при таких сложнейших расчетах потребует разработки методов ее снижения, а также разработки алгоритмов и подходов моделирования, исключающих ее. Решение вышеприведенных задач не возможно без сверхвысокоуровневых систем построения комплексных средств моделирования, базирующихся на платформах облачных вычислений и не требующих от ученого/группы ученых выполнения сопутствующих накладных действий, в том числе по обработке, конвертированию и передачи данных при стыковке требуемых прикладных программных средств (пакетов) друг с другом [373], визуализации многомерных результатов. Поэтому будет активно поддерживаться разработка и совершенствование таких платформ. В случае внедрения универсальных квантовых компьютеров [374] возможны революционные изменения в численных методах моделирования сложнейших систем и появления новых горизонтов в решении комплексных задач. Несмотря на 185 то, что начало такого периода в горизонте времени до 2030 года имеет только вероятностный характер, в будущем будут вестись работы по прототипированию этих новых методов. Выводы В анализируемом направлении технологическое отставание России существенное. Поскольку в стране есть научные группы, успешно решающие задачи моделирования сложных систем в современном понимании этого термина, то при соответствующих мерах такое отставание возможно преодолеть в ближайшие 4-7 лет и в дальнейшем выйти в мировые лидеры. Приоритетным направлением финансирования деятельности в разработке средств, методов, технологий в рассмотренном направлении является подготовка квалифицированных специалистов в широком спектре специализаций ИКТ, включая системных аналитиков, расчетчиков, специалистов по базам данных, облачным технологиями, semantic web т.д. Кроме того, нуждаются в подготовке специалистыпредметники для изучения использования облачных научных сервисов. Другой составляющей успешного развития направления, основанного на разработке и создании соответствующего программного обеспечения, является постановка конкретных задач и применение полученных результатов в различных отраслях, в том числе в мультимасштабном моделировании; в разработке алгоритмов численного моделирования, исключающих вычислительную погрешность; в создании облачных платформ нового поколения, работающих в распределенной гетерогенной вычислительной среде. Прогноз эффекта от НИОКР видится затруднительным и зависит от степени успеха процесса внедрения разработок тех или иных видов ресурсов в научном сообществе и крупном бизнесе. Продолжение финансирования профильных программ фундаментальных исследований, способно, в отдаленной перспективе, оказать существенное влияние на развитие направления и технологий. Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные и 186 прикладные исследования, уже в настоящее время из-за специфики ряда областей исследования (например, в разработке принципов создания сред для создания междисциплинарных мультимасштабных моделей) и необходимого временного периода для создания технологий на основе научных достижений. 187 7.6.2 Прототипы программных систем, реализующих новые модели природных процессов, процессов в обществе, гуманитарной сфере, киберпространстве и других областях, отвечающих новым вызовам и приоритетам развития науки и технологий Введение Вычислительные мощности и технологии высокопроизводительных вычислений (ВПВ) вместе с технологиями организации передачи больших массивов информации развиваются стремительно, что влечет за собой возможности решения таких задач предсказательного моделирования, которые ранее считались численно нерешаемыми. К таким задачам можно отнести задачи Global Systems Science (GSS [375]), например моделирование транспортной динамики большого города [376] с помощью мультиагентного подхода, где агентами представляются граждане города, транспортные средства и др. При том, что сам мультиагентный подход новизной не выделяется, количество агентов, превышающих миллион, требует новых подходов реализации соответствующих моделей. С помощью таких моделей становится возможным детально изучать процесс города и выявлять причины возникающих эффектов и выработать варианты принимаемых решений [377]. Другим примером таких моделей с большим количеством агентов является модель распространения инфекции в большой группе людей, представляемой в виде динамической комплексной сети [378]. Здесь традиционная SIR-модель замещается мультиагентной, в которой для каждого агента (человека) определяется закон поведения в зависимости воздействующих на него факторов, в том числе информационных. Такая модель позволяет более глубоко заглянуть в процесс поведения индивидов и их групп в экстренных ситуациях и выявить и подтвердить ранее неизвестные закономерности и выводы. Развитие сетевых технологий и технологий ВПВ оказывает влияние на возможности моделирования процессов в области физики, химии, оптики и на их стыках на уровне микромира. Еще одним положительным эффектом развития технологий ВПВ являются возможности построения многомасштабных моделей с решением соответствующих 188 задач перехода между масштабами (слоями модели). Например, при решении задачи моделирования транспортных потоков может применять мультиагентный подход, а также способы использования глобальных законов в данной области. Решение задачи предельного перехода от агентов к глобальным законам позволяет объяснять причины, почему при тех или иных условиях те или иные глобальные законы не действуют. Общими трендами, которые выделяются в процессе анализа направления, являются. Появление дополнительных сервисов, требующих непрерывного доступа в сеть Интернет Развитие облачных сервисов и распределенных вычислений Защита от различного вида криптографических атак Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах Новые принципы организации компьютерных сетей Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени Усиление контроля над информацией, распространяемой в сети Интернет Усиление роли ИКТ в медицине и здравоохранении Разработка и развитие парадигм, подходов, технологий предсказательного моделирования с применением высокопроизводительных сред, в том числе на основе данных, поступающих в режиме реального времени, позволяет более глубоко изучать рассматриваемые процессы: в обществе, на урбанизированных территориях, в физических, биологических и иных системах; идентифицировать ранее неизвестные эффекты; объяснять причины возникновения тех или иных событий, и 189 последствии предлагать решения для эффективного управления соответствующими сложными средами. Текущее состояние направления (2012-2013 гг.) В настоящее время подход моделирования исследуемых процессов и системы с помощью уравнений значительно дополняется технологией мультиагентного моделирования, что позволяет воспроизводить процесс сразу на нескольких масштабах, идентифицировать и изучать мезомасштабные эффекты. Также получают развитие способы моделирования на междисциплинарном уровне, когда сразу задействуются технологии из разных предметных областей. В частности, при моделировании процессов большого города могут использоваться модели виртуального общества, распространения информации в социальных сетях и мультиагаентная модель транспортных потоков. Такие сложные междисциплинарные модели требуют больших вычислительных мощностей, но при этом применение традиционных методов ВПВ здесь могут быть бесполезны, т.к. такие модели выстраиваются из программных пакетов, установленные на распределенных ресурсах. Поэтому стремительное развитие получают платформы (в том числе облачные), которые позволяют создавать и исполнять метаприложения (композитные приложения), в составе которых можно использовать распределенные прикладные пакеты [379]. Поддержка взаимодействия модулей в режим реального времени определяется технологий интерактивного потока работ (interactive WorkFlow – iWF[380]), которая позволяет строить схемы взаимодействия двух и более прикладных пакетов во время их исполнения. При этом обеспечивается планирование использования вычислительных ресурсов, в том числе задействование или снятие с использования виртуальных ресурсов [381,382] . Тенденции развития на краткосрочную перспективу (2014-2020 гг.) На ближайшую перспективу развитие направления можно отразить в развитии мультиагентного подхода. Совершенствование существующих и создание новых технологий ВПВ и сетей, а также адаптация моделей по новые вычислительные и сетевые архитектуры позволит наращивать предельное число агентов, а также 190 увеличивать количество их свойств. При том, что в настоящее время есть успехи в моделировании социальных сетей размера, соответствующего всему населению земли, то можно утверждать, что в рассматриваемом периоде возможно создание мультиагентных моделей, в которых будут воспроизводиться не только перемещения людей, транспортных средств и т.д., но и моделироваться объединение людей в группы по интересам (в том числе рабочие коллективы), взаимодействие как между людьми, так и структурами. Иными словами, ожидается появление научного симулятора городской жизни, прототипы которых предложены уже в 2010 году [383]. Кроме того, на основе уточненных данных о рельефе местности, размещения природных и техногенных объектов должны появиться технологии, которые позволят моделировать сложные процессы с точной привязкой к реальной местности [384, 385], . Мультиагентная модель может являться инструментом расчета целевой функции при решении задачи оптимизации итерационными приближенными методами. Такое видится возможным за счет существенного повышения производительности вычислительных комплексов, когда полный прогон модели с миллионами агентов будет возможным за период, много меньший секунды. Качество и возможно мультиагентного моделирования будет расти за счет возможности повышения детализации сбора информации о городских процессах, например, за счет кроулинга[386]/прямого захвата обезличенных данных из социальных сетей, или мониторинга данных о состоянии здоровья людей с помощью автоматов удаленной диагностики [387]. Такие данные должны позволить глубже оценить процессы взаимодействия индивидов глобального общества и решать задачи прогнозирования событий различных масштабов, от проведения мелкий диверсий до глобального политического или экономического кризиса [388]. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) На долгосрочную перспективу развитие анализируемого направления оценить сложно, ввиду большого разнообразия вычислительных и сетевых архитектур, а также методов моделирования. Но с ростом производительности вычислительных комплексов, развитием технологий 191 парадигмы всеобъемлющих высокопроизодительных вычислений (Ubiquitous Computing) [389] можно говорить о возможностях детализированного с точностью до человека, транспортного средства, зданий и т.д. моделирования всего мира. При таком, моделировании агент может являться очень сложной системой, который может содержать в себе вложенных агентов или описываться с помощью сложных уравнений. По этой же причине должно стать возможным оценка (прогнозирование) макропараметров вещества на основе моделирования в масштабе микромира. Решение вышеприведенных задач не возможно без сверхвысокоуровневых систем моделирования, базирующихся на платформах облачных вычислений и не требующих от специалиста-модельера выполнения сопутствующих действий по получению и распределенной обработки данных, стыковки разнородных прикладных средств моделирования друг с другом [390], визуализации результатов. Поэтому будет активно поддерживаться прототипирование и разработка таких платформ. Выводы В анализируемом направлении технологическое отставание России заметное. Но в нашей стране есть научные группы, занимающиеся этим вопросом. При соответствующих мерах такое отставание возможно преодолеть в ближайшие 3-4 года и в дальнейшем есть уверенный шанс выйти в мировые лидеры. Приоритетным направлением финансирования деятельности в разработке средств в рассмотренном направлении является подготовка квалифицированных специалистов в широком спектре специализация ИКТ отрасли, включая системных аналитиков, специалистов по базам данных, облачным технологиями, semantic web т.д. Кроме того, нуждаются в подготовки специалисты-предметники в целях снятия барьеров при использовании научных сервисов. Другой составляющей успешного развития направления, основанного на разработке и создании соответствующего программного обеспечения, является постановка конкретных задач и применение полученных результатов в различных отраслях, в том числе в мультиагентном моделировании в создании облачных 192 платформ нового поколения, работающих в распределенной гетерогенной вычислительной среде, которая способны адаптироваться к изменениям в этой среде Прогноз эффекта от НИОКР видится затруднительным и зависит от степени успеха процесса внедрения разработок тех или иных видов ресурсов в научном сообществе и крупном бизнесе. Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные и прикладные исследования, а также в НИОКР. 193 7.6.3 Прототипы программных систем, автоматизированного управления большими системами (социально-экономическими, техническими, транспортными и т.д.) на основе новых принципов, моделей и процессов управления Введение Стремительный рост вычислительных мощностей и развитие технологий высокопроизводительных вычислений (ВПВ) вместе с технологиями организации передачи больших массивов информации, влечет за собой возможности решения таких задач предсказательного моделирования, которые ранее считались численно нерешаемыми. Вместе с тем задачи предсказательного моделирования находятся рядом с задачами автоматизированного управления, поскольку дают выходные данные при том или ином воздействии. Важность задач автоматизированного управления большими системами, в деятельности которых участвует большое количество людей, определяется тем, что необходимо эффективное управление ресурсами в условиях быстрорастущего населения планеты, предотвращение или снижение последствий локальных и глобальных кризисов [391] различной природы. Общими трендами, которые выделяются в процессе анализа направления, являются. Развитие облачных сервисов и распределенных вычислений. Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах. Новые принципы организации компьютерных сетей. Предсказательное моделирование сложных систем и объектов, разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени. Усиление контроля над информацией, распространяемой в сети Интернет. Усиление роли ИКТ в медицине и здравоохранении. Расширение возможностей применения ИКТ в интересах охраны окружающей среды и снижения негативного воздействия промышленного производства на природу. 194 Рост влияния ИКТ на социальные процессы в обществе, культурное и психическое развитие человека. Появление новых форм социализации и социального взаимодействия. Разработка и развитие парадигм, подходов, технологий предсказательного моделирования с применением высокопроизводительных сред позволяет более глубоко изучать рассматриваемые процессы (в обществе, на урбанизированных территориях), идентифицировать ранее неизвестные эффекты, объяснять причины возникновения тех или иных событий и впоследствии предлагать решения для эффективного управления соответствующими сложными средами. В списке трендов заведомо отсутствует тренд «Вовлечение граждан в управление», поскольку речь идет о технологиях и подходах к предсказательному моделированию и решению задач поддержки принятия решений, а не организации процессов самого управления. Текущее состояние направления (2012-2013 гг.) В настоящее время решение задач автоматизированного управления востребовано в крупной исследовательской программе Global Systems Science (GSS [392]), когда необходимо спрогнозировать и улучшить транспортную динамику большого города [393], спрогнозировать распространение чрезвычайных ситуаций и спланировать необходимые действия для минимизации ущерба или предотвращения катастрофы. Увеличение предельного числа агентов до миллиона и более позволяет детально изучать процессы города или другого сложного объекта, выявлять причины возникающих эффектов и выработать варианты принимаемых решений [394]. Кроме мультиагентных моделей стали активно применяться модели комплексных сетей [395]. Здесь, традиционная SIR-модель замещается мультиагентной, в которой для каждого агента (человека) определяется закон поведения в зависимости от воздействующих на него факторов, в том числе информационных. Такая модель позволяет более глубоко заглянуть в процесс поведения индивидов и их групп в экстренных ситуациях, выявить и подтвердить ранее неизвестные закономерности, а также провести действия по поиску эффективных способов воздействия на реальный объект в целях достижения 195 заданной цели, (например, минимизация количества зараженных индивидов) [396, 397]. Моделирование на междисциплинарном уровне позволяет поднять пласты сразу из разных предметных областей, более широко исследовать изучаемый процесс и получить необходимую основу для решения задач управления. В частности, при моделировании процессов большого города могут использоваться модели виртуального общества, распространения информации в социальных сетях и мультиагаентная модель транспортных потоков. Современные задачи управления большими системами или заданной составляющей от них решаются с применением широкого спектра различных оптимизационных методов, в том числе из теории игр [398], вариационных исчислений [399], а также с помощью эвристических и эволюционных алгоритмов [400]. Такие сложные междисциплинарные проблемы требуют больших вычислительных мощностей, но при этом применение традиционных методов ВПВ здесь могут быть не вполне полезны, т.к. такие модели выстраиваются из программных пакетов, установленных на распределенных ресурсах. Поэтому стремительное развитие получают платформы, в том числе облачные, которые позволяют создавать и исполнять метаприложения (композитные приложения), в составе которых можно использовать распределенные прикладные пакеты [401]. Поддержка взаимодействия модулей в режим реального времени определяется технологией интерактивного потока работ (interactive WorkFlow – iWF [402]), которая позволяет строить схемы взаимодействия двух и более прикладных пакетов во время их исполнения. Такие технологии могут дать дополнительный толчок развития подходов поиска оптимального управления, при которых оценка эффективности системы оценивается непосредственно с помощью ее модели, например, мультиагентной модели [403]. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) На ближайшую перспективу развитие направления можно прогнозировать как в развитии эвристических и эволюционных алгоритмов, так и моделей с большим 196 количеством элементов (миллионы и более), которые позволяют более точно и широко описывать управляемый процесс. При этом сами модели будут строиться не с помощью одного, а сразу нескольких подходов, основывающихся как на известных законах (уравнениях), массивах данных, так и на эволюционных принципах. С ростом производительности вычислительных комплексов и возможностей привлечения ресурсов с помощью облачных технологий развитие получат методы тюнинга имитационных моделей с помощью эволюционных алгоритмов [403], которые расширят возможности решения задачи поиска наборов параметров для эффективного управления исследуемой системой. Сами имитационные модели будут усложняться и учитывать больше особенностей исследуемой системы, в частности детальные данные рельефа местности [404] или социометрические параметры общества, за счет возможности детального кроулинга социальных сетей. Вместе с развитием методов решения оптимального управления и гибридного моделирования сложных систем, получат развитие интеллектуальные интерфейсы, позволяющие аналитикам и лицам, принимающим решения, быстро создавать модели исследуемых объектов, проигрывать сложные сценарии и оперативно вырабатывать необходимые решения без дополнительных требований к знаниям в области ИКТ. Существенный вклад в эту часть направления внесут технологии визуализации виртуальной и дополненной реальности. Данные интерфейсы, за которыми находится высокотехнологичная облачная платформа распределенных высокопроизводительных вычислений, будут поддерживать работу экспертов, находящихся в различных точках планеты, в коллаборативном режиме, например, при принятии решения на основе данных ансамблевого прогноза [405]. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Ввиду большого разнообразия методов, подходов решения задач оптимального управления, разнообразия технологий и аппаратной составляющей высокопроизводительных вычислений, которые будут в начале рассматриваемого периода, прогноз развития настоящего направления на долгосрочную перспективу оценить сложно. Но достаточно точно 197 можно предположить, что производительность вычислительных комплексов будет расти, будущие высокотехнологичные компьютерные устройства будут массово распространяться. В данном периоде вполне вероятно появление квантовых компьютеров, которые станут мощным инструментом для применения точных методов дискретной оптимизации. Такие технологии не только позволят создавать более детальные модели широкого охвата, на которых будет основываться оптимизация, но и значительно улучшат качество и оперативность разрабатываемых решений. Вместе с технологиями моделирования и разработки управленческих решений будут развиваться облачные сервисы и сверхвысокоуровневые интерфейсы, предоставляющие соответствующие услуги для коллаборативной работы экспертов, роль которых в большей степени сведется к операторам системы управления. Выводы В анализируемом направлении технологическое отставание России имеется, но не сильное. В стране успешно работают несколько научных групп, занимающихся вопросами данного направления. При соответствующих мерах отставание возможно преодолеть в ближайшие 2-3 года, а в дальнейшем уверенно быть в мировых лидерах. Приоритетным направлением финансирования деятельности в рассмотренном направлении, является подготовка квалифицированных специалистов не только в области задач оптимизации и эффективного управления, но и ряде областей ИКТ, включая передовые облачные технологии, методы семантики и т.д. Для эффективного и массового использования развивающихся облачных сервисов необходимо снятие барьера в области использования «облаков» для специалистов, ученых, занимающихся вопросами оптимизации и теории управления, а также предметных специалистов, соответствующих технологий. Другой составляющей успешного развития направления, основанного на разработке и создании соответствующего программного обеспечения, является постановка конкретных задач и применение полученных результатов в различных отраслях, в том числе в сложном моделировании, разработке средств поиска оптимальных/эффективных решений с применением точных и приближенных 198 алгоритмов, в создании облачных платформ нового поколения, обеспечивающих коллаборативную работу экспертов, управляющих процессом автоматизированного принятия эффективных решений. Прогноз эффекта от НИОКР видится затруднительным и зависит от степени успеха процесса внедрения разработок тех или иных видов ресурсов в научном сообществе и крупном бизнесе. Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные и прикладные исследования, а также в НИОКР. 199 7.6.4 Исследовательские модели, прототипы программных систем, в которых реализуются гибридные модели когнитивных механизмов и речемыслительной деятельности человека, технологии моделирования человеческого интеллекта Введение Довольно длительное время исследованиях, в моделировании (несколько десятилетий) в когнитивных человеческого интеллекта в отношении распознавания образов в широком смысле (распознавание речи, визуальных образов, выделение сигналов сложной структуры на уровне фона и т. д.) и связанной с распознаванием процесса обучения, широко использовалась и продолжает использоваться технология нейронных сетей. Технология нейронных сетей не остаётся неизменной, но модифицируется с появлением новой информации о работе человеческого мозга. Использование нейронных сетей моделирующих сложные типы поведения как, например, поведение пилота по управлению самолётом при выполнении любых манёвров, в том числе при взлётах и посадках, поведение водителя автомобиля при перемещении по загруженному городу, и, вообще, оперативное управление любой искусственной системой, которая находится в малопредсказуемой окружающей обстановке. Иными словами нейронные сети являются технологическим фундаментом для множества направлений научных исследований и разработок бизнес приложений. Область применений нейронных сетей очень широка: от космических и военных задач, до сложных видео игр. Другими примерами являются интеллектуальные системы распознавания и семантического анализа, которые автоматически реферируют поток электронных писем и выделяют основные тренды/темы, затронутые в письмах [408], сортируют почту по важности, распознавания в видео потоке заданные объекты. Примеры систем распознавания на основе нейронных сетей мы видим при определении недружественных Интернетовских сайтов [436] или объектов в астрофизике [435]. Именно по перечисленным выше причинам за последние примерно 5 лет в мире значительно 200 вырос интерес (и финансирование исследований) к интеллектуальным системам в широком смысле, например, [406]. Текущее состояние технологии (2012-2013 гг.) В настоящее время можно упомянуть довольно много лабораторий (в значительной степени финансируемых на государственные гранты), которые проводят интенсивные исследования в различных аспектах нейронных технологий и в моделировании высшей нервной деятельности в целом. Часто такие исследования проводятся с использованием компьютерных моделей и упоминаются как cognitive computing. Среди лидеров в исследовании нейронных сетей находятся такие крупные компании как IBM.com [412], HP.com [413], HRL Laboratories [411], а также крупные университеты: Stanford University, Cornell University, Columbia University Medical Center, University of Wisconsin-Madison, University of California и другие университетские группы/лаборатории [418-425]. В этом же ряду следует упомянуть Европейский проект моделирования мозга [410]. Отметим также факт, что исследовательское подразделение компании IBM выпустило электронный чип [414416], который изготовлен по технологии 45нм SOI CMOS, содержит 256 нейронов и существует как минимум в двух вариантах. Один вариант такого чипа содержит 262144 программируемых синапсов, другой — содержит 65536 синапсов [407]. Для целей моделирования большого числа нейронов головного мозга исследователи IBM создали модель, содержащую 53*10**10 нейронов и 1.37*10**14 синапсов [407]. Модель была выполнена на суперкомпьютере Sequoia IBM Blue Gene/Q [426] в Lawrence Livermore National Laboratory (llnl.gov). Масштаб модели замечателен тем, что достигнутые параметры (число нейронов и синапсов) близко соответствует серьёзным оценкам числа нейронов и синапсов в мозгу человека. Тем не менее, подчёркивается, что это не есть точная функциональная копия человеческого мозга, а лишь модель, в которой исследуются, в первую очередь, новые парадигмы вычислений, распознавания образов и т. п. При прогоне модели на компьютере 201 использовалось (максимум) 1 миллион 572 тысячи 864 процессорных ядра. С использованием упомянутой модели проводятся интенсивные исследования и разработка различных инструментов моделирования [427-436]. На сайте arxiv.org уже в текущем (2013) году появилось около дюжины различных публикаций на тему нейронных сетей (создание, применение, обучение и т. д.), иными словами, интерес в мире к этой теме весьма велик. Ниша России в настоящее время ограничивается очень небольшим влиянием на мировой процесс изучения и использования нейронных технологий. Хотя численно выверенные оценки трудно привести, но, по мнению автора настоящей записки, влияние Российского сектора в данной предметной области на мировые тренды вряд ли превышает доли процента. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) Мировые тренды таковы, что активное изучение и коммерциализация технологии нейронных сетей будут продолжаться. Российским учёным (университетам) следует сосредоточиться на изучении/преподавании достигнутого в мире и принимать участие в международных проектах в данной области, чтобы быть в курсе всех изменений и конкретных особенностей обсуждаемой технологии (группы технологий) и родственных областей. Исследование и развитие нейронных сетей в значительной степени основано на компьютерном моделировании, т.е. при проведении экспериментов с нейронными сетями необходимо использовать все современные достижения в архитектуре компьютерных систем. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) На столь большой срок (16 лет) детальный прогноз вряд ли возможен из-за большого темпа технологических изменений, в частности объёма доступной вычислительной мощности, что сильно влияет на продуктивность моделирования. Тем не менее, автор настоящей записки выражает уверенность, что технология нейронных сетей в разных видах и формах будет внедряться (коммерциализироваться) в самых разных областях человеческой деятельности. 202 Выводы Представляется обоснованным продолжать/наращивать финансирование научных исследований в направлении изучения/применения нейронных сетей всех видов в различных областях применения. Активная поддержка таких исследований в России наверняка позволит, как минимум быть в курсе всех деталей мировых достижений в данной области. Важность такого финансирования трудно переоценить, поскольку в среднесрочной перспективе (4-10 лет) вполне можно ожидать качественных изменений (или даже прорывов) в применении технологии нейронных сетей, учитывая, что на исследования такого вида в США выделено 100 миллионов долларов (распоряжение Президента США, подписано в апреле 2013). Похожая сумма выделена и в Европейском Союзе [409,410]. 203 7.6.5 Исследовательские модели и прототипы устройств с новыми принципами организации взаимодействия «человек-компьютер» Введение Основными способами человеко-компьютерного взаимодействия (ЧКВ) в настоящее время являются: стандартные устройства ввода (клавиатуры, манипуляторы – мышь, джойстик), представление информации человеку для визуального и аудиального восприятия (дисплеи, акустические системы). Направление развития способов ЧКВ в настоящее время обозначается в распознавании речи и движения, сильного ограниченного числа импульсов головного мозга, предоставления компьютером информации в виде 3D, дополненной реальности. В будущем, предполагается развитие технологий, позволяющих практически без ошибок распознавать речь и движение, в том числе в условиях шумов; реализовывать дополненную реальность на сетчатке глаза, и даже осуществлять прямое взаимодействие между компьютером и человеком на уровне мысленной активности. Общими трендами, которые выделяются в процессе анализа направления, являются. Новые интерфейсы. Переход от 100 Гб/с к 1 Тб/c каналам ВОЛС в коммерческих сетях и от 10 Тб/с к 1-10 Петабит/с в магистральных ВОЛС. Развитие облачных сервисов и распределенных вычислений. Развитие проводной и беспроводной инфраструктуры доступа в сеть Интернет. Развитие рынка мобильных и социальных приложений, игр с высоким коммерческим потенциалом. 204 Создания виртуальных офисов без снижения эффективности коллективной деятельности компаний, предприятий и др. Усиление роли ИКТ в медицине и здравоохранении. Совершенствование устройств ЧКВ непосредственно влияет на создание новых интерфейсов, позволяющих ускорить обмен информацией между компьютерными устройствами и человеком. Это отражается на развитии рынка мобильных и социальных приложений за счет расширения круга пользователей, спектра оказания услуг и производимой продукции. Новые виды устройств ЧКВ внесут существенный вклад в развитие тренда создания виртуальных офисов без снижения эффективности коллективной деятельности, благодаря ускорению обмена информацией между людьми, быстрому взаимопониманию при коллаборативной работе в режиме удаленного доступа. Такие эффекты положительно скажутся на развитии облачных сервисов, т.к. значительно увеличится пользовательская аудитория. Специальные средства ЧКВ могут стать незаменимыми элементами высокотехнологичных протезов, почти или полностью заменяющих конечности. Эффективность внедрения новых ЧКВ потребует повышения пропускной способности каналов связи, а также развития беспроводной инфраструктуры. Текущее состояние технологии (2012-2013 гг.) Традиционные клавиатуру и мышь, а также механические манипуляторы и сенсорные экраны, которые применяют подавляющее большинство современных пользователей, распознавать представления стали движение, дополнять речь информации и стали устройства мозговые новых типов, импульсы. На появляться системы позволяющих рынке средств стереовизуализации, устройства проецирования изображения на сетчатку глаза. В настоящее время на рынке представлены системы распознавания (захвата) движения различных видов и категорий стоимости: от профессиональных, например, VZ4000v [437] - до бытовых-настольных. Все они успешно используются 205 как системы ЧКВ в различных отраслях жизнедеятельности. Профессиональные системы могут использоваться в распознавании сложного движения пальцев обеих рук [438], а последние новинки не требуют использования маркеров [439]. Среди недорогих бытовых приборов широкое распространение получил MS Kinect, который успешно применяется, в том числе в решении научно-технических задач [440, 441], а также как элемент новых видов интерфейсов [442, 443]. Также существует программное обеспечение захвата движения, использующего в качестве сенсора обычную веб-камеру. В части распознавания и синтеза речи существуют так называемые интерфейсы безмолвного доступа (Silence Speech Interface), которые позволяют обрабатывать речевые сигналы на ранней стадии артикулирования и распознавать слитную речь [444]. Большая часть коммерческих программных решений осуществляет распознавание английской речи, но и есть уникальные отечественные решения, имеющие аналогичные успехи в более сложном русском языке. Основной проблемой в распознавании речи по-прежнему остается временная нестационарность образцов речевого сигнала, зависящего от настроения, состояния здоровья и других факторов, влияющих на говорящего. Отрасль, основанная на «нейроинтерфейсах», только начала свое активное развитие. В настоящее время есть попытки создания интерфейсов вида «мозг» «компьютер» [445] и «мозг» - «мозг» [446]. Если в экспериментах на животных осуществлялось вживление электродов в их мозг, то для человека это не представляется возможным. Поэтому активно развивается направление нейроинтерфейсов, не предусматривающих вживление чего-либо в мозг, а ограничивающих распознавание/генерацию сигналов активности различных отделов головного мозга [447]. Помимо сложнейших и дорогих профессиональных устройств уже выпускаются бытовые, компактные и дешевые приборы, которые активно используется в научных работах, например, Emotive EPOC[448] и Emotive Insight[449]. 206 В части повышения эффективности представления информации разработаны различные системы виртуальной реальности – 3D «стены», «пещеры», очки, позволяющие создавать виртуальные пространства на ограниченной площади [450, 451], а также системы дополненной реальности [452-454]. Как правило, оборудование для ЧКВ производится зарубежными компаниями, но в части программного обеспечения в России можно отметить точки роста, например, в распознавании речи [455]. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) С удешевлением и совершенствованием интерактивных столов [456], совершенствованием систем захвата движения [457] и распознавания речи [444] можно прогнозировать трансформации или частичный уход традиционных механических клавиатур и манипуляторов вида «мышь». При этом экран может принять наклонное или горизонтальное положение, а пользователь будет управлять компьютерными программами и вводить информацию посредством жестов и речи. Клавиатура и «мышь» пользователю потребуется в случае необходимости ввода текстов, если соответствующую речь не удается распознать, например, речь на языке из ограниченного списка, либо когда требуется ввести большие объемы текста в случае невозможности говорить (немой человек или требуется соблюдать тишину). Так могут выглядеть пользовательские рабочие места к 2017 – 2020 гг., но пока традиционные на сегодняшний день «мышь» и клавиатура еще будут востребованы. В период 2014-2020 гг. существенный прорыв будет в совершенствовании систем виртуальной реальности типа очки [458], а также в дополненной реальности [459]. Также будут развиваться так называемые тактильные интерфейсы [460, 461]. Это позволит пользователям на новом уровне анализировать представления объектов, процессов; проводить идентификацию, формулировать выводы и принимать решения быстрее и с меньшей вероятностью ошибок. 207 Улучшение взаимодействия между пользователями с применением таких технологий станет возможным за счет качества и увеличения пропускной способности каналов связи, в том числе беспроводных. Это позволит перевести на принципиально новый уровень коллаборативную работу пользователей в облачных средах, в том числе, в которых возможно разделение доступа к дорогостоящим и уникальным ресурсам [462]. Нейроинтерфейсы так же, как и остальные направления, будут интенсивно развиваться. При этом нельзя утверждать, что не инвазивные виды таких интерфейсов будут существенно преобладать над инвазивными [463]. Будет улучшаться качество распознавания мозговых импульсов, улучшены методики подготовки людей к использованию соответствующих сканирующих устройств, а также на основе более точной диагностики источников импульсов будет улучшено качество взаимодействия по типу «мозг» - «мозг». Запись нейроимпульсов станет возможным хранить в «облаках», что может повлиять на различные отрасли человеческой жизни, в частности, обучения. Однако нельзя утверждать, что станет возможным чтение и навязывание мыслей. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Как и любое направление IT-сферы, человеко-компьютерное взаимодействие развивается очень интенсивно и неравномерно по времени. Поэтому прогнозирование развития данного направления на долгосрочную перспективу затруднительно. Тем не менее, на основании ряда научных публикаций можно утверждать об успешном развитии к 2025 году нейроинтерфейсов [464], когда практически любой человек можно без затруднений взаимодействовать с компьютером. О возможностях чтения и навязывания мыслей можно только предполагать. Системы представления информации в виде виртуальной и дополненной реальности будут совершенствоваться и получат массовое распространение. Миниатюризация вычислительных устройств и элементов преобразования тепла в 208 электроэнергию позволит производить бионические контактные линзы [465]. Также по прогнозу компании Corning эти технологии к 2030 году должны привести к тому, что любая поверхность, покрытая специальным стеклом (Electronic Ready Glass), может являться дисплеем [465-468], устройством ввода, сенсором и одновременно вычислителем для обработки информации, например, расчетов по идентификации движения или распознавания речи. За счет развития технологий разработки умных материалов, которые могут менять цвет, плотность и другие физические характеристики под воздействием внешних факторов, например, электромагнитного поля, появятся так называемые фигурные экраны (Shape Displays) [443], которые могут на физическом уровне строить поверхность и закрашивать ее участки требуемыми цветами (Smart Materials Interface [462]). Кроме того прогнозируется массовое внедрение голографических технологий. Выводы Технологическое отставание России в ближайшей перспективе непреодолимо. Потенциальная ниша, которую можно занять, – это разработка программного обеспечения, для решения прикладных задач определенного класса, а также средств разделения доступа к уникальным устройствам ЧКВ с применением облачных технологий второго поколения. Также есть хорошие шансы конкуренции в области нанотехнологий для разработки и совершенствования умных материалов. Приоритетным направлением финансирования деятельности в разработке средств ЧКВ является подготовка квалифицированного персонала для системного программирования и разработки программного обеспечения. Другой составляющей успешного развития направления, основанного на разработке и создании программного обеспечения, является постановка конкретных задач и применение полученных результатов в различных отраслях, в том числе в моделировании большого города, различных процессов на уровне нано. 209 Прогноз эффекта от НИОКР видится затруднительным и зависит от степени успеха процесса встраивания разработок (в том числе программных продуктов) в технологические цепочки компаний лидеров в данной области. Продолжение финансирования профильных программ фундаментальных исследований, способно, в отдаленной перспективе, оказать существенное влияние на развитие направления и технологий. Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные и прикладные исследования, а также в НИОКР. 210 7.7 Информационная безопасность 7.7.1 Прототипы перспективных средств и программных систем защиты данных с учетом новых принципов организации информации и взаимодействия информационных объектов, в том числе глобальной интеграции информационных систем, повсеместного доступа к приложениям, новых протоколов Интернет, виртуализации, социальных сетей, данных мобильных устройств и геолокации Введение Реализация основных направлений защиты данных с учетом новых принципов организации информации и взаимодействия информационных объектов в различных сферах общественной жизни, связана с обработкой разнообразных открытых источников. Обеспечение информационной безопасности (ИБ) объектов политической, социально-экономической, оборонной, культурной сфер деятельности в информационно-телекоммуникационных системах требует анализа огромного количества данных с целью обнаружения потенциально опасных сообщений, выявления внешних и внутренних угроз хищения и модификации информации документов, сведений ограниченного распространения, соблюдения авторских прав, распространения информации экстремистского характера. Общими трендами, которые выделяются в процессе анализа отрасли, являются: Современное развитие систем защиты мобильных автоматизированных рабочих мест, используемых в информационных системах. Появление информационных систем с нечетким контуром защиты. Комплексный подход к реализации глубокоэшелонированной защиты информации, направленный на применение программных, аппаратных средств, обеспечивающих многоплановую и многоуровневую защиту. 211 Развитие облачных технологий хранения, сбора и передачи пользовательских данных, обеспечивающих их целостность, доступность и конфиденциальность. Создание и внедрение систем “нападения”, осуществляющих внешние дестабилизирующие воздействия на программы, ресурсы и структуры информационно-психологических и информационно-технических объектов. Появление прототипов перспективных средств и программных систем защиты данных, в первую очередь идентификации и аутентификации с учетом новых принципов организации информации, используемой в компонентном профиле или основанной на сессионной активности взаимодействия информационных объектов. Развитие процесса идентификации и аутентификации использования устройств, сочетающий обработку рабочих, личных, геоинформационных данных. Доступ к глобальным интегрированным вычислительным информационным сетям, системам, облачным социальным ресурсам, ресурсам в совокупности с общедоступными техническими устройствами коммуникации являются важным инструментом удовлетворения потребностей массового потребителя [469], однако ввиду несовершенства систем защиты применение данных технологий может раскрывать сведения о пользователях, что позволяет объектам информационного противоборства использовать их в своих целях. Современные тенденции развития систем защиты направлены на предоставления различных многоплановых решений обеспечения безопасного состояния информационных систем [470, 471]. Развитие технологий защиты идет по двум основным направлениям: повышение качественных характеристик СЗИ и разработка перспективных систем, имеющих превентивных мер защиты [472]. Текущее состояние технологии (2012-2013 гг.) 212 возможность реализации За последние 10 лет, начиная с 2000-х годов, технологии систем защиты информации совершили качественный скачок в своем развитии от решений, предназначенных для устранения выявленных уязвимостей, до многоуровневых программно-аппаратных систем, обеспечивающих комплексный подход к выявлению, нейтрализации и противодействию. В настоящий момент можно выделить несколько ключевых направлений развития информационных систем, которые неизбежно повлияют на идеологию защиты систем [473]. Во-первых, это принципиальное отличие типов информации и требований к ее защите в зависимости от специфики организаций. Даже в компаниях, относящихся к одному и тому же сегменту (банки, госорганизации, телекоммуникации), структура информационных активов неодинакова. Еще одна концепция, обуславливающая неизбежное изменение подходов к защите информации – инициатива BYOD (Bring Your Own Device). Более 90% сотрудников используют для работы собственные устройства, и бизнес не может игнорировать этот тренд. Кроме того, по некоторым прогнозам налаживание деловых контактов и достижение результатов посредством обмена информацией в онлайн-пространстве неизбежно станет доминирующим видом взаимодействия в корпоративных ИС. Облачные технологии, о которых так много говорится последние пару лет, в реальности уже обеспечивают большую часть функциональности, необходимой для организации коллективной работы. В перспективе прогнозируется повсеместная адаптация технологий социальных сетей для бизнеса. Таким образом, в настоящий момент наблюдается переход на коммуникацию через различные разновидности «социальных сетей» с помощью мобильных устройств [474, 475]. Это накладывает определенный отпечаток на сами передаваемые сообщения: по сравнению, к примеру, с классической перепиской по e-mail, они короче, стиль сообщений ближе к разговорной речи, а также существенно чаще встречаются специфические выражения и аббревиатуры. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) 213 Высокая степень интеграции ПЭВМ в системы защиты информации наряду с внедрением информационных технологий дает возможность для разработки и реализации в ИС относительно сложных, но более эффективных методов и алгоритмов вычисления слабоструктурированных данных. Снижение вычислительных затрат, повышения характеристик устойчивости обработки, полноты, точности, адекватности идентифицируемых конструкций позволит увеличить вероятность обнаружения угроз хищения и модификации документов различных форматов, повысить показатели защищенности информации в процессе хранения и обработки, уменьшить вероятностные показатели преодоления системы защиты [476, 477]. Другой комплекс проблемных вопросов информационного противодействия угрозам ИБ в открытых вычислительных сетях связан с созданием систем идентификации и аутентификации, где применение статистических методов классификации затруднено ввиду небольшого информационного объема, что может создавать угрозы пропуска потенциально опасных сообщений и являться предпосылкой возникновения уязвимостей в системах мониторинга состояния ИБ [478]. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Характер и скорость изменений в технологиях информационной безопасности показывает многовекторность развития. Поэтому прогнозирование на краткосрочную перспективу возможно, в то время как на долгосрочную - является более затруднительным. С учетом прогнозируемого дальнейшего развития дополнительных гаджетов и устройств в повседневную жизнь, и внедрения продолжится тенденция к развитию систем защиты мобильных автоматизированных рабочих мест. Скорее всего, в неспециализированных системах исчезнет ориентация на обеспечение безопасности в закрытых контурах, подавляющее большинство решений будет ориентироваться на нечеткий контур защиты. Будет происходить развитие СЗИ облачных сервисов, направленное на обеспечение безопасного состояния как пользователя, так и обладателя 214 распределенных ресурсов [479]. Для пользователей появятся технологии, дающие возможность оценивать риски, контролировать информационные потоки, гарантированно удалять остаточную информацию после обработки в облаке с целью обеспечения защиты целостности и конфиденциальности информации. Для владельцев ресурсов могут появиться решения, обеспечивающие идентификацию решаемых в облаке задач, позволяющие, например, обнаруживать расчет реакции ядерного синтеза под видом решения экономической задачи. Велика вероятность появления кибероружия, направленного на формирование общественного мнения по злободневным вопросам путем автоматической генерации и распространения информации в социальных сетях и других, находящихся в открытом доступе, ресурсов в интересах третьих лиц [480]. Выполняемые программы исследований Российской академии наук и полученные научные и прикладные результаты в области информационных технологий информационной безопасности способны оказать влияние на развитие отдельных направлений. Полученные ранее научные заделы позволят создать и развивать отечественные технологии. Выводы Ряд технологий информационной безопасности (например, безопасность облачных технологий, разработка кибероружия) находится на этапе своего становления, что, в случае рационального подхода, может позволить отечественным компаниям производителям занять лидирующие позиции. Приоритетным направлением финансирования деятельности в области реализации технологий ИБ является подготовка квалифицированного персонала для системного программирования и разработки программного обеспечения. Другой составляющей успешного развития направления, основанного на разработке и создании программного обеспечения, является постановка конкретных задач и применение полученных результатов в различных отраслях. 215 Прогноз эффекта от НИОКР зависит от степени успеха процесса встраивания разработок (в том числе программных продуктов) в технологические цепочки компаний лидеров в данной области. Продолжение финансирования профильных программ фундаментальных исследований Российской академии наук, способно, в отдаленной перспективе, оказать существенное влияние на развитие направления и технологий. Достигнутые в настоящее время научные и практические результаты позволяют заложить технологическую основу в области информационной безопасности. Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные исследования уже в настоящее время из-за специфики фундаментальных исследований и необходимого временного периода для создания технологий на основе научных достижений. 216 7.7.2 Прототипы основанных на новых принципах программных систем биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных, в том числе в целях использования биометрических данных в новых областях: социальный Веб, приложения, использующие геоконтекст, сохранность имущества, игры и др. Введение Реализация основных направлений защиты данных основанных на новых принципах программных систем биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных, в том числе в целях использования биометрических данных в новых областях связанно с изучение уязвимостей и безопасности биометрической идентификации, а также с возможностями использования биометрических данных в социально значимых областях. Для обеспечения информационной безопасности (ИБ) постоянно необходимо разработка принципиально новых направлений, одним из таких направлений в настоящее время является биометрическая идентификация. Благодаря уникальности и невозможности подделки биометрических данных имеет смысл развивать их использование и начинать применять их в новых областях, таких как: социальный Веб, приложения, использующие геоконтекст, сохранность имущества, игры и многое другое. Общими трендами, которые выделяются в процессе анализа отрасли, являются. Современное развитие систем защиты мобильных автоматизированных рабочих мест, используемых в информационных системах. Появление информационных систем с нечетким контуром защиты. Комплексный подход к реализации глубокоэшелонированной защиты информации, направленный на применение программных, аппаратных средств, обеспечивающих многоплановую и многоуровневую защиту. 217 Развитие облачных технологий хранения, сбора и передачи пользовательских данных, обеспечивающих их целостность, доступность и конфиденциальность. Создание и внедрение систем “нападения”, осуществляющих внешние дестабилизирующие воздействия на программы, ресурсы и структуры информационно-психологических и информационно-технических объектов. Появление прототипов перспективных средств и программных систем защиты данных, в первую очередь идентификации и аутентификации с учетом новых принципов организации информации, используемых в компонентном профиле или основанных на сессионной активности взаимодействия информационных объектов. Развитие процесса идентификации и аутентификации использования устройств, сочетающих обработку рабочих, личных, геоинформационных данных. Минимизация устройств шифрования, защита устройств шифрования от различных атак. Атаки по сторонним каналам и способы противодействия им. Защита от различного вида криптографических атак Исследование и проведение различных криптоатак. Уязвимости современных криптоустройств. Защита от возможных криптоатак. Увеличившийся в последнее время интерес к использованию биометрической идентификации в мире принято связывать с угрозами активизировавшегося международного терроризма. Биометрические технологии активно применяются во многих областях связанных с обеспечением безопасности доступа к информации и материальным объектам, а также в задачах уникальной идентификации личности. Применения биометрических технологий разнообразны: доступ к рабочим местам и сетевым ресурсам, защита информации, обеспечение доступа к определённым ресурсам и безопасность. Ведение электронного бизнеса и электронных правительственных дел возможно 218 только после соблюдения определённых процедур по идентификации личности. Биометрические технологии используются в области безопасности банковских обращений, инвестирования и других финансовых перемещений, а также розничной торговле, охране правопорядка, вопросах охраны здоровья, а также в сфере социальных услуг. Текущее состояние технологии (2012-2013 гг.) До недавнего времени биометрические системы обеспечения безопасности использовались только для защиты военных секретов и самой важной коммерческой информации. Сначала биометрическими системами доступа оборудовали аэропорты, крупные торговые центры и другие места скопления народа. Повышенный спрос спровоцировал исследования в этой области, что, в свою очередь, привело к появлению новых устройств и целых технологий. Самым главным преимуществом систем защиты информации, основанных на биометрических технологиях, является высокая надежность. В последние несколько лет развитие биометрии стимулировалось правительственными инициативами, что привело к значительному росту активности исследователей. Этот рост связан не только с повышением интереса к вопросам безопасности после трагедии 11 сентября 2001 г., но также и в связи с наличием проблем обеспечения конфиденциальности при хранении и передачи в сети Internet персональной информации. Росту рынка биометрических систем способствует развитие национальных программ идентификации граждан, инициированных правительствами разных стран. По оценкам портала SecurityPark.net, в 2010 г. объем этого рынка достигнет 6 миллиардов долларов. В настоящий момент можно выделить несколько ключевых направлений развития, где используются биометрические данные. Их используют для идентификации и обеспечения безопасности в компьютерных системах, в банковских системах, мобильных телефонах, кредитных картах, обеспечивают доступ к зданиям, медицинскому обслуживанию и социальному обеспечению. Одной из причин популярности биометрических исследований является их удобство и доступность – у каждого человека имеются уникальные биометрические 219 характеристики, которые можно автоматически получить и измерить, и невозможно простым образом подделать или изменить [481, 482]. Одним из основных направлений исследуемых сейчас, является использование биометрических паспортов [483] и снятие отпечатков пальцев. Ряд исследований соответствия сканеров по снятию отпечатков пальцев был проведен на экспериментальной лабораторной системе, названной Algorithmic Test Bed (ATB). ATB - система, используемая, чтобы проверить функциональные особенности компонента Automated Fingerprint Identification System (AFIS) Федерального Бюро Расследований (ФБР) США[484]. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) В краткосрочной перспективе тенденция развития прототипов, основанных на биометрической идентификации, будет сосредоточена на обеспечении безопасности систем, использующую биометрическую идентификацию. Использование биометрических данных дает большое количество преимуществ, но и сопряжено с большим риском. Было проведено огромное количество криптоатак на биометрические паспорта, и на другие области использование биометрических данных, многие из проведенных атак дали положительные результаты и показали не 100% криптостойкость систем, использующих биометрические данные. Одна из возможных атак была предложена израильским ученным Ади Шамиром [485]. Большую угрозу для систем, использующих биометрические данные, являются атаки посторонним каналам. Криптоанализ на основе информации, получаемой по сторонним каналам, или атаки по сторонним каналам – это мощный способ исследования криптографических систем, базирующийся на использовании уязвимостей и недостатков, возникающих при реализации криптоалгоритмов в виде реальных программных и программно-аппаратных комплексов, а также различной информации, которую можно получить из побочных источников при работе подобных устройств [486]. Разработка криптографического оборудования, устойчивого к данному виду атак, будет являться одной из основных задач в ближайшее десятилетие [487]. 220 Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Тенденция развития прототипов биометрической идентификации на ближайшее десятилетие легко спрогнозировать. Прогноз на более длительный срок является более затруднительным, но по скорости развития использования биометрических данных в ИБ, можно сделать выводы, что, скорее всего, биометрическая идентификация вытеснит другие виды идентификации. При современных скоростях роста вычислительных ресурсов к 2020 -2030 г. не только биометрическая идентификация, но и квантовые вычисления станут более безопасны и целесообразны [488-491]. Новые протоколы и алгоритмы придут на смену существующим [492, 493]. Скорее всего, что в это время уже повсеместно будет использоваться 3D распознавание лиц. Данные исследования уже проводят The Department of Homeland Security Science and Technology Directorate (DHS S&T) США [494]. Выводы Исследование и грамотное использование прототипов основанных на новых принципах программных систем биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных может значительно повысить уровень информационной безопасности. Приоритетным направлением финансирования деятельности в области реализации технологий ИБ является финансирование исследовательских работ, подготовка квалифицированного персонала для системного программирования и разработки программного обеспечения. Другой составляющей успешного развития направления, основанного на разработке и создании программного обеспечения, является постановка конкретных задач и применение полученных результатов в различных отраслях. Прогноз эффекта от НИОКР зависит от степени успеха процесса встраивания разработок (в том числе программных продуктов) в технологические цепочки компаний лидеров в данной области. 221 Продолжение финансирования профильных программ фундаментальных исследований Российской академии наук, способно, в отдаленной перспективе, оказать существенное влияние на развитие направления и технологий. Достигнутые в настоящее время научные и практические результаты позволяют заложить технологическую основу в области информационной безопасности. Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные исследования уже в настоящее время из-за специфики фундаментальных исследований и необходимого временного периода для создания технологий на основе научных достижений. 222 7.8 Алгоритмы и программное обеспечение 7.8.1 Перспективные языки и прототипы систем программирования, реализующие новые и объединяющие существующие принципы, в том числе: объектно-ориентированные, функциональные, логические, языки спецификаций, программирование без программиста, предметноориентированные, программирование на естественном языке, с поддержкой доказуемости различных свойств программ Введение В связи с тем, что ПО используется в системах с повышенными требованиями к надежности (таких, как авиационные системы, медицинские системы и т.д.), качество и надежность ПО являются критически важными его параметрами. Основными трендами, которые можно выделить в этой отрасли являются: Повышение уровня автоматизации таких операций, как тестирование программ; Расширение возможностей интегрированных сред разработки; Повышение популярности предметно-ориентированных языков программирования. Текущее состояние технологии В настоящее время наиболее широко распространенными языками программирования являются объектно-ориентированные (Java, Objective C, C++) и процедурные (C) [495-496]. Активно используются интегрированные среды разработки (IDE, Integrated Development Environment), функциональность которых в последнее время существенно расширилась – они позволяют не только набирать текст программы, но и осуществлять различные рефакторинги программного кода, проводить его анализ, а также в ряде случае автоматически его генерировать. К числу наиболее распространенных интегрированных сред разработки относятся Eclipse [497], IntelliJ Idea [498], Microsoft Visual Studio [499]. Применение 223 интегрированных сред разработки повышает производительность труда программистов, а также снижает число ошибок в программном коде. В последнее десятилетие активно развивается область исследований, называемая поисковая инженерия ПО (Search-Based Software Engineering, SBSE) [500-504], в рамках которой для решения задач программной инженерии (включая анализ требований [505, 506], прогнозирование хода разработки [507], проектирование [508], тестирование [509-511] и рефакторинг [512, 513]) предлагается применять алгоритмы поисковой оптимизации. В число методов, которые нашли применение в поисковой инженерии ПО [514], входят эволюционные алгоритмы [515] (генетические алгоритмы [516-518], генетическое программирование [519] и эволюционные стратегии [520]), а также муравьиные алгоритмы [521], метод роя частиц [522], метод имитации отжига [523], метод спуска [524], алгоритмы оценки распределений [525], поиск с запретами [526], меметические алгоритмы [527], метод рассеянного поиска [528, 529], искусственные иммунные системы [530]. При этом, в настоящее время наибольшее распространение получили эволюционные алгоритмы [501]. Одним из наиболее ярких примеров применения методов поисковой инженерии программного обеспечения является оптимизация существующих программ. Так, например, в работе [535] описывается метод, с помощью которого ПО для выравнивания чтений геномной последовательности (исходный код содержит 50000 строк) было с помощью компьютера ускорено в 70 раз по сравнению с исходным вариантом, написанным человеком. Возрастает популярность предметно-ориентированных языков программирования (Domain-specific language, DSL) - языков программирования, специализированных для конкретной области применения (в противоположность языку общего назначения, применимому к широкому спектру областей и не учитывающему особенности конкретных сфер знаний). Одним из набирающих популярность средств для разработки является JetBrains MPS [531]. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) 224 В краткосрочной перспективе можно спрогнозировать следующие основные тренды развития рассматриваемых технологий. 1) Методы автоматической генерации тестов. Наиболее успешной областью применения поисковой инженерии ПО являются методы автоматической генерации тестов. С учетом того, что само тестирование ПО уже в настоящее время практически полностью автоматизировано, автоматизация генерации тестов приведет к тому, что затраты на тестирование ПО существенно снизятся. 2) Внедрение алгоритмов, разработанных в рамках поисковой инженерии ПО, в интегрированные среды разработки. Возможности существующих интегрированных сред разработки будут существенно расширены за счет внедрения в них алгоритмов поисковой инженерии ПО – они смогут не только выполнять рефакторинги, задаваемые программистом, автоматически запускать тесты, но и искать оптимальный рефакторинг и автоматически генерировать тесты. При этом отметим, что в краткосрочной перспективе основным действующим лицом при написании программы будет являться программист и концепция «программирование без программиста» в краткосрочной перспективе, с большой вероятностью, реализована не будет. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Характер и скорость изменений в технологиях разработки ПО за период с начала 2000-х годов показывают бурное развитие данного направления. Поэтому прогнозирование на краткосрочную перспективу возможно, в то время как на долгосрочную - является более затруднительным. В долгосрочной перспективе представляется возможным реализация следующих трендов. 1) Более широкое применение методов искусственного интеллекта. В рамках поисковой инженерии ПО будут применяться не только алгоритмы поисковой оптимизации, но и алгоритмы искусственного интеллекта и машинного обучения (например, экспертные системы, методы классификации и кластеризации). Это позволит с помощью компьютера получать оптимальные или близкие к ним 225 решения существенно более широкого круга задач программной инженерии, чем в настоящее время. 2) Программирование без программиста. Развитие средств и алгоритмов автоматизации проектирования, тестирования, рефакторинга ПО, генерации кода и решения других задач программной инженерии сделает возможным, по крайней мере, в долгосрочной перспективе реализацию концепции «программирование без программиста». Заказчик разработки ПО должен будет задать требования к нему в некотором формальном виде, пригодном для обработки компьютером, после чего в результате итеративного процесса уточнения требований будет автоматически разработано соответствующее ПО. Выводы Перспективы России в рассматриваемых областях выглядят достаточно хорошо. Один из ведущих мировых разработчиков интегрированных средств разработки ПО – российская компания JetBrains, главный офис которой находится в Санкт-Петербурге. В России существует ряд научно-исследовательских центров, ведущих разработки в области алгоритмов поисковой оптимизации и искусственного интеллекта, а также в области верификации программного обеспечения. Стоит также отметить, что в августе 2013 года в Санкт-Петербурге впервые в России прошла международная конференция по поисковой инженерии ПО Symposium on Search-Based Software Engineering (http://ssbse.org/2013/). Приоритетными направлением финансирования исследований в рассматриваемых областях должны являться методы верификации ПО и применение искусственного интеллекта в задачах программной инженерии. В рамках исследований должны обязательно создаваться прототипы программных средств, реализующих разработанные алгоритмы и подходы. Другой составляющей успешного развития направления, основанного на разработке и создании ПО, является постановка конкретных задач и применение полученных результатов в отрасли разработки ПО. Внедрению результатов в практику должно помочь сотрудничество исследовательских центров с ведущими компаниями в соответствующей области, например, с JetBrains. 226 Прогноз эффекта от НИОКР зависит от степени успеха процесса встраивания разработок (в том числе программных продуктов) в технологические цепочки компаний лидеров в данной области. Достигнутые в настоящее время научные и практические результаты позволяют заложить основу для успешной работы на период 2014-2020 годов по указанным направлениям. Однако для реализации имеющегося потенциала необходим тесный диалог научных сообществ по направлениям «Программная инженерия» и «Искусственный интеллект», который в настоящее время не осуществляется. Для его осуществления рекомендуется проведение серии совместных конференций или семинаров. Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные исследования уже в настоящее время из-за специфики фундаментальных исследований и необходимого временного периода для создания технологий на основе научных достижений. 227 7.8.2 Прототипы компонентов перспективного системного программного обеспечения, в том числе обеспечивающие повышение производительности обработки информации достоверное и производительности доказательство выполнения труда программиста, требований, поддержку перспективных архитектур и др. Введение При проведении сбора материалов по направлению «Прототипы компонентов перспективного системного программного обеспечения, обеспечивающие повышение производительности в обработки том числе информации и производительности труда программиста, достоверное доказательство выполнения требований, поддержку перспективных архитектур и др.» учитывались следующие ограничения: • приветствовались работы с участием российских ученых; • исследовались публикации, изданные не ранее 2012 года; • приоритетность индексированных публикаций; • не приветствовались популярные статьи. Текущее состояние технологии (2012-2013 гг.) В результате сбора материалов по данному направлению были выявлены значимые работы, имеющие отношение к трендам: 1. Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени. 2. Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах. 3. Новые принципы биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных. 4. Развитие проводной и беспроводной инфраструктуры доступа в сеть Интернет. 228 Проведенные исследования позволяют предположить, что для указанных трендов в направлении программного «Прототипы компонентов перспективного системного обеспечения, производительности в обработки том числе информации обеспечивающие и повышение производительности труда программиста, достоверное доказательство выполнения требований, поддержку перспективных архитектур и др.» на текущий период развития (2012-13 г.г.) отсутствуют признаки прорывной ситуации. Анализ состояния работ по тренду «Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени». Количество отобранных работ по направлению «Прототипы компонентов перспективного системного программного обеспечения, обеспечивающие повышение производительности в обработки том числе информации и производительности труда программиста, достоверное доказательство выполнения требований, поддержку перспективных архитектур и др.», имеющих отношение к тренду «Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени» составило 11%. Среди выбранных для анализа работ особенно убедительно выглядит попытка создания языка программирования и построения моделей параллельных вычислений, выполняемая в Mathematics and Computer Science Division Argonne National Laboratory, Argonne [532]. Заметно внимание к поступления телеметрических поддержки принятия использованию данных для решений при расчетных систем в условиях информационно-интеллектуальной мониторинге состояний сложных организационно-технических комплексов [534], [549] и [550]. Анализ состояния работ по тренду «Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах». 229 К тренду «Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах» относится наибольшее число выявленных работ по направлению «Прототипы компонентов перспективного системного программного обеспечения, обеспечивающие повышение производительности в обработки том числе информации и производительности труда программиста, достоверное доказательство выполнения требований, поддержку перспективных архитектур и др.», и составляет 37%. Выбранные для анализа работы, прежде всего, касались прикладных аспектов применения технологий и алгоритмов выполнения параллельных вычислений для расчетных систем принятия решений в условиях поступления телеметрических данных. Практически все работы относились к применению суперкомпьютеров. Несмотря на техническое отставание России по применению суперкомпьютеров, наличие выявленных русскоязычных публикаций фундаментального характера свидетельствует о незначительном отставании России от мирового уровня. В связи с широким диапазоном направления «Прототипы компонентов перспективного системного программного обеспечения, обеспечивающие повышение производительности в обработки том числе информации и производительности труда программиста, достоверное доказательство выполнения требований, поддержку перспективных архитектур и др.», селекция и выборка исследованных публикаций позволила структурировать работы по созданию и использованию архитектур самоадаптируемого ПО к различным изменениям в процессе выполнения программ. В связи с повышенным вниманием эксперта к обеспечению достоверности доказательств алгоритмизации предметных областей, были равнозначно оценены работы по декларативному программированию баз данных, по обеспечению корректности изменений сценариев при модификации автоматной программы и вопросы оптимизации автоматизируемых бизнеспроцессов с использованием формализованных положений дискретной математики. В целом, тренд «Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах» оказался 230 наиболее востребованным, а отнесенные к нему работы выполнимыми и применимыми. Анализ состояния работ по тренду «Новые принципы биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных». Количество отобранных работ по направлению «Прототипы компонентов перспективного системного программного обеспечения, обеспечивающие повышение производительности в обработки том числе информации и производительности труда программиста, достоверное доказательство выполнения требований, поддержку перспективных архитектур и др.», имеющих отношение к тренду «Новые принципы биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных», составило 44%. Среди доступных индексированных и изданных за последние два года работ в сфере разработки и использования биометрических систем (от идентификации ID до построения и исследования биомедицинских баз знаний), интереснее прочих выглядела работа о практическом применении метода тканевых матриц, обеспечивающего расположение лабораторно исследуемого множества тканевых образцов на одном микропрепарате. К сожалению, представленная в работе система ImageMiner ImageMiner [531] предназначена для ее использования только на высокопроизводительных вычислительных машинах. Вместе с тем, каждое такое внедрение является весьма значимым событием в сфере практической биоинформатики, что могло бы оказать существенное влияние на актуализацию в Российской Федерации тренда «Новые принципы биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных». Интерес в сфере практической биоинформатики в России повсеместно возрастает. Вместе биоинформатиков с в тем, России по мнению кратно Павла количеству Певзнера1, количество биоинформатиков в среднестатистическом университете в США. Существенно важными являются исследования, 1 ведущиеся в лаборатории биоинформатики НИУ ИТМО Department of Computer Science, University of California-San Diego, La Jolla, CA USA (http://cse.ucsd.edu/contact) 231 (http://bioinfolab.ifmo.ru/) под руководством Порозова Ю.Б. [529, 530, 534, 537,541, 542, 544, 545, 546, 552, 553, 555]. Отставание идентификации, России в обработки, тематике «Новые интеграции и принципы анализа биометрической мультимодальных биометрических данных» можно объяснить отсутствием достаточного числа исследовательских центров и технологических платформ. Анализ состояния работ по тренду «Развитие проводной и беспроводной инфраструктуры доступа в сеть Интернет» и «Сети, реализующие новые принципы организации, в том числе: когнитивные, гибридные, адаптивные». Количество отобранных работ по направлению «Прототипы компонентов перспективного системного программного обеспечения, обеспечивающие повышение производительности обработки в том числе информации и производительности труда программиста, достоверное доказательство выполнения требований, поддержку перспективных архитектур и др.», имеющих отношение к трендам «Развитие проводной и беспроводной инфраструктуры доступа в сеть Интернет» и «Сети, реализующие новые принципы организации, в том числе: когнитивные, гибридные, адаптивные», составило по 4%. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) В связи с наличием в России заделов в сфере ИКТ можно прогнозировать перспективу оказания сильного влияния ряда отечественных коллективов и школ на мировое развитие выявленных трендов. Для реализации перспективного прогноза необходим переход от парадигмы технопарка к созданию технологических платформ. Распределение проявления выявленных трендов по годам заданного цикла проявится равномерно. Наибольший эффект проявления трендов в России ожидается в период: • Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах (до 2015 года); • Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на 232 основе обработки данных, поступающих в реальном режиме времени (с 2016-2020 г.г.); • Новые принципы биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных (с 2016-2020 г.г.). Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Возможна интеграция с мировыми исследовательскими лабораториями на основе создания и введения в действие достаточного количества технологических платформ. Распределение проявления выявленных трендов по годам заданного цикла проявится равномерно. Наибольший эффект проявления трендов в России ожидается в период: • Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах (до 2020 года); • Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени (с 2020-2030 г.г.); • Новые принципы биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных (с 2020-2030 г.г.). Выводы В результате проведенных исследований по состоянию и перспективам развития одного из направлений ИКТ «Прототипы компонентов перспективного системного программного обеспечения, в том числе обеспечивающие повышение производительности обработки информации и производительности труда программиста, достоверное доказательство выполнения требований, поддержку перспективных архитектур и др.» был проведён анализ выявленных из источников информации трендов. 233 Тренды «Новые принципы биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных» и «Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах» является наиболее перспективным с настоящего времени и до 2030 года. 234 7.8.3 Исследовательские модели и алгоритмы, адаптируемые к вычислительным системам нового поколения Введение При проведении сбора материалов по направлению «Исследовательские модели и алгоритмы, адаптируемые к вычислительным системам нового поколения» учитывались следующие ограничения: • приветствовались работы с участием российских ученых; • исследовались публикации, изданные не ранее 2012 года; • приоритетность индексированных публикаций; • не приветствовались популярные статьи. Текущее состояние технологии (2012-2013 гг.) В результате сбора материалов по направлению «Исследовательские модели и алгоритмы, адаптируемые к вычислительным системам нового поколения» были выявлены значимые работы, имеющие отношение к трендам: 5. Моделирование человеческого интеллекта, когнитивные модели сознания и поведения. 6. Новые принципы биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных. 7. Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах. 8. Перспективные языки и системы программирования, реализующие новые парадигмы. 9. Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени. 10.Работа со сверхбольшими данными – сокращение отставания темпов роста методов и средств обработки и анализа информации от темпов роста. 235 Проведенные исследования позволяют предположить, что для указанных трендов в направлении «Исследовательские модели и алгоритмы, адаптируемые к вычислительным системам нового поколения» на текущий период развития (2012-13 г.г.) отсутствуют признаки прорывной ситуации. Анализ состояния работ по тренду «Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах». К тренду «Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах» относится наибольшее число выявленных работ по направлению «Исследовательские модели и алгоритмы, адаптируемые к вычислительным системам нового поколения», которое составляет 41%. Отобранные работы [556, 560, 562, 564, 566, 569] прикладного применения суперкомпьютеров на базе разработанных исследуемых модельных методов касаются вопросов алгоритмов дискретной для математики. Примечательным является преимущественное наличие русскоязычных публикаций, библиография которых свидетельствует о фундаментальности проводимых работ. К числу наиболее значимых применений среди выбранных работ, связанных со сложными динамическими процессами, относятся: автоматизация бортовых вычислительных систем и комплексов, систем автосопровождения космических и баллистических объектов, а также биосистем. Одним из важных условий успешности развития тренда «Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах» следует считать достижение аутентичности расчетных моделей применительно к реальным динамическим процессам. Это касается как собственно вычислительных парадигм, так и, что весьма важно, уровня квалификации задействованного персонала. Поэтому к числу выбранных работ отнесены публикации, касающиеся образовательной сферы. 236 В целом, выявленные в рамках тренда «Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах» работы в России соответствуют мировому уровню. Анализ состояния работ по тренду «Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени» Количество отобранных работ по направлению «Исследовательские модели и алгоритмы, адаптируемые к вычислительным системам нового поколения», имеющих отношение к тренду «Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени», составило 29%. Выбранные для анализа работы [553, 566, 568], прежде всего, касались прикладных аспектов применения технологий и алгоритмов выполнения параллельных вычислений для расчетных систем принятия решений в условиях поступления телеметрических данных. Существенная часть работ касалась проблематики решения задач газодинамики, а также вопросов предсказательного моделирования процессов, например, для автоматизации экспериментов по разработке новых лекарственных средств. Практически все работы относились к применению суперкомпьютеров. Несмотря на техническое отставание России по применению суперкомпьютеров, наличие выявленных русскоязычных публикаций фундаментального характера свидетельствует о незначительном отставании России от мирового уровня. Анализ состояния работ по тренду «Работа со сверхбольшими данными – сокращение отставания темпов роста методов и средств обработки и анализа информации от темпов роста». Количество отобранных работ по направлению «Исследовательские модели и алгоритмы, адаптируемые к вычислительным системам нового поколения», имеющих отношение к тренду «Работа со сверхбольшими данными – сокращение 237 отставания темпов роста методов и средств обработки и анализа информации от темпов роста», составило 12%. Для анализа выявляемых работ по тренду отбирались публикации [555, 564], касающиеся вопросов решения методов оптимизации информационно- вычислительных процессов в условиях поступления больших данных. Наибольший интерес вызвали публикации о современных подходах к разработке и применению генетических алгоритмов, а также малоисследованный метод минимизации квадратичной формы на единичном гиперкубе в пространстве большой размерности. Обе методологии имеют многоплановое практическое применение, прежде всего для задач государственного управления и обеспечения военной безопасности, и также связаны с применением суперкомпьютеров и приложений с интегрированными элементами искусственного интеллекта. Несмотря на повышенный интерес профессионального ИТК сообщества к тематике обработки сверхбольших данных, значимых зарубежных публикаций в направлении «Исследовательские модели и алгоритмы, адаптируемые к вычислительным системам нового поколения» за последние два года выявлено не было, что отнюдь не означает, что таких работ среди доступных источников нет. Наличие выявленных русскоязычных публикаций фундаментального характера свидетельствует о соответствии России мировому уровню. Анализ состояния работ по тренду «Перспективные языки и системы программирования, реализующие новые парадигмы». Количество отобранных работ по направлению «Исследовательские модели и алгоритмы, адаптируемые к вычислительным системам нового поколения», имеющих отношение к тренду «Перспективные языки и системы программирования, реализующие новые парадигмы», составило 12%. В выявленных преимущественно зарубежных работах рассматривались темы минимизации ошибок прототипирования, а также технологии разработки распределенного ПО и разработки предметно ориентированных языков [552]. Отставание России в тематике «Перспективные языки и системы программирования, реализующие новые парадигмы», за исключением работ НИУ 238 ИТМО в части автоматного программирования, можно объяснить отсутствием достаточного числа исследовательских центров и технологических платформ. Анализ состояния работ по трендам «Новые принципы биометрической идентификации, обработки, интеграции биометрических данных» «Моделирование и и анализа мультимодальных человеческого интеллекта, когнитивные модели сознания и поведения». Незначительное количество отобранных работ по направлению «Исследовательские модели и алгоритмы, адаптируемые к вычислительным системам нового поколения», имеющих отношение к данным трендам, может быть в равной мере отнесено к тематикам таких трендов, как: «Новые принципы биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных» (6%) и «Моделирование человеческого интеллекта, когнитивные модели сознания и поведения» (6%) [559, 561]. Тем не менее, свидетельствует как разрабатываемых произведенный о отбор работ прогрессирующей приложений, по данным прикладной основывающихся как трендам направленности фундаментальных исследованиях в сфере информатики, так и на все более сложных потребностях рынка приложений ИКТ, тяготеющих к интеллектуальным программно- инструментальным средствам научно-производственного характера. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) В связи с наличием в ряде научных коллективов России соответствующих заделов в сфере ИКТ, можно прогнозировать перспективу оказания сильного влияния на мировое развитие указанных трендов рядом отечественных коллективов и школ. Для реализации перспективного прогноза необходим переход от парадигмы технопарка к созданию технологических платформ. Распределение проявления выявленных трендов по годам заданного цикла проявится равномерно. Градация наибольшего эффекта проявления трендов в России может быть таковой: 239 • Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах (до 2015 года); • Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени (с 2016-2020 г.г.); • Работа со сверхбольшими данными – сокращение отставания темпов роста методов и средств обработки и анализа информации от темпов роста (с 20162020 г.г.); • Моделирование человеческого интеллекта, когнитивные модели сознания и поведения (к 2020 году). Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Возможна интеграция с мировыми исследовательскими лабораториями на основе создания и введения в действие достаточного количества технологических платформ. Распределение проявления выявленных трендов по годам заданного цикла проявится равномерно. Наибольший эффект проявления трендов в России состоится: • Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах (до 2020 года); • Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени (с 2020-2030 г.г.); • Работа со сверхбольшими данными – сокращение отставания темпов роста методов и средств обработки и анализа информации от темпов роста (с 20202030 г.г.); • Моделирование человеческого интеллекта, когнитивные модели сознания и поведения (с 2020-2030 г.г.). Выводы В результате проведенных исследований по состоянию и перспективам развития одного из направлений ИКТ «Исследовательские модели и алгоритмы, 240 адаптируемые к вычислительным системам нового поколения» был проведён анализ выявленных из источников информации трендов. Тренд «Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах» является, на наш взгляд, наиболее перспективным и будет актуальным до 2020 года. 241 7.8.4 Прототипы программных систем, реализующих новые модели организации параллельных вычислений Введение Массовое внедрение параллельных вычислений обязано возможностью ускорения расчетов за счет привлечения двух и более вычислительных устройств, которые работают одновременно. Польза в параллельных вычислениях оценивается двумя основными показателями – параллельное ускорение и параллельная эффективность. Последний зависит от того, сколько вычислителей привлекается для распараллеливания расчета и во сколько раз удается ускорить процесс. Основным препятствием в параллельных вычислениях являются накладные расходы, связанные с передачей данных, организацией управления и др. действиями. Основное стремление в совершенствовании вычислительных архитектур направлено на максимально возможное увеличение количества вычислительных узлов и их мощности, и снижение накладных расходов. Общими трендами, которые выделяются в процессе анализа направления, являются. Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах. Новые принципы организации компьютерных сетей. Переход от 100 Гб/с к 1 Тб/c каналам ВОЛС в коммерческих сетях и от 10 Тб/с к 1-10 Петабит/с в магистральных ВОЛС. Появление высокоскоростных (100 Гб/с и более) беспроводных каналов передачи данных, а также высокостабильных беспроводных каналов связи. Перспективные языки и системы программирования, реализующие новые парадигмы. Развитие грид-технологий. 242 На развитие принципиально рассматриваемого новых архитектур направления вычислительных влияют машин, разработки а также совершенствование существующих за счет улучшения передачи данных, в том числе на большие расстояния и по беспроводным каналам. Использование новых архитектур возможно только путём разработки и совершенствования языков и соответствующих систем программирования. Текущее состояние технологии (2012-2013 гг.) В настоящее время существует более 10 классификаций архитектур вычислительных систем [574], сводящихся к взаимодействию процессоров и памяти, инструкций и данных. Работы по решению задач, связанных с параллельными вычислениями, преимущественно сводятся к разработке алгоритмов, наилучшим образом адаптированных к тем или иным вычислительным архитектурам и соответствующим технологиям, например, программный комплекс для моделирования динамики астрофизических объектов на гибридных супер ЭВМ, оснащенных ускорителями Intel Xeon Phi [575]. Большинство решений строится на базе следующих наиболее известных технологий параллельных вычислений: MPI, OpenMP, NVidia CUDA, ПЛИС. С точки зрения аппаратной реализации развитие осуществляется: увеличением количества вычислителей (физических узлов, ядер) на устройство (процессор или видеоадаптер), интеграцию устройств на один чип, снижением энергопотребления, а также улучшением работы коммуникаций [576,577]. Вместе с вышеприведенными «векторами» развития осуществляются разработки и прототипирование принципиально новых архитектур вычислителей, которые призваны выполнять расчеты на один или несколько порядков быстрее. В числе таких разработок: графеновый [578], ДНК, диффузионно-реакторный, биомембранный [579], мемристорный [580] и нейроморфный компьютеры [581]. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) Развитие технологий параллельных вычислений продолжится в аспекте наращивания мощности и снижения энергопотребления вычислительных комплексов. В связи с тем, что количество вычислителей будет расти и стоимость их 243 будет снижаться, подходы адаптации вычислительных методов к существующим архитектурам и соответствующим устройствам могут смениться на диаметрально противоположные, в которых будут предлагаться средства адаптации аппаратного обеспечения на конкретную задачу [582]. С ростом скорости беспроводных каналов связи, а также увеличения дальности передачи информации для мобильных устройств, будут увеличиваться объемы исследований в области мобильных высокопроизводительных вычислений и создаваться соответствующие аппаратно-программные решения. На мобильных процессорах (в виду их низкого энергопотребления) планируется разработка и производство полноценных суперкомпьютеров [583]. Уже с 2014 году планируется массовое производство мемристорной памяти [579], что позволит конструировать более энергоэффективные вычислительные системы с очень большими объемами энергонезависимой оперативной памяти. Также мемристоры дают возможность создавать нейрочипы с высоким быстродействием. Благодаря этому, будут вестись разработки по созданию супернейрокомпьютеров из широкиспользуемых в то время вычислителей на базе мемристоров, которые значительно ускорят аналоговую обработку и дадут возможность решения задач моделирования деятельности мозга, газодинамики, нейроуправления сложными комплексами на новом уровне [584]. В рассматриваемом периоде будут продолжаться работы на пути к созданию полноценного мемристорного компьютера, а также оригинальных ДНК- компьютеров [586], диффузионно-реакторного компьютера [587], биомембранных компьютеров [588], которые позволяют решать NP-полные задачи за полиномиальное время. Для таких видов компьютеров будут продолжены разработки подходов и технологий распараллеливания вычислений. Также можно утверждать о создании компьютеров на основе нейронных культур. В период 2014-2020 годов появление универсального квантового компьютера не ожидается, однако будут активно продолжены исследования, позволяющие расширить спектр вычислительных методов, которые можно реализовывать на таких многообещающих устройствах [589]. 244 Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Разнообразие технологий высокопроизводительных вычислений и неопределенность в развитии новых вычислительных архитектур делают прогноз тенденция развития на перспективу 2020 – 2030 гг. затруднительным. Вероятность коммерческой реализации памяти на мемристорах в 2014-2015 годах велика и можно оценить перспективу создания и массового внедрения полноценных мемристовых компьютеров [588] достаточно реальной. Поскольку эти компьютеры потребляют энергии в разы меньше, чем нынешние системы, то при наличии сверхвысокоскоростных беспроводных каналов связи прорывное развитие должны получить распределенные высокопроизводительные системы на базе мобильных устройств, а также так называемые всеобъемлющие вычисления и мобильная составляющая технологий Big Data [589]. С меньшей вероятностью возможно массовое внедрение графеновых, биомембранных, диффузно-реакторных, ДНК-, а также нейроморфных компьютеров. В зависимости от степени их создания и использования будет определяться уровень разработки соответствующих методов распараллеливания расчетов. Еще с меньшей вероятностью будут применяться квантовые компьютеры, квантовые системы хранения и передачи данных. Тем не менее, моделирование расчетов, в том числе в виде параллельных алгоритмов, будет проводиться, поскольку технологии многообещающие и в этой отрасли уже в настоящее время существуют первые успешные прототипы. Выводы С позиции вычислительного оборудования технологическое отставание России в ближайшей перспективе непреодолимо. Исключением может быть технологии реализации нейронных компьютеров, в которых у России есть хорошие шансы быть в мировых лидерах. Потенциальная ниша, которую можно занять – это разработка программного обеспечения по развивающемся архитектурам параллельных вычислений. Также есть хорошие шансы конкуренции в области элементов, основанных на графене, а также в области квантовой оптики. 245 Приоритетным направлением финансирования деятельности в данной области является подготовка квалифицированного персонала для системного программирования под широкий спектр сетевых и вычислительных архитектур и разработки программного обеспечения, а также специалистов в области квантовой оптики. Другой составляющей успешного развития направления, основанного на разработке и создании программного обеспечения, является постановка конкретных задач и применение полученных результатов в различных отраслях, в том числе в области адаптивной аппаратной архитектуры, создания адаптивных программных средств под новые архитектуры, в том числе для квантовых компьютеров. Прогноз эффекта от НИОКР видится затруднительным и зависит от степени успеха процесса встраивания разработок (в том числе программных продуктов) в технологические цепочки компаний лидеров в данной области. Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные и прикладные исследования, а также в НИОКР. 246 7.8.5 Прототипы программных систем, реализующих новые принципы распределенных вычислений на базе сети компьютеров и мобильных устройств частных владельцев Введение Рост производительности персональных компьютеров и мобильных устройств, а также пропускной способности проводных и беспроводных сетей дает потенциальную возможность организации распределенных вычислений с мощностью, соизмеримой с мощностью современных суперкомпьютеров и распределенных вычислительных сред, подобных ГРИД. Подход распределения вычислений на персональных компьютерах с применением интернет соединения далеко не нов. Многие фирмы/корпорации предлагали пользователю в обмен на определенные бесплатные услуги, предоставлять доступ к ресурсам компьютера [590], в том числе в то время, когда он простаивает. При том, что такой способ организации вычислений давал возможность отказаться вычислительных ресурсов, от приобретения его нельзя и содержания собственных способом организации назвать высокопроизводительных вычислений, поскольку нет гарантий как в своевременном обмене информацией между узлами, так и в предоставлении вычислительных ресурсов нужной производительности. Решение подобной проблемы состоит в организации такого сетевого взаимодействия между устройствами частных владельцев, которое позволит достаточно быстро осуществлять межузловой информационный обмен с низкой латентностью и ее неопределенностью. Общими трендами, которые выделяются в процессе анализа направления, являются. Развитие облачных сервисов и распределенных вычислений. Новые принципы организации вычислений, создания вычислительных архитектур, построенных на новых парадигмах. Новые принципы организации компьютерных сетей. 247 Усиление контроля над информацией, распространяемой в сети Интернет. Замена стратегии «волокно-к-дому» (fiber-to-the-home - FTTH) на «волокно-кбеспроводной сети» (fiber-to-the-wireless - FTTW) в ВОЛС. Появление высокоскоростных (100 Гб/с и более) беспроводных каналов передачи данных, а также высокостабильных беспроводных каналов связи. Развитие процесса унификации использования устройств, сочетающего обработку рабочих и личных данных. Разработка компактных источников энергии для долговременного (месяцы) питания цифровых устройств массового применения. Выбор вышеприведенных трендов определяется необходимостью наличия каналов связи, обеспечивающих обмен данными с гарантированными характеристиками качества, включая неопределенность латентности; а также компактных источников долговременного питания. Развитие сетевых технологий и использование подхода всеобъемлющих вычислений (ubiquitous computing [591, 592]) определяют свою ветвь тренда новых принципов организации вычислений, а также усиления контроля над распространяемой в сети Интернет информацией. Каждый пользователь может предоставлять в доступ свои вычислительные мощности и программное обеспечение как удаленный ресурс, формируя так называемое «персональное облако» [593]. Текущее состояние направления (2012-2013 гг.) В настоящее время организация распределенных высокопроизводительных вычислений на базе устройств частных владельцев осуществляется не часто и в целях создания временного распределенного вычислительного комплекса, для решения какой-либо проблемы, когда создатели комплекса не видят иного выхода из сложившейся ситуации (или имеют желание удовлетворить свои личные амбиции). Гораздо чаще физические лица предоставляют вычислительные ресурсы своих персональных компьютеров (ПК) для участия в крупных расчетных проектах, 248 где каждому такому ПК отправляется отдельная задача. Такой способ распределенных вычислений используется, когда временной ресурс либо очень большой, либо неограничен. В случае ограниченности временно ресурса организаторы расчетных проектов пользуются профессиональными услугами высокопроизводительных вычислений. Но с развитием облачных технологий и сервисов стало появляться направление так называемых персональных облаков [594], когда владелец того или иного прикладного сервиса, состоящего из одного или нескольких прикладных пакетов, предоставляет вместе с ним вычислительный ресурс, соответствующий требованиям сервиса. Такой сервис может использоваться сам по себе, либо в составе комплексного решения, реализуемого в облачной среде в форме потока работ (WorkFlow) или композитных приложений с помощью уже внедряемых в ИТ сообществе специализированных платформ [595. 596]. Популяризация такого способа предоставления вычислительного ресурса должна привести к началу формирования рынка персональных облаков, в котором будут возможны услуги не предоставления вычислительного ресурса, а организация возможности удаленного решения вычислительной задачи в соответствии с требованиями, в том числе по максимально допустимому временному промежутку. Современные широко используемые каналы связи не всегда устойчивы, а их латентность имеет высокую степень неопределенности. Поэтому направление вычислительных сетей, состоящих из мобильных устройств, развивается на уровне симуляторов, (например, для моделирования распространения сигнала в движущейся сетевой среде [597]) и опытных образцов. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) В ближайшей перспективе развитие направления ожидается, прежде всего, в развитии сетей, состоящих из мобильных устройств, поскольку будет увеличиваться дальность связи между узлами, скорость и надежность беспроводных каналов связи, в том числе с распространением технологии 4G. Соответствующие сети будут создаваться не только для высокопроизводительных вычислений, но и передачи сигналов в случаях, когда в соответствующей местности не существуют проводные 249 каналы связи, например, временные сети на территории, на которой проводится та или иная операция. Развитию беспроводных сетей будут способствовать технологии, позволяющие создавать устройства с более низким электропотреблением, например, устройства с мемристовой памятью [598]. Однако развитию данного направления будут препятствовать низкие возможности автономных источников питания обычного потребителя, емкость которых на единицу объема до 2020 года не увеличится более чем в пять раз [599]. На помощь могут прийти возобновляемые источники питания, например, солнечные батареи, но подобные системы, способные обеспечить достаточным питанием, будут очень дорогими. С ростом облачных технологий развитие получат «персональные облака» за счет роста производительности персональных компьютеров и каналов связи [600]. Получит развитие подход всеобъемлющих вычислений [601], когда для распределенных вычислений будут использоваться не только вычислительные элементы персональных компьютеров, но и высокотехнологичные бытовые приборы (телевизоры, медиа плейеры, игровые приставки, и др.), которые будут подключаться к глобальной сети. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) По ряду оценок в данном периоде ожидается: массовое внедрение мобильных сетей пятого поколения [602]; массовое внедрение мобильных источников питания с плотностью в 10 и более раз превышающей нынешнюю; появление дешевых и высокоэффективных солнечных батарей; создание полноценного мемристорного компьютера2, отличающегося на несколько порядков более высоким быстродействием, большими объемами памяти и очень низким энергопотреблением. Кроме того, возможности беспроводных сетей к тому времени должны практически догнать проводные сети. С такими возможностями должны широко реализовываться высокопроизводительные вычисления в сетях комплексной динамической архитектуры [603]. В сетях такой архитектуры услуги предоставления «персональных облаков» должны быть массово востребованы, т.к. будет достаточно 2 Подробнее о мемристоре см. №9 в списке источников. 250 высока их надежность за счет глубокого дублирования. На рынок таких услуг окажет влияние массовое использование облачных технологий второго поколения [604]. Рост производительности и миниатюризация вычислительных чипов может привести к повсеместному их использованию, в том числе там, где в настоящее время их использование не представляется целесообразным (в зеркалах, на дверках шкафов и холодильников, в одежде, и т.д.). Может наступить эра, когда человек не будет задумываться о том, где у него производятся расчеты – в стенах его собственного дома или в автомобиле [605]. В такой ситуации сложится большой потенциал использования вычислительных возможностей, принадлежащих частным лицам, при определенных условиях (например, когда дом / квартира пустует). Такие возможности будут сопровождаться решением этических и иных социокультурных вопросов, связанных с близким расположением устройств с личным пространством человека. Выводы В анализируемом направлении технологическое отставание России в ближайшие 5 лет непреодолимо. Но в нашей стране есть научные группы, занимающиеся разработкой системного и прикладного программного обеспечения в области облачных технологий, в которых закладывается потенциал всеобъемлющих вычислений. При соответствующих мерах, отставание в области программного обеспечения возможно преодолеть в ближайшие 5-6 лет, а в дальнейшем выйти в мировые лидеры. Приоритетным направлением финансирования деятельности в рассмотренном направлении является подготовка квалифицированных специалистов в широком спектре специализаций отрасли ИКТ, включая системных аналитиков и системных программистов, специалистов по облачным технологиям, semantic web т.д. Другой составляющей успешного развития направления, основанного на разработке и создании соответствующего программного обеспечения, является постановка конкретных задач и применение полученных результатов в различных отраслях, в том числе в моделировании передачи информации в динамических 251 сетях, в создании облачных платформ нового поколения, позволяющих организовывать и сопровождать «персональные облака». Прогноз эффекта от НИОКР видится затруднительным, а зависит от степени успеха процесса внедрения разработок тех или иных видов ресурсов в научном сообществе и крупном бизнесе. Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные и прикладные исследования, а также в НИОКР. 252 7.8.6 Прототипы программных систем и операционных систем с локально-асинхронными механизмами самоконтроля и парирования ошибок Введение При проведении сбора материалов по направлению «Прототипы программных систем и операционных систем с локально-асинхронными механизмами самоконтроля и парирования ошибок» учитывались следующие ограничения: • приветствовались работы с участием российских ученых; • исследовались публикации, изданные не ранее 2012 года; • приветствовались индексированные публикации; • не приветствовались популярные статьи; • исключались книги, поскольку на читку не было достаточного времени. Текущее состояние технологии (2012-2013 гг.) В результате сбора материалов по данному направлению были выявлены значимые работы, имеющие отношение к трендам. 1. Перспективные языки и системы программирования, реализующие новые парадигмы. 2. Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени. 3. Работа со сверхбольшими данными – сокращение отставания темпов роста методов и средств обработки и анализа информации от темпов роста объемов информации. 4. Развитие ИКТ, направленных на обеспечение безопасности человека. 5.Сети, реализующие новые принципы организации, в том числе: когнитивные, гибридные, адаптивные. Проведенные исследования позволяют предположить, что для указанных трендов в направлении «Прототипы программных систем и операционных систем с 253 локально-асинхронными механизмами самоконтроля и парирования ошибок» на текущий период развития (2012-13 г.г.) отсутствуют признаки прорывной ситуации. Анализ состояния работ по тренду «Перспективные языки и системы программирования, реализующие новые парадигмы». Количество отобранных работ по направлению «Прототипы программных систем и операционных самоконтроля и систем парирования с локально-асинхронными ошибок», имеющих механизмами отношение к тренду «Перспективные языки и системы программирования, реализующие новые парадигмы», составило 20%. Среди выбранных для анализа работ стоит выделить диссертацию «Analysis of Cross-System Porting and Porting Errors in Software Projects» [606], в которой сделана попытка предотвращения миграции ошибок, которые ранее себя не проявляли, в составе кода повторного применения. На примере развития версий операционных систем для проектов Linux, FreeBSD и OpenBSD автору удалось систематизировать выявленные в них баги и разработать метод выявления несоответствий с одновременной интеграцией средств парирования ошибок в новую архитектуру ПО. Не менее интересным подходом к предотвращению и, таким образом, к автоматизации парирования ошибок при проектировании асинхронности регионов в параллельных вычислениях является предложение разработчиков из Института прикладной математики им. М.В. Келдыша РАН [612]. При проектировании гетерогенных и гибридных суперкомпьютерных систем авторы применяют модель «DVM for Heterogeneous systems», позволяющую описывать отображение программы в каждой параллельной машине в виде директив («прагм»), представляющих собой расширения языков программирования Фортран и Си. Упорядочивание подходов к автоматизации локально-асинхронных механизмов самоконтроля и парирования ошибок достигается, таким образом, путем перенесения инструментальных программных средств как непосредственно в операционную систему, так и в средства программирования. Ценность замеченных разработок состоит в развитии работ по обеспечению переносимости ПО. 254 Анализ состояния работ по тренду «Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени». К тренду «Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени» относится наибольшее число выявленных работ по направлению «Прототипы программных систем и операционных систем с локально-асинхронными механизмами самоконтроля и парирования ошибок» и составляет 40%. Почти все выбранные для анализа работы [608, 609, 613, 614, 617, 618] касаются вопросов разработки умных бортовых систем и систем полуавтоматического управления сложными процессами, главной задачей которых является предотвращение угрозы человеческого фактора. Все работы основаны на накопленном богатейшем опыте и ориентированы на перспективность развития живых систем. Анализ состояния работ по тренду «Работа со сверхбольшими данными – сокращение отставания темпов роста методов и средств обработки и анализа информации от темпов роста объемов информации». Количество отобранных работ по направлению «Прототипы программных систем и операционных систем с локально-асинхронными механизмами самоконтроля и парирования ошибок», имеющих отношение к тренду «Работа со сверхбольшими данными – сокращение отставания темпов роста методов и средств обработки и анализа информации от темпов роста объемов информации», составило всего 7%. Несмотря на многолетнюю историю различных технологий получения, хранения и обработки телеметрических данных (в том числе,― в аэрокосмической сфере, в вопросах информатизации процессов добычи, транспортировки и хранения углеводородов и т.п.), постоянное увеличение числа новых информационных структур приводит к появлению новых задач по развитию средств мониторинга, 255 анализа и хранения больших данных. Выявленная публикация «Система работы с распределенными архивами результатов обработки спутниковых данных центров приема НИЦ Планета» представляет огромный практический интерес для исследователей в области обработки больших данных [611]. Незначительное количество отобранных работ, относящихся к тренду «Работа со сверхбольшими данными – сокращение отставания темпов роста методов и средств обработки и анализа информации от темпов роста объемов информации», не свидетельствует о сокращении числа работ в данном направлении. Анализ состояния работ по тренду «Развитие ИКТ, направленных на обеспечение безопасности человека». Количество отобранных работ по направлению «Прототипы программных систем и операционных систем с локально-асинхронными механизмами самоконтроля и парирования ошибок», имеющих отношение к тренду «Развитие ИКТ, направленных на обеспечение безопасности человека», составило 20%. Как и для тренда «Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени», выявленные по данному направлению работы по тренду «Развитие ИКТ, направленных на обеспечение безопасности человека» также касаются развития живых систем (например, [607 и 609]). Анализ состояния работ по тренду «Сети, реализующие новые принципы организации, в том числе: когнитивные, гибридные, адаптивные». Количество отобранных работ по направлению «Прототипы программных систем и операционных систем с локально-асинхронными механизмами самоконтроля и парирования ошибок», имеющих отношение к тренду «Сети, реализующие новые принципы организации, в том числе: когнитивные, гибридные, адаптивные», составило по 13%. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) Распределение проявления выявленных трендов по годам заданного цикла проявится равномерно. При выполнении совместных работ в рамках трендов 256 «Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени» и «Развитие ИКТ, направленных на обеспечение безопасности человека» в рамках международного сотрудничества, возможна интеграция с мировыми исследовательскими лабораториями на основе создания и введения в действие достаточного количества технологических платформ. Наибольший эффект проявления тренда в России состоится: Перспективные языки и системы программирования, реализующие новые парадигмы (с 2018-2020 г.г.); Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени (с 2014-2020 г.г.); Работа со сверхбольшими данными – сокращение отставания темпов роста методов и средств обработки и анализа информации от темпов роста объемов информации (до 2015 года); Развитие ИКТ, направленных на обеспечение безопасности человека (с 20142020 г.г.); Сети, реализующие новые принципы организации, в том числе: когнитивные, гибридные, адаптивные (до 2015 года). Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Возможна интеграция с мировыми исследовательскими лабораториями на основе создания и введения в действие достаточного количества технологических платформ. Распределение проявления выявленных трендов по годам заданного цикла проявится равномерно. Наибольший эффект проявления тренда в России состоится: Перспективные языки и системы программирования, реализующие новые парадигмы (с 2025-2030 г.г.); 257 Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени (с 2020-2030 г.г.); Работа со сверхбольшими данными – сокращение отставания темпов роста методов и средств обработки и анализа информации от темпов роста объемов информации (до 2030 г.г.); Развитие ИКТ, направленных на обеспечение безопасности человека (до 2030 г.г.); Сети, реализующие новые принципы организации, в том числе: когнитивные, гибридные, адаптивные (до 2030 года). Выводы В результате проведенных исследований по состоянию и развитию направления «Прототипы программных систем и операционных систем с локальноасинхронными механизмами самоконтроля и парирования ошибок» определено соответствие трендам выявленных работ. Направления «Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени», «Перспективные языки и системы программирования, реализующие новые парадигмы» и «Развитие ИКТ, направленных на обеспечение безопасности человека», являются наиболее перспективными с настоящего времени и до 2030 года. 258 7.8.7 Исследовательские модели и прототипы автоматизированных и автоматических систем анализа программ (включая доказательство их различных свойств) и преобразования программ (включая оптимизацию по разным критериям, распараллеливание, инверсию, композицию и вывод новых программ из существующих) Введение Объем мирового рынка разработки программного обеспечения (ПО) по оценкам экспертов [621] превышает 300 млрд. долларов. В настоящее время без ПО немыслимы ни автомобили, ни самолеты, ни бытовая техника. Тестирование, верификация, валидация и спецификация ПО является предметом дискуссии научного сообщества на протяжении достаточно большого периода времени, в том числе, и на недавних конференциях (в том числе, ESEC/FSE 2013, проходившей в августе 2013 года в Санкт-Петербурге: http://esecfse.inf.ethz.ch/program.html). Основными трендами, которые можно выделить в этой отрасли являются: • Включение в используемые в промышленности объектно- ориентированные языки программирования элементов из языков программирования других парадигм, в частности, функциональных; • Все более широкое использование функциональных языков программирования. Текущее состояние технологии (2012-2013 гг.) Разработаны и применяются в некоторых особо ответственных проектах средства для верификации программного обеспечения на основе метода Model checking [622-627]. Bogor – расширяемый верификатор моделей программного обеспечения. Включает в себя системы визуализации и графический пользовательский интерфейс, разработанные для поддержки как основной, так и специализированной области (domain-specific) проверки моделей. Особенностями верификатора Bogor являются: 259 • прямая поддержка возможностей объектно-ориентированных языков, позволяющих эффективно строить распределённые и параллельные системы, такие как динамическое создание потоков и объектов, наследование, виртуальные методы, исключения, сборщик мусора и т.д.; • язык моделирования инструмента Bogor может быть расширен новыми примитивными типами, выражениями и командами, ассоциированными с предметной областью (например, мультиагентные системы, авионика, протоколы безопасности и т.д.) и может быть выбран соответствующий уровень абстракции (например, разработка модели, исходный код, байт-код и т.д.); • система открытая архитектура инструмента Bogor и хорошо организованная модулей позволяют добавлять новые алгоритмы (например, для исследования пространства состояний, хранения состояний и т.д.) и разновидности оптимизации (например, эвристические алгоритмы поиска стратегий, специфическое для предметной области назначение сроков (domain-specific scheduling) и т.д.). Они могут заменять загруженные по умолчанию алгоритмы проверки моделей инструмента Bogor; • Bogor обладает графическим интерфейсом, реализованным как плагин для интегрированной среды разработки Eclipse. Этот пользовательский интерфейс обеспечивает механизм для сборки различных конфигураций инструмента Bogor, описания коллекций свойств, а также различные варианты визуализации и навигации. Отметим, что инструмент Bogor разработан не только для получения мощного средства проверки моделей современных широкомасштабных систем, но и может служить основой для построения других специфических для предметной области верификаторов моделей. Bogor проверяет системы, описанные на исправленной версии BIR (Bandera Intermediate Representation). Предыдущая версия BIR была разработана для промежуточного языка, используемого в верификаторе Bandera для трансляции Java-программ во входной язык существующего верификатора моделей, такого как SPIN. Таким образом, эта более ранняя версия давала прямую поддержку для моделирования таких возможностей языка Java как, например, потоки и 260 ограниченную форму выделения памяти в куче. Для того чтобы облегчить конструирование трансляторов для таких верификаторов моделей, как SPIN, действия и поток управления языка BIR задаются в формате, который достаточно близок к языку PROMELA. Особенностью языка BIR, относительно языков большинства других верификаторов моделей (включая SPIN, NuSMV, SLAM, BLAST), является то, что он поддерживает неограниченное динамическое создание потоков и объектов, хранящихся в куче, с освобождением памяти сборщиком мусора. Кроме того, язык BIR обеспечивает эффективное каноническое представление кучи, которое оказывается незаменимым для эффективной проверки распределённых и параллельных программных систем. Такие системы генерируют на протяжении своей работы большое количество различных экземпляров куч, которые отличаются положениями одних и тех же объектов, но при этом имеют одинаковый их набор (такие экземпляры куч неразличимы операциями работы с памятью языка Java). В инструменте Bogor используется каноническое представление куч (было разработано для верификатора dSPIN), которое обеспечивает соответствие неразличимых куч одному состоянию. Это может позволить сильно сократить число сгенерированных состояний при верификации. CBMC – верификатор, который обеспечивает возможность ограниченной проверки моделей (Bounded Model Checker) для языков ANSI-C и C++. Он позволяет верифицировать выход за границу массива (переполнение буфера), безопасность указателей, исключения и пользовательские утверждения (user-specified assertions). Кроме того, он может проверять языки ANSI-C и C++ на совместимость с другими языками, такими как Verilog. Это реализовано с помощью развертывания циклов в программе и пересылкой результата в компонент, решающий SAT (boolean satisfiability problem). NuSMV – символьный верификатор моделей, разработанный как общий проект Formal Methods Group в подразделении Automated Reasoning System в ITCIRST, the Model Checking group в Carnegie Mellon University, the Mechanized 261 Reasoning Group в University of Genova и Mechanized Reasoning Group в University of Trento. NuSMV – ещё одна реализация и расширение верификатора SMV, первого верификатора моделей, основанного на BDD (Binary Decision Diagrams). NuSMV был разработан в качестве системы с открытой архитектурой для верификации моделей, которая может быть использована для верификации индустриальных разработок, как ядро составных верификационных инструментов и как основа для тестирования других технологий формальной верификации. NuSMV со второй версии использует компонент, реализующий метод верификации моделей, основанный на BDD, и компонент, реализующий метод верификации моделей, основанный на SAT, также включающий верификатор моделей, основанный на RBC (RBC-based Bounded Model Checker), подключённый к библиотеке SIMSAT. SPIN – это популярный инструмент с открытым кодом, используемый во многих организациях мира. Он может быть использован для формальной верификации распределённых систем. Инструмент был разработан в Bell Lab в 1980 году. Программный продукт был доступен свободно, начиная с 1991 года, и продолжал разрабатываться. Инструмент был награждён ACM престижной премией System Software Award за 2001 год. Перечислим некоторые возможности, которые выделяют SPIN среди других верификаторов. • Целью инструмента SPIN является эффективная верификация программного, а не аппаратного обеспечения. Он поддерживает высокоуровневый язык, с помощью которого можно специфицировать описание системы, названный PROMELA (a PROcess MEta LAnguage). SPIN используется для отслеживания ошибок логического дизайна в операционных системах, протоколах обмена данными, системах переключателей, параллельных и распределённых алгоритмах, протоколах логическую железнодорожной связность сигнализации спецификации. 262 и Он т.д. Инструмент сообщает о проверяет дедлоках, неспецифицированных приёмах, флагах незавершённости, состоянии гонки (race conditions) и негарантированных допущениях об относительной скорости процессов. • SPIN (начиная с четвёртой версии) обеспечивает прямую поддержку для использования языка С как части спецификации модели. Это делает возможным проведение прямой верификации уровня реализации спецификации программного обеспечения, используя SPIN как драйвер и логический инструмент для верификации высокоуровневых темпоральных свойств. • SPIN работает на лету. Поэтому нет необходимости в предварительном построении графа глобальных состояний или структуры Крипке. • SPIN может быть использован - как полная система LTL-проверки модели, поддерживающая все требования, выразимые в темпоральной логике линейного времени. Он может быть также эффективно использован как инструмент, верифицирующий на лету большое число постоянных и «живущих» свойств (safety and liveness properties). Многие из этих свойств могут быть выражены и верифицированы без использования LTL. • Свойства корректности могут быть описаны как инварианты системы или процесса (используются утверждения (assertions)), LTL-требования, автоматы Бюхи или более широко, как главные омега-регулярные свойства (general omegaregular properties) в синтаксисе «never claims». • Инструмент поддерживает динамические рост и уменьшение количества процессов, используя технику эластичных векторов состояний (rubber state vector technique). • Инструмент поддерживает организованный (rendezvous) и буферизированный обмен сообщениями, а также общение через разделяемую память. Поддерживаются также смешанные системы, использующие синхронный и асинхронный способ коммуникации. Идентификаторы канала обмена сообщениями могут быть посланы от одного процесса другому в сообщениях при любом способе организации обмена сообщениями. • Инструмент поддерживает случайную, интерактивную и управляемую симуляцию для полной и частичной техники доказательств, основанной на поиске в 263 глубину или в ширину. Инструмент был специально спроектирован с целью обеспечения хорошей масштабируемости и возможности обеспечения эффективности даже для задач достаточно большого объёма. • Для оптимизации верификации SPIN использует эффективную технику сокращения частичного порядка (partial order reduction) и (опционально) BDDсхожие техники хранения (BDD-like storage techniques). • Для верификации дизайна формальная модель строится, используя язык PROMELA. PROMELA – это недетерминированный язык, не жёстко основанный на нотации командного языка Дейкстры и CSP-языке Хоара для ввода/вывода. SPIN может быть использован в трёх базовых режимах: • как симулятор, позволяющий переводить быстрое прототипирование со случайными, управляемыми или интерактивными симуляциями; • как полный верификатор, предназначенный для точного доказательства валидности пользовательской спецификации требований корректности (используя теорию сокращения частичного порядка для оптимизации поиска); • как система приближённого доказательства валидности даже очень больших моделей систем с максимальным покрытием пространства состояний. Программный продукт SPIN полностью написан на языке ANSI-C и может быть портирован на все версии Unix, Linux, cygwin, Plan9, Inferno, Solaris, Mac, и Windows. В современных объектно-ориентированных языках программирования появляется все больше элементов из функциональных языков программирования. Так, например, лямбда-выражения уже реализованы в языке программирования C# [628] и планируются к реализации в ближайшей версии Java [629]. В настоящее время уже существуют экспериментальные образцы языков программирования, в которых программы обладают свойством корректности по построению. К числу таких языков программирования можно отнести, в частности, Coq [621] и Agda [631]. 264 Тенденции развития на краткосрочную перспективу (2014-2020 гг.) В краткосрочной перспективе можно спрогнозировать следующие основные тренды развития рассматриваемых технологий. 1) Методы верификации для больших систем. В настоящее время верификация применима только для относительно небольших по размеру программных систем. Это связано с тем, что алгоритмы верификации имеют большую трудоемкость по времени и по памяти. Будут разработаны более быстрые алгоритмы, основанные либо на совместном применении верификации и методов поисковой инженерии программного обеспечения, либо на приближенном (но достаточно точном) решении задачи верификации. 2) Большее проникновение функциональных языков программирования в индустрию. Все большее число элементов из функциональных языков программирования будут внедряться в широко используемые в индустрии языки программирования, более того, функциональные языки программирования, а также языки, основанные на других парадигмах программирования, будут самостоятельно использоваться в индустрии. Примеры этого можно видеть уже в настоящее время чат Facebook написан на языке программирования Erlang [632]. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) Характер и скорость изменений в технологиях разработки программного обеспечения за период с начала 2000-х годов показывают бурное развитие данного направления. Поэтому прогнозирование на краткосрочную перспективу возможно, в то время как на долгосрочную - является более затруднительным. В долгосрочной перспективе представляется возможным реализация следующего тренда: 1) Внедрение верификации в практику разработки не только ответственных систем, но и других классов систем. За счет реализации разработанных алгоритмов верификации программ в виде удобных программных средств существенно снизится «барьер входа» в использование верификации. Это позволит применять верификацию не только для ответственных систем, но и в повседневной практике разработки программного обеспечения. 265 Выводы Перспективы России в рассматриваемых областях выглядят достаточно оптимистично. Один из ведущих мировых разработчиков интегрированных средств разработки программного обеспечения – российская компания JetBrains, главный офис которой находится в Санкт-Петербурге. В России существует ряд научноисследовательских центров, ведущих разработки в области алгоритмов поисковой оптимизации и искусственного интеллекта, а также в области верификации программного обеспечения. Стоит также отметить, что в августе 2013 года в СанктПетербурге впервые в России прошла международная конференция по поисковой инженерии программного обеспечения Symposium on Search-Based Software Engineering (http://ssbse.org/2013/). Приоритетными направлением финансирования исследований в рассматриваемых областях должны являться методы верификации ПО и применение искусственного интеллекта в задачах программной инженерии. В рамках исследований должны обязательно создаваться прототипы программных средств, реализующих разработанные алгоритмы и подходы. Другой составляющей успешного развития направления, основанного на разработке и создании программного обеспечения, является постановка конкретных задач и применение полученных результатов в отрасли разработки ПО. Внедрению результатов в практику должно помочь сотрудничество исследовательских центров с ведущими компаниями в соответствующей области, например, с JetBrains. Прогноз эффекта от НИОКР зависит от степени успеха процесса встраивания разработок (в том числе программных продуктов) в технологические цепочки компаний лидеров в данной области. Достигнутые в настоящее время научные и практические результаты позволяют заложить основу для успешной работы на период 2014-2020 годов по указанным направлениям. Однако для реализации имеющегося потенциала необходим тесный диалог научных сообществ по направлениям «Программная инженерия» и «Искусственный интеллект», который в настоящее время не 266 осуществляется. Для его осуществления рекомендуется проведение серии совместных конференций или семинаров. Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные исследования уже в настоящее время из-за специфики фундаментальных исследований и необходимого временного периода для создания технологий на основе научных достижений. 267 7.8.8 Исследовательские модели и прототипы программных систем машинного обучения, основанных на новых методах и алгоритмах, в том числе обработки сверхбольших и разрозненных источников информации Введение Алгоритмы машинного обучения можно подразделить на четыре основные группы: алгоритмы регрессии, алгоритмы классификации, алгоритмы кластеризации и рекомендательные системы. Первые две группы относятся к методам обучения «с учителем», третья и четвертая – к методам обучения «с учителем». Общую задачу машинного обучения можно сформулировать следующим образом [633]. Имеется множество объектов (ситуаций) и множество возможных ответов (откликов, реакций). Существует некоторая зависимость между ответами и объектами, но она неизвестна. Известна только конечная совокупность прецедентов — пар «объект, ответ», называемая обучающей выборкой. На основе этих данных требуется восстановить зависимость, то есть построить алгоритм, способный для любого объекта выдать достаточно точный ответ. Восстановлением этой зависимости занимается обучающий алгоритм, являющийся неотъемлемой частью любого метода машинного обучения. Для измерения точности ответов определенным образом вводится функционал качества. В зависимость от того, строит ли обучающий алгоритм математическую модель (например, в виде многочлена) на основе обучающей выборки или не строит, методы машинного обучения могут быть разделены: на основанные на модели и основанные на данных. Примером метода, основанного на модели, является линейная регрессия [634], а метода, основанного на данных, - метод «k ближайших соседей» [635]. Методы машинного обучения находят свое применение как в промышленности, так и в науке в таких областях, как распознавание речи, распознавание жестов, распознавание рукописного ввода, распознавание образов, техническая диагностика, медицинская диагностика, прогнозирование временных рядов, биоинформатика, обнаружение мошенничества, обнаружение спама, категоризация документов, биржевой технический анализ, предсказание ухода 268 клиентов, хемоинформатика, ранжирование в информационном поиске. Наиболее активно методы машинного обучения применяются интернет-компаниями, как, например, Google, Yandex, Mail.ru Group, Amazon.com, eBay и т.д. Основными трендами, которые можно выделить в этой отрасли являются: • Создание систем для хранения разнородных неструктурированных данных. • Разработка алгоритмов и моделей для обработки разнородных данных, полученных из разных источников. • Разработка алгоритмов машинного обучения, способных обрабатывать данные в реальном времени. • Разработка «облачных» алгоритмов машинного обучения. Текущее состояние технологии (2012-2013 гг.) В настоящее время методы машинного обучения и обработки сверхбольших объемов информации активно применяются в различных областях науки и техники. По оценкам социолога Мартина Гильберта, объем накопленной человечеством информации в 2007 году достигал 300 эксабайт (1 эксабайт = 1 000 000 000 гигабайт). За пять лет с 2007 по 2012 год этот показатель увеличился почти вчетверо. Ожидается, что в 2013 году он дорастет до 1 200 эксабайт. Основные источники этой информации – это камеры, датчики и всевозможные программы для сбора информации, начиная со счетчиков Google Analytics, стоящих почти на каждой странице в интернете, и заканчивая специализированным корпоративным программным обеспечением. Человечество перестало избавляться от информации, даже если она не нужна. Например, Twitter хранит все твиты с 2006 года, хотя новые прибывают со скоростью 400 миллионов штук в сутки. Методы машинного обучения и обработки сверхбольших объемов данных позволяют рассматривать огромные массивы бесполезной на первый взгляд информации - как сырье для переработки в нечто новое. Рассмотрим, например, машинный переводчик Google Translate [636]. На стадии обучения он обрабатывает сотни миллионов текстов. Совершенно не важно, 269 что именно написано в переводных книгах, на многоязычных сайтах и в документах международных организаций, которые анализирует программа. Все они – лишь исходный материал для генерации статистических моделей, необходимых переводчику. Интересно, что в Google Translate не заложены правила языков. При обучении система вычисляет вероятности возможных сочетаний и соответствий фраз. Чтобы перевести текст с одного языка на другой, ей остается подобрать самые вероятные соответствия и расставить их в статистически правдоподобном порядке. Это особенность характерна не только для машинного переводчика Google. Колоссальные потоки информации заведомо выходят за рамки нашего понимания. Чтобы справиться с ними, необходимы методы, которые не имеют ничего общего с тем, к чему мы привыкли. Разумеется, и получаемые результаты порой противоречат здравому смыслу — но тем и ценны. Экономист Виктор Мейер-Шенбергер и журналист Кеннет Кукье, авторы книги «Big Data: A Revolution That Will Transform How We Live, Work, and Think», пишут [637]: «Эпоха больших данных ставит под сомнение то, как мы живем и взаимодействуем с миром. Самое значительное изменение заключается в том, что людям потребуется частично отказаться от поиска причин и довольствоваться простыми корреляциями: знать лишь «что», но не «почему». Американский стартап ZestFinance [638] занимается предоставлением краткосрочных кредитов. Его специализация – малообеспеченные люди с плохой кредитной историей, которым отказали все остальные. В отличие от конкурентов, которые оценивают риск, руководствуясь несколькими простыми и очевидными признаками, в ZestCash принимают во внимание тысячи факторов. Влияние многих факторов на результат трудно объяснить, но данные свидетельствуют, что оно есть. В числе первых ценность технологий машинного обучения и обработки сверхбольших объемов данных осознали интернет-компании. На первых порах одним из главных конкурентных преимуществ интернет-магазина Amazon была сложная система, которая внимательно 270 следила за поведением каждого пользователя на сайте, а затем предлагала товары, которые покупают другие посетители, ведущие себя примерно так же. Оказалось, что этот метод точнее всего предсказывает предпочтения людей. К 2006 году каждая третья покупка, совершаемая на Amazon, происходила по рекомендации, которую подобрала автоматическая система анализа поведения пользователей. Офлайновые торговые сети постепенно втягиваются в ту же гонку. Британская сеть магазинов Tesco, занимающая в мире второе место по величине, ежемесячно собирает 1,5 миллиарда фактов о своих покупателях и использует их для того, чтобы регулировать цены и точнее подбирать адресную рекламу. Крупнейший американский видеосервис Netflix считает свое будущее в значительной степени зависящим от того, понравятся ли пользователям фильмы и сериалы, попавшие на первый экран интерфейса. И тут снова все упирается в данные. Анализируя терабайты данных, в которые вливается каждый клик, каждый просмотр, каждый повтор и каждый отказ, списки открытых страниц и многое другое, мы можем для каждого формировать особый домашний экран, заполненный тем контентом, который с наибольшей вероятностью удовлетворит именно этого пользователя. Даже снимая собственные сериалы, Netflix руководствуется данными. Прежде чем потратить десятки миллионов долларов, компания просчитывает интерес своих зрителей к различным жанрам, актерам и сюжетам. Количество накопленных данных о предпочтениях аудитории позволяет делать это с поразительной точностью. Джозеф Холлерстейн из университета Калифорнии в Беркли полагает, что мир стоит на пороге «промышленной революции данных». Это, возможно, некоторое преувеличение, но взрыв данных и попытки его обуздать действительно меняют очень многое — начиная с техники и заканчивая бизнесом и наукой. Они заслуживают куда больше внимания. Тенденции развития на краткосрочную перспективу (2014-2020 гг.) 271 В краткосрочной перспективе ожидается распространение области применения алгоритмов машинного обучения, которая в настоящее время, в основном, представлена интернетом, на другие области, в частности, банковскую сферу, нефтедобычу, телекоммуникации, транспорт. Будут активно развиваться методы машинного обучения для анализа данных межмашинного взаимодействия. Методы Big Data все чаще применяют в торговле и на производстве, в здравоохранении и в нефтедобыче, в телекоме и в финансах, в рекламе и на транспорте. В частности, по данным опроса [639] представителей крупнейших компаний мира, проведенного аналитиками Gartner, 42% респондентов заявили, что уже инвестируют в технологии машинного обучения и обработки сверхбольших объемов данных или планируют сделать это в течение ближайшего года. По оценке компании Oracle [640], общее количество «умных машин» к 2020 году достигнет 50 миллиардов. За следующие пять лет рынок аналитических средств, предназначенных для работы с технологиями межмашинного взаимодействия, вырастет в семь с половиной раз и достигнет объема, равного $14,3 млрд. Такую оценку дает фирма ABI Research [641]. «Физические объекты, которые в прошлом были совершенно “непрозрачными”, станут частью вселенной цифровых данных», - говорит ведущий аналитик ABI Research Аапо Марконен. Это значит, что их можно будет изучать, оценивать и оптимизировать с помощью тех же методов, которые сейчас успешно применяют для автоматического выявления мошеннических транзакций, предсказания спроса или улучшения показателей сайтов. Тенденции развития на долгосрочную перспективу (2020-2030 гг.) В долгосрочной перспективе развитие методов машинного обучения и обработки «больших данных» определяется развитием технологии экзафлопсных вычислений и соответствующих технологий программирования. На настоящий момент существуют следующие технологии программирования для высокопроизводительных вычислительных систем: Message Passing Interface (MPI) [642], OpenMP [643], CUDA [644], ParalleX [645], MapReduce [646]. В результате анализа этих технологий были сделаны следующие выводы: 272 • MPI и OpenMP считаются неперспективными для вычислительных систем экзафлопсного уровня производительности [647]; • ParalleX разработан для задач, ориентированных на вычисления (computation intensive); • технология CUDA является перспективной для разработки вычислительных систем экзафлопсного уровня производительности, но, скорее всего, на основе этой технологии не получится построить системы обработки больших данных; • для задач, ориентированных на данные, ряд исследователей сходятся во мнении, что даже для систем экзафлопсного уровня производительности MapReduce является перспективной парадигмой [648, 649]. Более точные долгосрочные прогнозы развития технологий машинного обучения и обработки больших данных в настоящее время привести затруднительно, так как развитие этих технологий происходит в высоком темпе, и задачи, которые будут решаться в долгосрочной перспективе, зависят от задач, которые будут решены в среднесрочной. Выводы Позиции России по рассматриваемому направлению выглядят достаточно неплохо. Две крупнейшие интернет-компании Европы, Mail.ru Group и Yandex, расположены в России. В России существует хорошая математическая школа и школа программирования, На настоящее время приоритетным направлением финансирования деятельности в области машинного обучения и больших данных является разработка алгоритмов и методов машинного обучения для анализа данных, получаемых в интернете. Софинансировать такие исследования могут указанные выше российские интернет-компании. Таким образом, важной составляющей успешного развития этого направления, является постановка конкретных задач и применение полученных результатов в различных отраслях, прежде всего в интернете. 273 В связи со спецификой области, эффект от НИОКР следует ожидать через 2-3 года после начала исследований, так как результаты исследований могут быть достаточно быстро внедрены в практику работы в индустрии. Для получения научных и прикладных результатов мирового уровня в прогнозном периоде необходимо осуществлять инвестиции в фундаментальные исследования уже в настоящее время из-за специфики фундаментальных исследований и необходимого временного периода для создания технологий на основе научных достижений. 274 7.9 Технологии информационных систем Введение Информационные системы представляют собой совокупность содержащейся в базах данных информации и обеспечивающих её обработку информационных технологий и технических средств. В настоящее время информационные системы нашли широкое применение в различных секторах экономики. В частности, выделяются информационные системы предприятий, представляющие собой единые системы, которые являются центральными для предприятия и обеспечивают хранение информации, которая разделяется всеми функциональными областями. Помимо производственного сектора экономики, широкое и перспективное применение информационные системы находят в транспорте, медицине, муниципальном и государственном управлении. Текущее состояние технологии (2012-2013 гг.) В последнее десятилетие информационные системы предприятий (ИСП) стали использоваться как средство интеграции и расширения бизнес-процессов за границы бизнес-функций как на внутриорганизационном, так и межорганизационном уровнях. ИСП предоставляет информационно-техническую платформу, позволяющую промышленным предприятиям интегрировать и координировать их бизнес-процессы, что является революционным продвижением в продолжительной эволюции применения компьютерных приложений в бизнесе и промышленности. Все большее число предприятий используют системы планирования ресурсов предприятия (ERP, Enterprise Resource Planning) для ведения бизнеса вместо использования специализированных информационных систем, которые ранее использовались для частичной функциональной интеграции. Ведение операций на глобальном уровне вынудило такие крупные компании как Dell и Microsoft внедрить ERP для поддержания глобальных сетей поставок. В настоящее время внедряют ИСП не только крупные, но и средние и малые предприятия. Таким образом, рынок ERP-систем является одним из самых быстро растущих и прибыльных секторов в 275 области разработки программного обеспечения. Основными игроками на рынке являются такие компании, как SAP, Oracle, Microsoft [662]. В России в этой отрасли также большую долю занимает компания 1С [659]. В последние несколько лет в связи с удешевлением дискового пространства и появлением облачных технологий хранения данных все большую популярность приобретают технологии, объединенные под общим названием big data (большие данные), а именно: сверхбольших и распределенные информационные слабоструктурированных данных, системы, обработка извлечение полезной информации. Крупные международные компании как IBM, Intel, Amazon, McDonalds используют аналитику больших данных в своем бизнесе, что позволяет им оптимизировать и стандартизировать свои производственные процессы [657]. В других областях, например, в предсказании и анализе чрезвычайных ситуаций (когда имеет место неопределенность и неполнота информации), также находят свое применение адаптивные распределенные информационные системы. Так, определенных успехов добились российские ученые, предложившие концепцию информационно-аналитической системы для принятия решений на основе сети распределенных ситуационных центров [663]. Широкое применение информационные системы находят в медицине, помогая при этом в решении следующих задач [651, 654, 667]: повышение качества предоставляемых медицинских услуг с применением методов интеллектуального анализа данных; выявление новых знаний о болезнях и разработка планов лечения; повышение скорости проведения клинических испытаний и оценку эффективности уже применяемых лекарственных средств с использованием распределенных информационных систем; подача тревожных сигналов и напоминаний; ассистирование в процессе диагностики и лечения. Еще одно перспективное направление в развитии информационных систем для транспорта, в частности, предоставление 276 пассажирам информации о местоположении общественного транспорта в реальном времени, в том числе, с применением средств мобильной связи [656]. Отмечается положительный эффект на пассажиропоток (увеличение пассажиропотока, равномерности загрузки транспорта) от внедрения таких систем [660]. Развиваются системы для провинциального пассажирского транспорта, значительно повышающие качество оказания пассажирских услуг в регионах [652, 658]. Отмечается повышение роли информационных систем в муниципальном и государственном управлении, развивается электронное правительство [661]. Так, в России точкой отсчета можно считать принятие государственной программы Российской Федерации «Информационное общество (2011-2020 годы)». После внедрения Портала государственных услуг Российской Федерации [668] значительно повысилась эффективность работы органов государственной власти по оказанию услуг населению. Внедрена информационная системы межведомственного взаимодействия, ожидается создание единого общероссийского ресурса, в котором будет находиться вся информация в сфере ЖКХ. Система будет создаваться в тесном взаимодействии с Министерством регионального развития РФ, которое должно сформировать требования к аналитической составляющий ГИС ЖКХ [666]. В то же время, ведутся теоретические разработки в области мониторинга и эффективности таких систем [665]. По результатам 2012 года Россия находится на 27-й позиции в общемировом рейтинге электронного правительства, публикуемого ООН (в первой тройке находятся Южная Корея, Великобритания и Дания) [661]. Тенденции развития на краткосрочную перспективу (2014 – 2020 гг.) В настоящее время наблюдаются следующие тенденции в области развития ИСП: изменение роли ИСП с переходом от автоматизации внутренних бизнеспроцессов компании к автоматизации 277 внешних, а также моделирование взаимоотношений между контрагентами (клиентами, поставщиками, банками, налоговыми службами и т.д.); движение технологий к открытости и прозрачности, как самих бизнес- процессов, так и данных о деятельности предприятия. Широко используются вебтехнологии; изменение архитектуры систем: переход от закрытых платформ к многоуровневым приложениям, основанным на принципах сервис-ориентированной архитектуры; расширение границ применения информационных систем, масштабируемость систем для предприятий разного вида деятельности и размеров; углубление функционала информационных систем; повышение интеллектуальности и предсказательных способностей информационных систем. Ожидается появление информационных систем с функциями моделирования бизнес-процессов и управления ими на основе бизнес-артефактов, когда данные и процессы моделируются по схожим принципам [6]. Ожидается дальнейшее развитие сектора облачных вычислений и распределенных систем, повышение интеллектуальности информационных систем, в том числе за счет методов нечеткой логики, машинного обучения, ассоциативных и когнитивных сетей. В области ERP-систем управления ожидается дальнейшая интеграция внутренних и внешних бизнес-процессов в рамках одной информационной системы, при этом вероятно использование распределенных ресурсных сетей (гридов). Так, была предложена новая архитектура, основанная на грид-сетях, под названием GridERP, позволяющая эффективно решать проблему неэффективного распределения ресурсов и взаимодействия между предприятиями [13]. Среди новых тенденций также следует отметить увеличение интеграции производства и информационных сетей, внедрение радиочастотной идентификации (RFID) и появление глобальных сетей для взаимодействия различных устройств (так называемый Internet of Things, Интернет вещей). 278 Поскольку для промышленных организаций отдельное предприятие может быть составной частью большего, то ожидается появление информационных систем, которые позволят корректно отразить иерархическую структуру произвольного предприятия, а также сред, позволяющих интегрировать различное программное обеспечение, используемое на предприятии, в том числе, с применением вебтехнологий. Дальнейшее развитие получат и сервис-ориентированные архитектуры, которые позволяют разбить бизнес-приложения и процессы на отдельные сервисы и затем агрегировать их в новые бизнес-приложения и процессы. Каждый из таких сервисов может быть декомпозирован, переструктурирован и повторно использован для создания нового приложения. В области информационных медицинских систем перспективными являются следующие направления развития [650, 664]: переход от бумажного документа оборота и хранения к компьютерному, увеличение объема хранимых данных; переход от локальных (лабораторных и клинических) информационных систем к глобальным (уровня региона и страны); включение пациентов в качестве пользователей информационных систем; использование данных, хранимых в информационной системе не только для лечения пациента и административных целей но и для планирования медицинского обслуживания, а также клинических и эпидемиологических исследований; переход от число-буквенных хранимых данных к изображениям, а также данным молекулярного уровня; комплексная компьютеризация медицинских учреждений, начиная от повсеместного внедрения компьютеров (в том числе, портативных) и датчиков для отслеживания состояния пациентов; 279 внедрение распределенных информационных систем и систем дистанционного предоставления медицинских услуг и телемедицины; развитие средств обеспечения конфиденциальности и защиты данных пациентов в информационных системах; повышение интеллектуальности информационных систем, применение методов машинного обучения и интеллектуального анализа данных. Несмотря на успешное внедрение транспортных информационных систем (по состоянию на 2013 г.), возможно дальнейшее их развитие в части повышения доступности для пользователей (через мобильные приложения), предсказательных способностей, интеграции с другими информационными системами. В области электронного правительства перспективными направлениями для развития выглядят следующие [661]: увеличение степени присутствия правительств стран в сети Интернет; увеличение числа предоставляемых населению услуг; разработка и внедрение перспективных планов развития сектора электронного правительства; повышение интеграции различных ведомств посредством информационных систем; внедрение мобильных сервисов, терминалов, облачных вычислений, краудсорсинга и других инноваций. Тенденции развития на долгосрочную перспективу (2020 – 2030 гг.) Рынок разработки и внедрения информационных систем является относительно инерционным, поэтому в долгосрочной перспективе ожидается замена существующих информационных систем новыми, реализующими тенденции, изложенными выше. Также можно предположить отказ организаций от выделения собственных вычислительных ресурсов в пользу перевода вычислений на аутсорсинг (облачные вычисления), поскольку с увеличением ресурсоемкости информационных систем 280 создание и поддержка собственной вычислительной базы может оказаться нецелесообразной. В связи с накоплением большого объема данных в информационных системах острой проблемой будет являться их резервирование, перенос во вновь внедряемые информационные системы (наследование), анализ данных. Поскольку вычислительные мощности возрастают с каждым годом, станет доступно массовое внедрение технологий для интеллектуального анализа данных, моделирования процессов, поддержки принятия решений в информационных системах. Также вероятно появление платформ для ориентированных информационных систем, создания позволяющих предметно- разрабатывать информационные системы самим пользователям. В целом, точный прогноз на долгосрочную перспективу в области информационных систем представляется проблематичным в виду большого числа факторов, влияющих на развитие информационных систем, в частности: зависимость от предметной области, в которой функционирует информационная система; зависимость от вычислительной инфраструктуры. Выводы Поскольку рынок информационных систем в настоящее время востребован и испытывает рост, у России есть перспективы экономического роста при развитии следующих направлений информационных систем: разработка новых сервис-ориентированных архитектур информационных систем; создание кластеров, предоставляющих услуги облачных вычислений и хранения данных; разработка информационных систем моделирования транспортной обстановки и способов ее интеграции с существующими транспортными системами; разработка распределенных медицинских информационных систем, в частности, систем телемедицины и диагностики; разработка гибких, предметно-независимых архитектур информационных систем, поддерживающих автоматизацию 281 и моделирование определяемых пользователем бизнес-процессов, с возможностью интеллектуальной поддержки управленческих решений; разработка механизмов и сред интеграции информационных систем различных уровней при сохранении конфиденциальности и безопасности данных; разработка способов включения в качестве участников информационных систем пользователей мобильных платформ, а также интеллектуальных датчиков и другого периферийного оборудования. 282 7.10 Технологии управляющих систем Введение Управляющие системы представляют собой средство для управления или регулирования некоего реального, либо виртуального объекта. В настоящее время такие системы находят свое применение в различных отраслях экономической деятельности: производстве продукции, транспорте, энергетике и т.д. При этом объектом управления может выступать как отдельное оборудование, так и предприятие в целом. Развитие технологий построения масштабных и сложных систем, удешевление вычислений и каналов данных привело к значительному усложнению как объектов управления, так и управляющих систем. При этом возникшие задачи управления, как правило, нельзя свести к решению традиционными методами ввиду таких их особенностей как большое число измерений, динамическое изменение структуры, неопределенность и сложно предсказуемые задержки. Текущее состояние технологии (2012-2013 гг.) Основные наблюдаемые в последнее десятилетие изменения в направлении исследований по управляющим системам заключаются в явном учете взаимосвязей между управляемыми объектами, а также в повышенном внимании к распределенным системам управления. Исследовательскими группами из США (University of Michigan, Queen’s University) были предложены новые методологии, позволяющие включать особенности взаимосвязей между подсистемами, местными управляющими элементами и контуром обратной связи, а также учитывать задержки (в том числе, переменные) и неопределенность [670]. Был представлен новый класс систем управления – сетевые системы управления, в которых канал связи, используемый для обмена данными с регулятором, является общим для нескольких узлов, в том числе, находящихся вне системы управления [677]. В настоящее время выделяются следующие два направления исследований сетевых систем управления [671, 682]: 283 контроль сети: изучение технологий коммуникаций и сетей для реализации сетевых систем управления, работающих в реальном времени, в частности, технологий маршрутизации, сокращение заторов, эффективная передача данных, сетевые протоколы, сопряжение сетей с различными средами, динамическое выделение ресурсов и т.д.; контроль над сетью: стратегии управления и архитектура систем управления для минимизации влияния нежелательных параметров сети на производительность сетевой системы управления, в частности, задержек сети, потерь и искажения данных; также сюда можно отнести специфические способы оценки качества управления. В области развития сетевых технологий в системах управления наблюдается повышение пропускной способности сетевой инфраструктуры управляющей системы (переход от Fast Ethernet к Gigabit Ethernet), появление новых, основанных на XML протоколов CAN-сетей (controller–area network – сети, предназначенных для объединения различных исполнительных устройств), внедрение беспроводных сетей и датчиков (на основе Wi-Fi, Bluetooth, 3G) [674]. Во многих реальных приложениях сетевых систем управления в случае, если время задержки управляющего сигнала превысит некоторое пороговое значение, это может повлечь за собой материальный ущерб. Таким образом, возникают специфичные для сетевых систем управления задачи: выделение пропускной способности канала связи, планирование доступа к ресурсам и обеспечение безопасности [685]. В связи с этим широко проводится как моделирование и анализ сетевых задержек, так и поиск способов компенсации задержки, при этом развитие получили: теория возмущений нелинейных систем, устойчивый событийноориентированный контроль, диспетчеризация по принципу пропорциональности числу обращений, многоагентное моделирование, моделирование на основе сетей Петри и эвристический поиск. Однако отмечается, что внедрение этих техник в эксплуатируемые в настоящее время системы управления может повлечь за собой большие временные и ресурсные затраты [677]. 284 В последнее десятилетие ведутся активные исследования в области адаптирующихся и интеллектуальных систем управления – это агентно- ориентированные системы управления [675–676, 680, 684] и интеллектуальные системы управления, реализующие методы машинного обучения [679, 688]. Многоагентные системы появились как - развитие концепции распределенного искусственного интеллекта и характеризуются децентрализацией и параллельным исполнением интеллектуальными функций сущностями, автономно называемыми действующими агентами. В области автоматического управления агенты могут представлять физические ресурсы, такие как промышленное оборудование, роботов, самоходные транспортные средства, продукцию, а также информационные и логические объекты, такие как планы, расписания, приказы [680]. Активно развиваются исследования самоорганизации многоагентных систем. Механизмы самоорганизации классифицируются следующим образом [675–676]: механизмы, основанные на прямых взаимодействиях агентов. В этих механизмах локальные взаимодействия осуществляются непосредственно между агентами; механизмы, основанные на косвенных взаимодействиях агентов организации. В этом случае каждый автономный агент воздействует на внешнюю среду, изменяя ее, а другие агенты воспринимают эти изменения и на этой основе модифицируют свое поведение в соответствии с некоторыми правилами. Указанные механизмы самоорганизации, в свою очередь, могут реализовываться при помощи одного из следующих механизмов (алгоритмов) [675, 679]: механизмы, основанные на обучении с подкреплением; механизмы, основанные на кооперации; механизмы, основанные на использовании градиентных полей; рыночные механизмы самоорганизации; механизмы, использующие модель холонических систем. 285 Многоагентные системы нашли свое практическое применение в системе внутрицехового планирования SmartFactory – мультиагентной системы внутрицехового планирования, которая позволяет гибко изменять план в случае возникновения различных событий, а также позволяет использовать различные стратегии планирования. Ожидается, что внедрение системы позволит повысить эффективность работы производства на 15–20% [684]. Интеллектуальные системы, реализующие принципы машинного обучения были реализованы, например, в контроллере роботизированной человеческой руки [679] и тактического уровня системы управления беспилотными транспортными средствами [688]. Новым направлением в технологии управляющих систем стало появление распределенных ресурсных инфраструктур (или грид-сетей), наиболее перспективным способом использования которых является их применение в энергетике. Ведутся исследования программного обеспечения таких инфраструктур [685–686], повышения их интеллектуальности для распределенного производства и активного управления распределением продукции (энергии), автоматизированного считывания при управлении сетью и мониторинге качества мощности, частотноориентированного контроля нагрузки [678]. В кампусе университета University of Southern California (США) был проведен проект Los Angeles Smart Grid Demonstration Project по демонстрации возможностей интеллектуальной распределенной энергетической сети. Программная архитектура сети включает в себя репозиторий семантической информации, который объединяет различные источники данных, предназначенных для оптимизации отклика энергетической сети, предсказания потребностей потребителей с использованием моделей машинного обучения и обнаружения возможностей по снижению нагрузки путем подбора соответствующих шаблонов событий [681]. В России также ведутся работы по созданию интеллектуальных ресурсных сетей. Так, в 2012 г. была предложена концепция развития интеллектуальной электроэнергетической системы России с активно-адаптивной сетью, разработанная по заказу ОАО «ФСК ЕЭС» и 286 ОАО «НТЦ электроэнергетики», с привлечением ряда отраслевых и академических институтов [687]. Тенденции развития на краткосрочную перспективу(2014 – 2020 гг.) В краткосрочной перспективе ожидается рост потребности в гибких, интеллектуальных, распределенных системах управления, которые будут способны адаптироваться к изменяющимся внешним условиям. Таким образом, перспективным является продолжение развития холонических и агентно-ориентированных подходов, разработка перестраиваемых систем, способных интегрироваться с производственным оборудованием и обрабатывать ситуации, которые не были предусмотрены на этапе проектирования. Самоорганизация и неочевидное (на этапе проектирования) поведение станут ключевыми элементами систем управления нового поколения. При этом должны быть разработаны способы динамической эволюционной перестройки управляющей системы, в том числе, отдельных ее компонентов, с использованием алгоритмов машинного обучения [676]. Помимо этого должны быть разработаны принципы взаимодействия управляющей системы с пользователем, позволяющие отслеживать динамику перестройки системы, в интерактивном режиме моделировать последствия внесения изменений в конфигурацию управляющей системы, а также вносить эти изменения в реальном времени. Перспективным направлением является интеграция перестраиваемых агентноориентированных систем и распределенных ресурсных сетей, веб-ориентированных технологий, сервис-ориентированных архитектур. Проблемной областью для многоагентных систем является взаимодействие в неоднородном окружении. В связи с этим необходима разработка баз знаний взаимодействия и способов их использования в агентно-ориентированных промышленных системах по аналогии с Semantic Web («Семантическая паутина»). Указанная технология представляет собой развитие идей Всемирной паутины, целью которой является предоставление общего набора инструментов для различного программного обеспечения, которое позволит ему обмениваться, 287 использовать и обрабатывать данные во всемирной сети схожим образом, даже если это программное обеспечение разрабатывалось независимо друг от друга. Поскольку системы производства являются динамическими, нелинейными и часто работают в слабо предсказуемом окружении, они подвержены неожиданным возмущениям, которые приводят к отклонениям от первоначальных планов и обычно снижают производительность систем. Поэтому, обработка и предсказание таких возмущений является обязательным требованием к новым интеллектуальным системам управления производством, что позволит уйти от традиционного подхода «сбой и восстановление» к более продуктивному «предсказание и предотвращение». Ожидается дальнейшая интеграция управляющих систем и различных инфраструктур, в частности, развитие концепции «умных домов». Такие системы должны обеспечивать сбор данных, принятие решений и отработку управляющих воздействий, в том числе, управление энергообеспечением с учетом прогнозирования потребностей [665]. В настоящий момент есть все основания полагать, что к 2020 году можно ожидать появление коммерческих систем беспилотного управления наземным и воздушным транспортом [685]. В области распределенных ресурсных сетей недостаточное внимание уделяется вопросам безопасности сети. Должны быть проведены теоретические исследования, в которых будут развиты способы обеспечения таких составляющих безопасности интеллектуальной ресурсной сети, как конфиденциальность, целостность, аутентичность, доступность, контроль доступа, апеллируемость [672– 673]. Внедрение теоретических разработок управляющих систем новых поколений будет происходить экстенсивно ввиду больших материальных и временных затрат на освоение данных технологий и недоверия к ним со стороны управляющего звена предприятий. В связи с этим необходимо развитие способов использования существующих инфраструктур во вновь внедряемых управляющих системах, а также проведение пилотных проектов по внедрению интеллектуальных управляющих систем на отдельно взятом оборудовании и производстве. 288 Тенденции развития на долгосрочную перспективу(2020 – 2030 гг.) Внедрение новых интеллектуальных распределенных систем управление способно кардинально изменить производственную деятельность. Внедрение интеллектуальных сетевых систем управления предприятиями с использованием интеллектуальных датчиков позволит повысить эффективность производства, в частности, планирования и оперативного реагирования на возникающие ситуации. Интеграция с информационными системами предприятий позволит улучшить качество принимаемых управленческих решений за счет развитых средств анализа, моделирования и прогнозирования. Создание межорганизационных банков знаний и самоорганизующихся многоагентных управляющих систем предприятий приведет к возникновению специфичной среды взаимодействия распределенных управляющих систем, которая позволит обеспечить более устойчивое, надежное и эффективное их функционирование. Такие системы будут способны анализировать поведение взаимодействующих с ними объектов, осуществлять прогнозирование такого поведения, позволят повысить качество принимаемых решений относительно текущей и перспективной производственной деятельности. Схожим образом можно предположить, что внедрение систем беспилотного управления транспортными средствами (в том числе, общественным транспортом) приведет к возникновению информационной среды их взаимодействия, что позволит повысить безопасность движения и увеличить пропускную способность дорог. К середине 2020-х годов развитие и внедрение в энергетические сети интеллектуальных ресурсных инфраструктур, способных предсказывать потребительскую нагрузку позволит повысить эффективность производства и потребления энергии, а также снизить негативное влияние на окружающую среду. Ожидается также интеграция указанных ресурсных сетей с интеллектуальными системами управления зданиями и сооружениями, которые получат массовое распространение. 289 Развитие управляющих систем нового поколения будет ограничиваться уровнем развития каналов данных и элементов вычислительной техники. При этом скорость адаптации и внедрения управляющих систем будет зависеть от уровня общей готовности информационной и управляющей инфраструктуры объекта управления. Выводы В настоящее время у России есть необходимый задел (в лице разработок таких организаций, как Лаборатория интеллектуальных систем РАН, Институт системного анализа РАН, НИУ МЭИ, НИУ ИТМО, ИПМ им. М.В.Келдыша РАН и других) и перспективы экономического роста при развитии следующих направлений в области управляющих систем: распределенные интеллектуальные управляющие системы, многоагентные и холонические самоорганизующиеся управляющие системы; интеллектуальные управляющие системы для беспилотного управления транспортом; обеспечение безопасности распределенных управляющих систем, в том числе создание стандартов безопасности; информационные среды для взаимодействия управляющих систем, в том числе стандарты взаимодействия; интеллектуальные датчики для управляющих систем; способы машинного обучения интеллектуальных управляющих систем, включая гибридные и нейро-нечеткие управляющие системы; интеллектуальные распределенные ресурсные сети, интеграция таких сетей с управляющими системами зданий и оборудования; способы моделирования распределенных управляющих систем и распределенных ресурсных сетей; методологии проектирования распределенных управляющих систем и распределенных ресурсных сетей, в том числе программного обеспечения таких систем и сетей. 290 Развитие технологии управляющих систем при реализации теоретических исследований в виде аппаратного и программного обеспечения, внедрения пилотных проектов позволит обеспечить российским институтам и организациям прочное положение на развивающемся рынке интеллектуальных управляющих систем. 291 ЗАКЛЮЧЕНИЕ В ходе аналитическое выполнения НИР обеспечение создано мониторинга, методическое анализа и и информационно- прогноза развития исследований и научного потенциала в области информационно-коммуникационных технологий. При проведении исследований использовались хорошо апробированные передовые методы долгосрочного прогнозирования, а также мировой опыт их проведения в развитых странах. Созданная методика выявления трендов, ставшая результатом опыта исполнителя в проведении форсайтов, является уникальной. Высокий научно-методический уровень выполнения НИР обеспечен широким использованием опыта мировых центров форсайта, привлечением зарубежных экспертов к обучению сотрудников отраслевых центров прогнозирования, использованием методологии и выводов наиболее успешных мировых форсайтисследований. Техническое задание на НИР выполнено полностью. Результаты НИР могут быть использованы для: - анализа актуальности тематик НИР в рамках федеральных целевых программ; - разработки дорожных карт по приоритетным направлениям научнотехнологического и инновационного развития; - решения комплекса задач, связанных с прогнозным обеспечением стратегического планирования и принятия других видов управленческих решений на уровне отдельных секторов и кластеров экономики; - подготовки регулярных информационно-аналитических обзоров по глобальным тенденциям научно-технологического развития секторов российской экономики. Повышение точности и корректности определения приоритетов научнотехнологического развития, а также построения долгосрочных прогнозов развития 292 направления «Информационно-телекоммуникационные системы» приведет к более рациональному и эффективному расходованию бюджетных средств, а также к более эффективному инвестированию средств в исследования и разработки предприятий реальных секторов экономики. Кроме того, благодаря более точному определению приоритетов научно-технологического производственные организации смогут развития сосредоточить исследовательские усилия на и наиболее приоритетных и выигрышных направлениях развития, а вузы – готовить кадры, ориентированные на долгосрочную перспективу, востребованные рынком труда в будущем. Это обеспечит конкурентное преимущество Российской Федерации в сфере ИТКС. 293 СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 1. Основы инновационного менеджмента (теория и практика). Учебное пособие. Под ред. П.Н. Завлина, А.К.Казанцева, Л.Э. Миндели. – М.: Экономика, 2000. – 475 с. (2.4.1. Коммуникации в инновационном менеджменте, с.76-82). 2. Основы инновационного менеджмента. Теория и практика. Под ред. Казанцева А.К., Миндели Л.Э., 2-е изд., перераб. и доп. - М.: ЗАО Экономика, 2004. — 518 с. 3. Медынский В. Г. Инновационный менеджмент: Учебник. — М.: ИНФРА-М, 2008. — С. 168-173 4. Отчет о научно-исследовательской работе по теме: формирование сети отраслевых центров прогнозирования научно-технологического развития на базе ведущих российских вузов по приоритетному направлению «Информационнотелекоммуникационные системы» (заключительный). Этап 4. Проведение аналитических и экспертных исследований. Обобщение результатов аналитических и экспертных исследований. Распространение результатов аналитических и экспертных исследований [Текст]: отчет по НИР. — СПб. : НИУ ИТМО, 2013. — 691 с 5. Quanzhi Li, Razvan Stefan Bot, Xin Chen Incorporating Document Keyphrases in Search Results Proceedings of the Tenth Americas Conference on Information Systems, New York, New York,August 2004 6. Gutwina C., Paynterb G., Wittenb I., Nevill-Manningc C., Frankb E. Improving browsing in digital libraries with keyphrase indexes // Journal Decision Support Systems From information retrieval to knowledge management: enabling technologies and best practices archive, Volume 27, Issue 1-2, Nov. 1999, Pages 81 — 104 7. Bernardini, A., Carpineto, C., Full-Subtopic Retrieval with Keyphrase-Based Search Results Clustering // Web Intelligence and Intelligent Agent Technologies, 2009. WI-IAT '09. IEEE/WIC/ACM International Joint Conferences on (Volume:1 ), 2009 294 8. Zhang D. and Dong Y. Semantic, Hierarchical, Online Clustering of Web Search Results // 6th Asia-Pacific Web Conference, APWeb 2004, Hangzhou, China, April 14-17, 2004. Proceedings, Lecture Notes in Computer Science, Springer-Verlag Berlin 9. Hua-Jun Zeng, Qi-Cai He, Zheng Chen, Wei-Ying Ma, Jinwen Ma Learning to cluster web search results // Proceeding SIGIR '04 Proceedings of the 27th annual international ACM SIGIR conference on Research and development in information retrieval, pp. 210-217 10. El-Beltagy, S. R., and Rafea, A.,: KP-Miner: A keyphrase extraction system for english and arabic documents. In: Information Systems, 34, pp. 132-144,2009 11. Frank, E., Paynter, G.W., Witten, I.H., Gutwin, C., Nevill-Manning, C.G.: Domain-specific keyphrase extraction. In: Proc. of IJCAI. pp. 688–673, 1999 12. Hulth A. Improved automatic keyword extraction given more linguistic knowledge. Proc. of the Conference on Empirical Methods in Natural Language Processing. – 2003. – pp. 216–223. 13. Mihalcea R., Tarau P. TextRank: Bringing order into texts. Proc. of the Conference on Empirical Methods in Natural Language Processing. – 2004. – P. 404–411. 14. Pudota, N., Dattolo, A., Baruzzo, A., Ferrara, F., Tasso, C.: Automatic keyphrase extraction and ontology mining for content-based tag recommendation. International Journal of Intelligent Systems, vol 25, pp. 1158-1186, 2010 15. Su Nam Kim, Olena Medelyan, Min-Yen Automatic keyphrase extraction from scientific articles. Language Resources and Evaluation, Springer 2012 Kan & Timothy Baldwin. 16. Tsatsaronis, G., Varlamis, I., Norvag, K.: SemanticRank: Ranking Keywords and Sentences Using Semantic Graphs. In: Proc. of the 23rd International Conference on Computational Linguistics, pp. 1074–1082, 2010 17. Turney, P.: Learning to Extract Keyphrases from Text. In: NRC/ERB-1057, pp. 17– 43, 1999 18. Wan Xiaojun and Jianguo Xiao Exploiting Neighborhood Knowledge for Single Document Summarization and Keyphrase Extraction ACM Transactions on Information Systems, Vol. 28, No. 2, Article 8, Publication date: May 2010 295 19. You, W. Fontaine, D. Barhes, J.-P.: An automatic keyphrase extraction system for scientific documents. In: Knowl Inf Syst 34, pp. 691-724, 2013 20. Zesch T., Gurevych I. Approximate Matching for Evaluating Keyphrase Extraction. International Conference RANLP 2009. – Borovets, Bulgaria, 2009. – pp. 484–489 21. Николай Хижняк. Мировая средняя скорость Интернета теперь составляет более 3 Мбит/с. [Электронный ресурс]: Hi-Technews / - http://hinews.ru/business-analitics/mirovaya-srednyaya-skorost-interneta-teper-sostavlyaet-bolee3-mbits.html - свободный - Загл. с экрана - Рус. яз. 22. HouseholdDownloadIndex[Электронный ресурс]: NetIndex / - http://www.netindex.com/download/allcountries/ - свободный - Загл. с экрана - Англ. яз. 23. Аналитический обзор «Развитие магистральных цифровых сетей связи в РФ в 2010-2012 гг.», ЗАО «Современные телекоммуникации» 2012 г. [Электронный ресурс]: http://www.modetel.ru/content/view/4564/1/ - Загл. с экрана Рус.яз. 24. ТОП-10 крупнейших в России магистральных сетей на декабрь 2011 года // Стандарт: журнал. — 2011. — № 12 (107). - С. 54. 25. Россия: общая протяженность построенных сетей связи в 2011 г. превысила 79 тыс. км. [Электронный ресурс]: Издание о высоких технологиях Cnews / http://www.cnews.ru/news/2012/08/17/rossiya_obshhaya_protyazhennost_postroennyh_se tey_svyazi_v_2011_g_prevysila_79_tys_km_499754 - свободный - Загл. с экрана Рус.яз. 26. Отчет о состоянии рынка мобильного ШПД [Электронный ресурс]: Информационно-аналитическое агентство Сотовик.ру / http://www.sotovik.ru/news/218417-otchet-o-sostojanii-rinka-mobilnogo-shpd.html свободный - Загл. с экрана - Рус. яз. 296 27. Ericsson Mobility Report «On The Pulse Of The Networked Society», August 2013, [Электронныйресурс]: http://www.ericsson.com/res/docs/2013/emr-august2013.pdf - свободный - Загл. сэкрана - Англ. яз. 28. В 2016 году 4G-сети опередят 3G по объему переданного трафика, [Электронный ресурс]: http://www.dailycomm.ru/m/24366/ свободный - Загл. с экрана - Рус.яз. 29. Махровский О.В. Широкополосный доступ: реалии и перспективы // Век качества №2 2011 г. с. 32-35. Издательство НИИ экономики связи и информатики "Интерэкомс". 30. Дополненная реальность, [Электронный ресурс]: http://habrahabr.ru/hub/augmented_reality/ - свободный - Загл. с экрана - Рус.яз. 31. Что такое дополненная реальность? Электронный ресурс]:ARNext.ru / - http://arnext.ru/dopolnennaya-realnost - свободный - Загл. с экрана - Рус. яз. 32. Отчет «Глобальный индекс развития облачных технологий в период с 2010 по 2015 год» [Электронный ресурс]: http://www.cisco.com/web/RU/news/releases/txt/2011/113011.html - свободный - Загл. с экрана - Рус.яз. 33. Асеев А.Л. «О работе сибирского отделения РАН в 2010 году и задачах на 2011 г. », Газета Наука в Сибири №17 2011 г. [Электронный ресурс]: http://www.nsc.ru/HBC/article.phtml?nid=589&id=4 - свободный - Загл. с экрана Рус.яз. 34. Отчетный доклад Президиума РАН «Научные достижения Российской академии наук в 2012 г.», Москва, 2013 г., 616 с. [Электронный ресурс]: http://www.ras.ru/FStorage/Download.aspx?id=97cfff27-6174-4c69-a50a-17f0dfbb2b4e свободный - Загл. с экрана - Рус.яз. 35. SuvarnaPatil, VipinPatil, .PallaviBhat. A Review on 5G Technology. International Journal of Engineering and Innovative Technology (IJEIT), Volume 1, Issue 1,January 2012 297 36. Павел Лентяев. Облачные технологии в России могут быть узаконены. [Электронный ресурс]: Национальный экономический портал. http://www.neprussia.ru/news/maximum/1529, - свободный - Загл. с экрана - Рус. Яз 37. Системы оптического доступа следующего поколения // Век качества №6 2011 г. с. 46-47. Издательство НИИ экономики связи и информатики "Интерэкомс". 38. RFID. [Электронный ресурс]: Википедия / - http://ru.wikipedia.org/wiki/RFID - свободный - Загл. с экрана - Рус. яз. 39. RTLS [Электронный ресурс]: Википедия / - http://ru.wikipedia.org/wiki/RTLS - свободный - Загл. с экрана - Рус. яз. 40. IPS - [Электронный ресурс]: Википедия / - http://en.wikipedia.org/wiki/Indoor_positioning_system - Загл. с экрана - Рус. яз. 41. Технологии идентификации и позиционирования в режиме реального времени - [Электронный ресурс]: Habrahabr / - http://habrahabr.ru/post/157619/ свободный - Загл. с экрана - Рус. яз. 42. Решения для промышленности. [Электронный ресурс]: RTLS / - http://www.rtlsnet.ru/solutions/solution/16 - свободный - Загл. с экрана - Рус. яз. 43. Перспективы развития IPS и RTLS систем [Электронный ресурс]: .ID Expert / - http://www.idexpert.ru/reviews/6520/ - свободный - Загл. с экрана - Рус. яз. 44. RFID. [Электронный ресурс]: TADVISER. Государство. Бизнес.ИТ / - http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%82%D1%8C%D1 %8F:RFID - Загл. с экрана - Рус. яз. 45. E. Desurvire, C. Kazmierski, F. Lelarge, X. Marcadet, A. Scavennec, F. A. Kish, D. F. Welch, R. Nagarajan, C.H. Joyner, R. P. Schneider, Jr., S. W. Corzine, M. Kato, P. W. Evans, M. Ziari, A. G. Dentai, J. L. Pleumeekers, R. Muthiah, S. Bigo, M. Nakazawa, D. J. Richardson, F. Poletti, M. N. Petrovich, S. U. Alam, W. H. Loh, and D. N. Payne, “Science and technology challenges in XXIst century optical communications,” C. R. Phys. 12(4), 387–416 (2011). 298 46. Оптоволокно повсюду [Электронный ресурс]: nag.ru / - http://nag.ru/news/newsline/10590/optovolokno-povsyudu.html - свободный - Загл. с экрана - Рус. яз 47. Yi Wengen. FTTW drives WLAN construction/ Fiber Utilization, ISSUE 68, p.19 – 20. - JAN 2013. 48. Alcatel-Lucent утроит пропускную способность сети компании «Национальные кабельные сети» в Москве за счет 100G [Электронный ресурс]: Мобильный форум / - http://www.mforum.ru/news/article/102772.htm- свободный Загл. с экрана - Рус. яз 49. We Will Soon Live in a 100 Gbps World [Электронный ресурс]: gigaom.com/ - http://gigaom.com/2011/02/22/we-will-soon-live-in-a-100-gbps-world/ свободный - Загл. с экрана - Англ. яз. 50. Fighting the capacity crunch, Orange and Alcatel-Lucent set 400 Gbps fiber link live [Электронный ресурс]: gigaom.com / - http://gigaom.com/2013/02/07/fightingthe-capacity-crunch-orange-and-alcatel-lucent-set-400-gbps-fiber-link-live/ - свободный Загл. с экрана - Англ. яз. 51. ТТК запустил 100G [Электронный ресурс]: Сайт компании Cisco / - http://www.cisco.com/web/RU/news/releases/txt/2013/10/100213d.html - свободный Загл. с экрана - Рус. яз. 52. MegaFon and Huawei have started the 400G Era for the IP Backbone Network in Europe [Электронный ресурс]: сайт компании Huawei / http://pr.huawei.com/en/news/hw-310992-ict.htm#.Un_kZJCXd8E - свободный - Загл. с экрана - Англ. яз. 53. Robert Blum, Benny Mikkelsen, Dan Dove. The next generation of 100G// Lightwave Editorial Guide – 2013. 299 54. Worldwide FTTH subscribers to grow 23% in 2013 says ABI Research [Электронный ресурс]: Интернет-версия журнала Lightwave/ http://www.lightwaveonline.com/articles/2013/08/worldwide-ftth-subscribers-to-grow 23in-2013-says-abi-research.html - свободный - Загл. с экрана - Англ. яз. 55. Tadao Nagatsuma, Shogo Horiguchi, Yusuke Minamikata, Yasuyuki Yoshimizu, Shintaro Hisatake, Shigeru Kuwano, Naoto Yoshimoto, Jun Terada and Hiroyuki Takahashi. Terahertz wireless communications based on photonics technologies/Optical Society of America – 2013. 56. M. Hirano, T. Haruna, Y. Tamura, T. Kawano, S. Ohnuki, Y. Yamamoto, Y. Koyano, and T. Sasaki, “Record low loss, record high FOM optical fiber with manufacturable process, ” in Optical Fiber Communication Conference/National Fiber Optic Engineers Conference 2013, OSA Technical Digest (online) (Optical Society of America, 2013), paper PDP5A.7. 57. Kazuhide Nakajima, Hidehiko Takara, Itsuro Morita. Collaborative Research on Multi-Core Fiber Technology Involving Industry, Academia and Government// New Breeze – p.12-15 - 2013. 58. D. J. Richardson, J. M. Fini, and L. E. Nelson, “Space-division multiplexing in optical fibres,” Nat. Photonics 7(5), 354–362 (2013). 59. B. J. Mangan, L. Farr, A. Langford, P. J. Roberts, D. P. Williams, F. Couny, M. Lawman, M. Mason, S. Coupland, R. Flea, H. Sabert, T. A. Birks, J. C. Knight, and P. St. J. Russell, “Low loss (1.7 dB/km) hollow core photonic bandgap fiber,” in Proceedings of the Optical Fiber Communication Conference, 2004. OFC 2004, paper PDP24. 60. F. Poletti, N. V. Wheeler, M. N. Petrovich, N. K. Baddela, E. Numkam, J. R. Hayes, D. R. Gray, Z. Li, R. Slavík, and D. J. Richardson, “Towards high-capacity fibre optic communications at the speed of light in vacuum,” Nat. Photonics 7(4), 279–284 (2013). 300 61. Фотонно-кристаллические и микроструктурированные волоконные световоды [Электронный ресурс]: Сайт компании Лаборатория Оптических Волокон / http://fiber-lab.ru/produkcija/foton.html - свободный - Загл. с экрана - Рус. яз. 62. Thomas Kürner, Sebastian Priebe. Towards THz Communications - Status in Research, Standardization and Regulation/ Journal of Infrared, Millimeter, and Terahertz Waves – 2013 63. S. Koenig, D. Lopez-Diaz, J. Antes, F. Boes, R. Henneberger, A. Leuther, A. Tessmann, R. Schmogrow, D. Hillerkuss, R. Palmer, T. Zwick, C. Koos, W. Freude, O. Ambacher, J. Leuthold and I. Kallfass. Wireless sub-THz communication system with high data rate// Nature Photonics, VOL 7, 2013. 64. Отчет по государственному контракту № 14.740.11.0869 «Исследование возможностей создания наногетероструктур для терагерцового диапазона частот (свыше 300 ГГц) телекоммуникационных систем» от 29 апреля 2011 г. Федеральное государственное бюджетное учреждение науки Институт сверхвысокочастотной полупроводниковой электроники Российской академии наук.- [Электронный ресурс]: http://isvch.ru/wordpress/wp-content/uploads/2013/07/link_2.pdf - Рус.яз 65. M.Yu.Glyavin, N.A.Zavolskiy, A.S.Sedov and G.S.Nusinovich. Low-Voltage Gyrotrons// Physics of Plasmas, 20, 033103:1-7, 2013. 66. Open Networking Foundation White Paper Software-Defined Networking: The New Norm for Networks [Электронный ресурс] - Режим доступа: https://www.opennetworking.org/images/stories/downloads/white-papers/wp-sdnnewnorm.pdf (дата обращения: 1.11.2013) 67. Casado M. Fabric: a retrospective on evolving SDN [Текст] / M. Casado, T. Koponen, S. Shenker // In HotSDN’12 Proceedings of the first workshop on Hot topics in software defined networks – Pages 85-90 – ACM New York, NY, USA 2012 – ISBN: 978-1-4503-1477-0 301 68. Koponen T. Onix: a distributed control platform for large-scale production networks [Текст] / T. Koponen, M. Casado, N. Gude, J. Stribling, L. Poutievski, M. Zhu, R. Ramanathan, Y. Iwata, H. Inoue, T. Hama, S. Shenker // In OSDI’10 Proceedings of the 9th USENIX conference on Operating systems design and implementation - Article No. 16 - 2010 69. Bruno Astuto A. Nunes, Marc Mendonca, Xuan-Nam Nguyen, Katia Obraczka, and Thierry Turletti A Survey of Software-Defined Networking: Past, Present, and Future of Programmable Networks//In submission (2013)// 17 pages. 70. Mehmet Balman, Surendra Byna // Open Problems in Network-aware Data Management in Exa-scale Computing and Terabit Networking Era // NDM’11, November 14, 2011, Seattle, Washington, USA. Copyright 2011 ACM 978-1-4503-1132-8/11/11 // 5 pages. 71. Brian Cho and Indranil Gupta // Budget-Constrained Bulk Data Transfer via Internet and Shipping Networks // ICAC’11, June 14–18, 2011, Karlsruhe, Germany. Copyright 2011 ACM 978-1-4503-0607-2/11/06 // 10 pages. 72. Ezra Kissel, Martin Swany, Brian Tierney, Eric Pouyoul // Efficient Wide Area Data Transfer Protocols for 100 Gbps Networks and Beyond // NDM’13 November 17, 2013, Denver CO, USA. Copyright 2013 ACM 978-1-4503-2522-6/13/11 // 10 pages. 73. Abhinava Sadasivarao, Sharfuddin Syed, Ping Pan, Chris Liou, Andrew Lake, Chin Guok, Inder Monga // Open Transport Switch - A Software Defined Networking Architecture for Transport Networks // HotSDN’13, August 16, 2013, Hong Kong, China. Copyright 2013 ACM 978-1-4503-2178-5/13/08 // 6 pages. 74. Zhenzhen Yan, Malathi Veeraraghavan, Chris Tracy, Chin Guok // On How to Provision Quality of Service (QoS) for Large Dataset Transfers // [Электронный ресурс] - Режим доступа: http://es.net/assets/pubs_presos/HNTES-CTRQ-no-color.pdf [дата обращения: 7.11.2013] 302 75. Lavanya Ramakrishnan, Chin Guok, Keith Jackson, Ezra Kissel, D. Martin Swany, Deborah Agarwal // On-demand Overlay Networks for Large Scientific Data Transfers // 2010 10th IEEE/ACM International Conference on Cluster, Cloud and Grid Computing // [Электронный ресурс] — режим доступа dl.acm.org/ft_gateway.cfm?id=1845152&type=pdf [дата обращения: 7.11.2013] // 9 pages. 76. Chaitanya Baru, Milind Bhandarkar, Raghunath Nambiar, Meikel Poess, and Tilmann Rabl // BENCHMARKING BIG DATA SYSTEMS AND THE BIGDATA TOP100 LIST // BIG DATA MARCH 2013 DOI: 10.1089/big.2013.1509 // 5 pages. 77. Ricky Egeland Tony Wildish, and Simon Metson // Data transfer infrastructure for CMS data taking // XII Advanced Computing and Analysis Techniques in Physics Research November 3-7 2008 Erice, Italy // 11 pages. 78. Eli Dart, Lauren Rotman, Brian Tierney, Mary Hester, Jason Zurawski // The Science DMZ: A Network Design Pattern for Data-Intensive Science // SC13 November 17-21, 2013, Denver, CO, USA Copyright 2013 ACM 978-1-4503-2378-9/13/11 // 10 pages. 79. J. Zurawski, S. Balasubramanian, A. Brown, E. Kissel, A. Lake, M. Swany† , B. Tierney, and M. Zekauskas // perfSONAR: On-board Diagnostics for Big Data // [Электронный ресурс] — режим доступа: http://www.es.net/assets/pubs_presos/20130910-IEEE-BigData-perfSONAR2.pdf [дата обращения: 1.11.2013] // 6 pages. 80. Nikolaos Laoutaris, Michael Sirivianos, Xiaoyuan Yang, and Pablo Rodriguez // Inter-Datacenter Bulk Transfers with NetStitcher // SIGCOMM’11, August 15–19, 2011, Toronto, Ontario, Canada. Copyright 2011 ACM 978-1-4503-0797-0/11/08 // 12 pages. 81.Дмитрий Чугреев. Тестирование QoS на экспериментальном стенде [Электронный ресурс]: Технологии программно-конфигурируемых сетей в научной и 303 образовательной среде. – науч. техн. Семинар / http://www.slideshare.net/ARCCN/qos-testing - свободный – Загл. с экрана. Рус. яз. 82.Сценарии использования платформенных сервисов Windows Azure для ваших решений. Хранение и обработка данных [Электронный ресурс]: Хабрахабр / http://habrahabr.ru/company/microsoft/blog/199470/ – свободный – Загл. с экрана. Рус. яз. 83.Вильям Станек. Виртуализация серверов: разделение и завоевание. [Электронный ресурс]: TechNet Magazine / http://technet.microsoft.com/ru-ru/magazine/gg598495.aspx – свободный – Загл. с экрана. Рус. яз. 84.Alan Murphy. Resource Provisioning— Hardware Virtualization, Your Way [электронный ресурс]: F5 Networks – свободный – Загл. с экрана. Англ. яз. 85.Mohsen Amini Salehi, Bahman Javadi, Rajkumar Buyya. Resource provisioning based on preempting virtual machines in distributed systems [Электронный ресурс]: Concurrency Computat.: Pract. Exper - Wiley Online Library / http://onlinelibrary.wiley.com/doi/10.1002/cpe.3004/abstract – свободный – Загл. с экрана. Англ. яз. 86.Christian Vecchiola , Rodrigo N. Calheiros, Dileban Karunamoorthya, Rajkumar Buyyaa. Deadline-driven provisioning of resources for scientific applications in hybrid clouds with Aneka // Future Generation Computer Systems 28 (2012) – pp 58–65 87.Kovalchuk S. V., Smirnov P. A., Maryin S. V., Tchurov T. N., KarbovskiyV. A. DeadlineDriven Resource Management within Urgent Computing Cyberinfrastructure // Procedia Computer Science, V. 18, Proceedings of the International Conference on Computational Science, ICCS 2013, 2013. Р. 2203 – 2212 88.Боченина К.О. Духанов А.В. Особенности планирования загрузки вычислительных ресурсов в облачных средах второго поколения на основе модели отложенных вычислений во временных окнах: Динамика сложных систем: (межд. междисципл. науч. журнал) №3(7), 2013 – М.: Радиофизка – С. 83 – 89. 304 89.П.А. Смирнов, А.В. Бухановский. Распределенное планирование процесса исполнения композитных приложений в иерархических облачных средах: Динамика сложных систем (межд. междисципл. науч. журнал) №3(7), 2013 – М.: Радиофизка – С. 78 – 81. 90.Sunil Adhau, M. L. Mittal. A Multiagent Based System for Resource Allocation and Scheduling of Distributed Projects: International Journal of Modeling and Optimization, Vol. 2, No. 4, August 2012 – pp. 524 – 528. 91.Lovejit Singh, Sarbjeet Singh. A Survey of Workflow Scheduling Algorithms and Research Issues: International Journal of Computer Applications Volume 74– No.15, July 2013 – pp 21 – 28. 92.Amazon EC2 Scheduling Integration [Электронный ресурс]: Advanced Systems Concepts Inc / http://advsyscon.com/home/products/activebatch/amazon-ec2.aspx – свободный – Загл. с экрана. Англ. яз. 93.А.В. Бухановский. CLAVIRE. Облачная платформа для высокопроизводительных вычислений [Электронный ресурс]: Открытые системы / http://www.osp.ru/docs/mscf/mscf-012.pdf aspx – свободный – Загл. с экрана. Рус. яз. 94.John Moore. In-Memory Technology Speeds Up Data Analytics [электронный ресурс]: CIO / http://www.cio.com/article/735379/In_Memory_Technology_Speeds_Up_Data_Analytics – свободный – Загл. с экрана. Англ. яз. 95.Ramirez A. Building Supercomputers from Mobile Processors [Электронный ресурс]: Mont-Blank / http://www.montblanc-project.eu/publications/building-supercomputersmobile-processors – свободный – Загл. с экрана. Англ. яз. 96.Peter Skobelev. Multi-agent systems for real time resource allocation, scheduling, optimization and controlling: industrial applications. [Электронный ресурс]: ACM Digital Library / http://dl.acm.org/citation.cfm?id=2035509 – свободный – Загл. с экрана. Англ. яз. 305 97.Максим Борзов. Квантовые компьютеры: конец эпохи традиционных процессоров. [Электронный ресурс]: Проект «Яблочно» / http://yablochno.com/other/6809 – свободный – Загл. с экрана. Рус. яз. 98.Сергей Сысоев. Квантовые вычисления: От бита к кубиту [Электронный ресурс] Издательство СКР-Медиа / http://supercomputers.ru/index.php?option=com_k2&view=item&id=374:квантовыевычисления-от-бита-к-кубиту – свободный – Загл. с экрана. Рус. яз. 99.Владимир Тихомиров. Квантастический компьютер [Электронный ресурс]: Огонек / http://www.ogoniok.com/4985/25/ - – свободный – Загл. с экрана. Рус. яз. 100. Is the Age of Silicon Computing Coming to an End? Physicist Michio Kaku Says "Yes" [Электронный ресурс]:The Daily Galaxy / http://www.dailygalaxy.com/my_weblog/2012/05/is-the-age-of-silicon-coming-to-an-endphysicist-michio-kaku-says-yes.html – свободный – Загл. с экрана. Англ. яз. 101. Владимир Скрипин. Квантовый компьютер на основе кремниевых микросхем: миф или реальность? [Электронный ресурс]: High-Tech News / http://hinews.ru/technology/kvantovyj-kompyuter-na-osnove-kremnievyx-mikrosxem-mif-ilirealnost.html - – свободный – Загл. с экрана. Рус. яз 102. Adam Belloum, Marcia A. Inda, Dmitry Vasunin, Vladimir Korkhov, Zhiming Zhao, Han Rauwerda, Timo M. Breit, Marian Bubak, Luis O. Hertzberger. Collaborative e-Science Experiments and Scientific Workflows [Электронный ресурс] / http://www.computer.org/csdl/mags/ic/2011/04/mic2011040039-abs.html – Загл. с экрана. Англ. яз. 103. Е.В. Болгова, А.В. Богачёва, М.А. Балахонцева, К.В. Князьков, А.В. Духанов. Автоматизация процесса разработки виртуальных лабораторных практикумов на основе облачных вычислений: Информационно-измерительные и управляющие системы, № 11, 2012 – С. 71 – 81. 306 104. С.В. Марьин, С.В. Ковальчук. Сервисно-ориентированная платформа исполнения композитных приложений в распределенной среде: Известия высших учебных заведений. Приборостроение. №10 (54), 2011 – С. 21 – 28. 105. V. Curcin, M. Ghanem. Scientific workflow systems - can one size fit all? [Электронный ресурс]: IEEEXplore / http://ieeexplore.ieee.org/xpl/freeabs_all.jsp%3Farnumber%3D4786077 – авторизованный – Загл. с экрана. Англ. яз. 106. Mustazur Rahman, Rajiv Ranjan, Rajkumar Buyya. A Taxonomy of Autonomic Application Management in Grids [Электронный ресурс]: IEEEXplore / http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=5695602&url=http%3A%2F%2Fie eexplore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D5695602 – авторизованный – Загл. с экрана. Англ. яз. 107. CLAVIRE: облачная платформа для обработки данных больших объемов: Информационно-измерительные и управляющие системы, № 11, 2012 – С. 7 – 16 108. Matthew Malensek, Sangmi Lee Pallickara, Shrideep Pallickara. Exploiting geospatial and chronological characteristics in data streams to enable efficient storage and retrievals: Future Generation Computer Systems 29 (2013) – pp. 1049–1061 109. Lovejit Singh, Sarbjeet Singh. A Survey of Workflow Scheduling Algorithms and Research Issues: International Journal of Computer Applications Volume 74– No.15, July 2013 – pp 21 – 28. 110. Е.В. Болгова, А.В. Богачёва, М.А. Балахонцева, К.В. Князьков, А.В. Духанов, С.Э. Хоружников. Автоматизация процесса разработки виртуальных лабораторных практикумов на основе облачных вычислений: Информационно-измерительные и управляющие системы, № 11, 2012 – С.71-81 111. Konstantin V. Knyazkov, Denis A. Nasonov, Timofey N. Tchurov, Alexander V. Boukhanovsky. Interactive workflow-based infrastructure for urgent computing: Procedia Computer Science 18 (2013) – pp. 2223 – 2232 112. Matthew Malensek, Sangmi Lee Pallickara, Shrideep Pallickara. Exploiting geospatial and chronological characteristics in data streams to enable efficient storage and retrievals: Future Generation Computer Systems 29 (2013) – pp. 1049–1061 307 113. С.И. Абрахин, Д.С. Бутюгин, В.В. Гетманский, А.В. Горшков, Д.Е. Демидов, Ю.Б. Линд, Е.О. Тютляева, Д.А. Усталов, Д.А. Фадеев, К.С. Хорьков, А.В. Духанов, А.В. Бухановский. Облачные технологии в задачах интерактивной 3D-визуализации: опыт организации межвузовской мобильности молодых ученых / Информационноизмерительные и управляющие системы, № 11, 2012 – М.: Радиотехника – С. 25 – 33. 114. Ewa Deelman. Looking into the Future of Workflows: The Challenges Ahead / Workflow for e-Science, 2007, pp. 475 – 481 115. Lovejit Singh, Sarbjeet Singh. A Survey of Workflow Scheduling Algorithms and Research Issues: International Journal of Computer Applications Volume 74– No.15, July 2013 – pp 21 – 28. 116. Matthew Malensek, Sangmi Lee Pallickara, Shrideep Pallickara. Exploiting geospatial and chronological characteristics in data streams to enable efficient storage and retrievals: Future Generation Computer Systems, Volume 29, Issue 4, June 2013. – pp. 1049–1061. 117. Sergey V. Kovalchuk, Pavel A. Smirnov, Sergey S. Kosukhin, Alexander V. Boukhanovsky. Virtual Simulation Objects concept as a framework for system-level simulation [Электронный ресурс]: IEEE 8th International Conference on E-Science / http://www.computer.org/csdl/proceedings/e-science/2012/4467/00/06404413-abs.html – свободный – Загл. с экрана. Англ. яз. 118. Raúl Palma, Piotr Hołubowicz, Kevin Page, Oscar Corcho, Sara Pérez, Cezary Mazurek. Digital Libraries for the Preservation of Research Methods and Associated Artifacts [Электронный ресурс]: ACM Digital Library / http://dl.acm.org/citation.cfm?id=2499589 – свободный – Загл. с экрана. Англ. яз. 119. Introducing Executable Papers – now live on ScienceDirect [Электронный ресурс]: Elsevier / http://www.elsevier.com/physical-sciences/computerscience/executable-papers – свободный – Загл. с экрана. Англ. яз. 120. Kevin Page, Raul Palma, Piotr Holubowicz, Graham Klyne and others. From workflows to Research Objects: an architecture for preserving the semantics of science [Электронный ресурс]: LinkedScience / http://linkedscience.org/wp308 content/uploads/2012/05/lisc2012_submission_15.pdf – свободный – Загл. с экрана. Англ. яз. 121. What’s Science 2.0? [Электронный ресурс]: SpreadingScience / http://www.spreadingscience.com/our-approach/what-is-science-20/ – свободный – Загл. с экрана. Англ. яз. 122. Гаврилова Т., Муромцев Д. «Интеллектуальные технологии в менеджменте: инструменты и системы», Изд-во «Высшая школа менеджмента», 2008 г., ISBN 9785-9924-0017-5. 123. International Workshop on Learning and Education with the Web of Data (Linked Learning - LILE 2013) [Электронный ресурс]: http://lile2013.wordpress.com, — свободный — Загл. с экрана — Англ. яз. 124. M. d'Aquin Linked Data for Open Distance Learning. Commonwealth of Learning repot, 2012. 125. Rulin Xiao, Yunyan Du, Wei Liu, Yawen He An intelligent bay Geo-Information retrieval approach based on Geo-ontology. In: Geoinformatics, 2009. 126. Tran Quoc Dung, Watar Kameyama Ontology-Based Information Extraction and Information Retrieval in Health Care Domain. In: Data Warehousing and Knowledge Discovery, Lecture Notes in Computer Science, Vol. 4654, 2007, pp. 323-333. 127. Kathrin Dentler, Annette ten Teije, Ronald Cornet, Nicolette F. de Keizer (2012) Towards the Automated Calculation of Clinical Quality Indicators, Knowledge Representation for Health-Care LNCS 6924, p. 51-64. 128. Rinke Hoekstra, Anita de Waard, Richard Vdovjak (2012) Annotating Evidenced Based Clinical Guidelines - A Lightweight Ontology, Proceedings of SWAT4LS 2012, Paris, Adrian Paschke, Albert Burger, Paolo Roma, M. Scott Marshall, Andrea Splendiani (ed.), Springer. 129. Геращенко К. IBM предлагает сделать планету «умной». CRN ИТ-бизнес, №6, 2012. [Электронный ресурс] http://www.crn.ru/numbers/regnumbers/detail.php?ID=64665 — свободный — Загл. с экрана — Рус. яз. 309 130. Самсонов М., Росляков А., Ваняшин С. От интернета людей — к интернету вещей. ИКС медиа №5, 2013, [Электронный ресурс]: http://www.iksmadia.ru/articles/4926341.html — свободный — Загл. с экрана — Рус. яз. 131. Kudryavtsev D. V., Grogoriev L. Ontology-Based business architecture engineering technology. In: The 10th International Conference on Intelligent Software Methodologies, Tools and Techniques, 2011, pp 233-252 132. Черняк Л. Аналитика неструктурированных данных. «Открытые системы», № 06, 2012, [Электронный ресурс]: http://www.osp.ru/os/2012/06/13017038 — свободный — Загл. с экрана — Рус. яз. 133. SIGIR [Электронный ресурс]: http://www.sigir.org — свободный — Англ. яз. 134. ICDM (The IEEE International Conference on Data Mining series (ICDM)) [Электронный ресурс]: http://icdm2013.rutgers.edu — свободный — Англ. яз. 135. WWW (World Wide Web Conference) [Электронный ресурс]: http://www2013.org/ — свободный — Англ. яз. 136. Extended Semantic Web Conference, Semantic and Big Data [Электронный ресурс]: http://2013.eswc-conference.org — свободный — Англ. яз. 137. ISWC [Электронный ресурс]: http://iswc2013.semanticweb.org — свободный — Англ. яз. 138. Othmane B., Hebri R. S. A. Cloud computing & multy-agent systems: A new promising approach for distributed data mining. In: Proc. Of the Information Technology Interfaces (ITI), 2012. 139. Запрягаев С.А., Карпушин А.А. Применение графического процессора в ресурсоёмких вычислениях на базе библиотеки OPENCL. [Электронный ресурс]: http://www.vestnik.vsu.ru/pdf/analiz/2010/02/2010-02-14.pdf — свободный — Рус. яз. 140. Arul Shalom S. A., Manoranjan D., Minh T. Efficient k-means clustering using accelerated graphics processors. Data Warehousing and Knowledge Discovery, Lecture Notes in Computer Science, Vol. 5182, 2008, pp. 166-175 310 141. Tenorth M., Nyga D., Beetz V., Understanding and executing instruction for everyday manipulation tasks from the World Wode Web. In: Robotics and Automation (ICRA) 142. RUSSIR (Российская школа-конференция по информационному поиску) [Электронный ресурс]: http://romip.ru/russir2013 — свободный — Англ. яз. 143. Диалог ("Диалог" международная конференция по компьютерной лингвистике) [Электронный ресурс]: http://www.dialog-21.ru — свободный — Рус. яз. 144. KESW (Knowledge Engineering and Semantic Web Conference and School) [Электронный ресурс]: http://kesw.ifmo.ru/ — свободный — Англ. яз. 145. RCDL (Электронные библиотеки: Перспективные Методы и Технологии, Электронные коллекции) [Электронный ресурс]: http://rcdl.ru - свободный — Рус. яз. 146. АИСТ(Анализ Изображений, Сетей и Текстов) [Электронный ресурс]: http://aistconf.org — свободный — Рус. яз. 147. R.M. Chang, et al. Understanding the paradigm shift to computational social science in the presence of big data / Decision Support Systems, 2013. 148. Д.В. Павлов. Реляционная распределенная система управления базами данных с автоматической масштабируемостью: Вестник УГАТУ Том 16, № 3(48), 2012 – С. 143 – 152 149. In-Memory MemSQL Database Adds JSON Real-Time Analytics [Электронный ресурс]: eWeek / http://www.eweek.com/database/in-memory-memsql-database-adds-jsonreal-time-analytics.html/#sthash.tAsxWU5z.dpuf – свободный – Загл. с экрана. Англ. яз. 150. Michael Hausenblas. Applying the Big Data Lambda Architecture [Электронный ресурс]: UBM Tech / http://www.drdobbs.com/database/applying-the-big-data-lambdaarchitectur/240162604 – свободный – Загл. с экрана. Англ. яз. 151. C.В. Ковальчук, А.В Разумовский, А.И. Спивак. Предметно-ориентированная технология хранения и обработки больших объемов данных в облачной платформе 311 CLAVIRE: Динамика сложных систем №3, 2013. – М.: «Издательство «Радиотехника», 2013 – С.106 – 109. 152. 152. Kim Truong. Big Data needs Data Science [Электронный ресурс]: Hortonworks http://hortonworks.com/blog/big-data-needs-data-science/ – свободный – Загл. с экрана. Англ. яз. 153. V. Curcin, M. Ghanem. Scientific workflow systems - can one size fit all? [Электронный ресурс]: IEEEXplore / http://ieeexplore.ieee.org/xpl/freeabs_all.jsp%3Farnumber%3D4786077 – авторизованный – Загл. с экрана. Англ. яз. 154. Mustazur Rahman, Rajiv Ranjan, Rajkumar Buyya. A Taxonomy of Autonomic Application Management in Grids [Электронный ресурс]: IEEEXplore / http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=5695602&url=http%3A%2F%2Fieee xplore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D5695602 – авторизованный – Загл. с экрана. Англ. яз. 155. CLAVIRE: облачная платформа для обработки данных больших объемов: Информационно-измерительные и управляющие системы, № 11, 2012 – С. 7 – 16 156. Lovejit Singh, Sarbjeet Singh. A Survey of Workflow Scheduling Algorithms and Research Issues: International Journal of Computer Applications Volume 74– No.15, July 2013 – pp 21 – 28. 157. Knyazkov K., Nasonov D., Tcurov T., Boukhanovsky A. Interactive workflow- based infrastructure for urgent computing / Procedia Computer Science 18 (2013), pp. 2223 – 2232. 158. 158. Ewa Deelman. Looking into the Future of Workflows: The Challenges Ahead / Workflow for e-Science, 2007, pp. 475 – 481 312 159. Kovalchuk S.V. [et al.] Virtual Simulation Objects Concept as a Framework for System-Level Simulation // 2012 IEEE 8th International Conference on E-Science (eScience). 2012. Р. 1 – 8. 160. С.И. Абрахин, Д.С. Бутюгин, В.В. Гетманский, А.В. Горшков, Д.Е. Демидов, Ю.Б. Линд, Е.О. Тютляева, Д.А. Усталов, Д.А. Фадеев, К.С. Хорьков, А.В. Духанов, А.В. Бухановский. Облачные технологии в задачах интерактивной 3D-визуализации: опыт организации межвузовской мобильности молодых ученых / Информационноизмерительные и управляющие системы, № 11, 2012 – М.: Радиотехника – С. 25 – 33. 161. Raúl Palma, Piotr Hołubowicz, Kevin Page, Oscar Corcho, Sara Pérez, Cezary Mazurek. Digital Libraries for the Preservation of Research Methods and Associated Artifacts [Электронный ресурс]: ACM Digital Library / 162. R.M. Chang, et al. Understanding the paradigm shift to computational social science in the presence of big data / Decision Support Systems, 2013. 163. Д.В. Павлов. Реляционная распределенная система управления базами данных с автоматической масштабируемостью: Вестник УГАТУ Том 16, № 3(48), 2012 – С. 143 – 152 164. In-Memory MemSQL Database Adds JSON Real-Time Analytics [Электронный ресурс]: eWeek / http://www.eweek.com/database/in-memory-memsql-database-addsjson-real-time-analytics.html/#sthash.tAsxWU5z.dpuf – свободный – Загл. с экрана. Англ. яз. 165. Michael Hausenblas. Applying the Big Data Lambda Architecture [Электронный ресурс]: UBM Tech / http://www.drdobbs.com/database/applying-the-big-data-lambdaarchitectur/240162604 – свободный – Загл. с экрана. Англ. яз. 166. C.В. Ковальчук, А.В Разумовский, А.И. Спивак. Предметно-ориентированная технология хранения и обработки больших объемов данных в облачной платформе CLAVIRE: Динамика сложных систем №3, 2013. – М.: «Издательство «Радиотехника», 2013 – С.106 – 109. 313 167. Kim Truong. Big Data needs Data Science [Электронный ресурс]: Hortonworks http://hortonworks.com/blog/big-data-needs-data-science/ – свободный – Загл. с экрана. Англ. яз. 168. V. Curcin, M. Ghanem. Scientific workflow systems - can one size fit all? [Электронный ресурс]: IEEEXplore / http://ieeexplore.ieee.org/xpl/freeabs_all.jsp%3Farnumber%3D4786077 – авторизованный – Загл. с экрана. Англ. яз. 169. Mustazur Rahman, Rajiv Ranjan, Rajkumar Buyya. A Taxonomy of Autonomic Application Management in Grids [Электронный ресурс]: IEEEXplore / http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=5695602&url=http%3A%2F%2Fie eexplore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D5695602 – авторизованный – Загл. с экрана. Англ. яз. 170. CLAVIRE: облачная платформа для обработки данных больших объемов: Информационно-измерительные и управляющие системы, № 11, 2012 – С. 7 – 16 171. Lovejit Singh, Sarbjeet Singh. A Survey of Workflow Scheduling Algorithms and Research Issues: International Journal of Computer Applications Volume 74– No.15, July 2013 – pp 21 – 28. 172. Knyazkov K., Nasonov D., Tcurov T., Boukhanovsky A. Interactive workflow- based infrastructure for urgent computing / Procedia Computer Science 18 (2013), pp. 2223 – 2232. 173. Ewa Deelman. Looking into the Future of Workflows: The Challenges Ahead / Workflow for e-Science, 2007, pp. 475 – 481 174. Kovalchuk S.V. [et al.] Virtual Simulation Objects Concept as a Framework for System-Level Simulation // 2012 IEEE 8th International Conference on E-Science (eScience). 2012. Р. 1 – 8. 314 175. С.И. Абрахин, Д.С. Бутюгин, В.В. Гетманский, А.В. Горшков, Д.Е. Демидов, Ю.Б. Линд, Е.О. Тютляева, Д.А. Усталов, Д.А. Фадеев, К.С. Хорьков, А.В. Духанов, А.В. Бухановский. Облачные технологии в задачах интерактивной 3D-визуализации: опыт организации межвузовской мобильности молодых ученых / Информационноизмерительные и управляющие системы, № 11, 2012 – М.: Радиотехника – С. 25 – 33. 176. Raúl Palma, Piotr Hołubowicz, Kevin Page, Oscar Corcho, Sara Pérez, Cezary Mazurek. Digital Libraries for the Preservation of Research Methods and Associated Artifacts [Электронный ресурс]: ACM Digital Library / 177. 1 Shuai Zhang, Chong Wang, S. C. Chan. A New High Resolution Depth Map Estimation System Using Stereo Vision and Kinect Depth Sensing. : Journal of Signal Processing Systems, August, 2013 178. Motion capture system with VZ4000v Tracker [Электронный ресурс]: SouVR / - http://en.souvr.com/product/Print.asp?ArticleID=9854 – свободный – Загл. с экрана. Англ. яз. 179. Vicon [Электронный ресурс]: Vicon / - http://www.vicon.com/Press – свободный – Загл. с экрана. Англ. яз. 180. Daniel Mellinger, Nathan Michael, Vijay Kumar. Trajectory generation and control for precise aggressive maneuvers with quadrotors. : The International Journal of Robotics Research 2012. 181. Iason Oikonomidis, Nikolaos Kyriazis, Antonis A. Argyros. Efficient Model-based 3D Tracking of Hand Articulations using Kinect. : Proceedings of the 22nd British Machine Vision Conference, 2011. 182. Андрей Васильков. Для нового метода 3D-анимации достаточно только проектора и камеры [Электронный ресурс]: Компьютерра /http://www.computerra.ru/37132/dlya-novogo-metoda-3d-animatsii-dostatochn/ свободный – Загл. с экрана – Рус. яз. 183. iPi Motion Capture [Электронный ресурс]: iPi Soft / - http://ipisoft.com/ – свободный – Загл. с экрана. Англ. яз. 315 184. Joydeep Biswas, Manuela Veloso. Depth Camera Based Indoor Mobile Robot Localization and Navigation. : Proceedings of International Conference on Robotics and Automation 2012, pp. 1697-1702. 185. LeapMotion. Что внутри? [Электронный ресурс]: Хабрахабр / - http://habrahabr.ru/company/avi/blog/199230/ – свободный - Загл. с экрана – Рус. яз. 186. FaceRig — анимация персонажа в реальном времени [Электронный ресурс]: Хабрахабр / - http://habrahabr.ru/post/207748/ – свободный – Загл. с экрана. - Рус. яз. 187. Matthew Grum, Adrian G. Bors. 3D modeling of multiple-object scenes from sets of images. : Pattern Recognition 47, 2014, pp. 326–343. 188. Jiaxiang Zheng, Ming Zeng, Xuan Cheng, Xinguo Liu. SCAPE-based human performance reconstruction. : Computers & Graphics 38, 2014, pp. 191–198. 189. Di Xu, Jianfei Cai,Tat Jen Cham, Philip Fu, Juyong Zhang. : Advances in Multimedia Information Processing, 2012, pp. 476–483. 190. Ignacio Garcia-Dorado, Ilke Demir, Daniel G Aliaga. Automatic urban modeling using volumetric reconstruction with surface graph cuts. : Computers & Graphics 37, 2013, pp. 896–910. 191. Ferran Argelaguet, Carlos Andujar. A survey of 3D object selection techniques for virtual environments. : Computers & Graphics 37, 2013, pp.121–136. 192. GLOBAL SYSTEMS SCIENCE Developing a GSS research programme [Электронный ресурс] / http://blog.global-systems-science.eu/ – свободный – Загл. с экрана. Англ. яз. 193. Д.В. Павлов. Реляционная распределенная система управления базами данных с автоматической масштабируемостью: Вестник УГАТУ Том 16, № 3(48), 2012 – С. 143 – 152 194. Перспективы виртуальных ресурсов хранения данных – преобразование ИТ в услугу [Электронный ресурс]: Emc(RUS) / http://russia.emc.com/collateral/analystreports/idc-promise-virtual-storage.pdf – свободный – Загл. с экрана. Рус. яз. 195. ORACLE In-Memory database cache [Электронный ресурс]:Oracle / http://www.oracle.com/technetwork/database/database-technologies/timesten/overview/ds316 imdb-cache-1470955.pdf?ssSourceSiteId=ocomru – свободный – Загл. с экрана. Англ. яз. 196. In-Memory MemSQL Database Adds JSON Real-Time Analytics [Электронный ресурс]: eWeek / http://www.eweek.com/database/in-memory-memsql-database-addsjson-real-time-analytics.html/#sthash.tAsxWU5z.dpuf – свободный – Загл. с экрана. Англ. яз. 197. Juan D. Borrero, Estrella Gualda. Crawling big data in a new frontier for socioeconomic research: testing with social tagging [Электронный ресурс]: University de Huelv/http://rabida.uhu.es/dspace/bitstream/handle/10272/6414/Crawling_big_data.pdf?se quence=2 – свободный – Загл. с экрана. Англ. яз. 198. Alexis Rossi. 80 terabytes of archived web crawl data available for research [Электронный ресурс]: Internet Archive Blogs / http://blog.archive.org/2012/10/26/80terabytes-of-archived-web-crawl-data-available-for-research/– свободный – Загл. с экрана. Англ. яз. 199. Дмитрий Баранец. Google запустил поиск информации о изображении [Электронный ресурс]: «Хочу iMac» - http://hochuimac.pp.ua/2011/06/google-searchby-images/– свободный – Загл. с экрана. Рус. яз. 200. Kim Truong. Big Data needs Data Science [Электронный ресурс]: Hortonworks http://hortonworks.com/blog/big-data-needs-data-science/ – свободный – Загл. с экрана. Англ. яз. 201. Michael Hausenblas. Applying the Big Data Lambda Architecture [Электронный ресурс]: UBM Tech / http://www.drdobbs.com/database/applying-the-big-data-lambdaarchitectur/240162604 – свободный – Загл. с экрана. Англ. яз. 202. C.В. Ковальчук, А.В Разумовский, А.И. Спивак. Предметно-ориентированная технология хранения и обработки больших объемов данных в облачной платформе CLAVIRE: Динамика сложных систем №3, 2013. – М.: «Издательство «Радиотехника», 2013 – С.106 – 109. 203. Hey T., Tansley S., Tolle K. (ed.) The Fourth Paradigm. Da-ta-Intensive Scientific Discovery // Microsoft. 2009. Р. 252. 317 204. Manyika J. [et al.] Big data: The next frontier for innovation, competition, and productivity // McKinsey Global Institute. June 2011. 156 p. 205. Kovalchuk S.V. [et al.] Virtual Simulation Objects Concept as a Framework for System-Level Simulation // 2012 IEEE 8th International Conference on E-Science (eScience). 2012. Р. 1 – 8. 206. С.А. Ступников. Унификация модели данных, основанной на многомерных массивах, при интеграции неоднородных информационных ресурсов. Труды 14-й Всероссийской научной конференции «Электронные библиотеки: перспективные методы и технологии, электронные коллекции» — RCDL-2012, ПереславльЗалесский, Россия, 15-18 октября 2012 г – с. 42 – 52 207. Kunle Olukotun. High Performance Big-Data Analytics. [Электронный ресурс]:StanfordUniversity/http://forum.stanford.edu/events/2013slides/plenary/Kunle%2 0Olukotun%20HighPerfAnalytics-computerforum.pdf 208. John Moore, In-Memory Technology Speeds Up Data Analytics [Электронный ресурс]: CIO / http://www.cio.com/article/735379/In_Memory_Technology_Speeds_Up_Data_Analytics – свободный – Загл. с экрана. Англ. яз. 209. Barinov I.O., Sedov E.S., Alodjants A.P., Arakelian S.M. Phase transition and storage of quantum optical information in spatially periodical atomic structure // Proc. SPIE, 2010. – Vol. 7727. – P. 77270A. 210. Графеновые транзисторы - революция в электронике [Электронные ресурс]:Новости науки / http://novostinauki.ru/news/2448/ – свободный – Загл. с экрана. Англ. яз. 211. Is the Age of Silicon Computing Coming to an End? Physicist Michio Kaku Says "Yes" [Электронный ресурс]:The Daily Galaxy / http://www.dailygalaxy.com/my_weblog/2012/05/is-the-age-of-silicon-coming-to-an-endphysicist-michio-kaku-says-yes.html – свободный – Загл. с экрана. Англ. яз.– свободный – Загл. с экрана. Англ. яз. 212. Piezoelectric Materials for High Temperature Sensors [Электронный ресурс]: Сайт web-библиотеки LibGen / Файл формата .pdf 318 http://libgen.org/scimag4/10.1111/j.1551-2916.2011.04792.x.pdf свободный - Загл. с экрана – Англ. Яз. 213. Direct-Write Piezoelectric Polymeric Nanogenerator with High Energy Conversion Efficiency [Электронный ресурс]: Сайт ACS Publications / Электрон. Дан http:// http://pubs.acs.org/doi/pdf/10.1021/nl9040719 свободный - Загл. с экрана – Англ. Яз. 214. Piezoelectric Ribbons Printed onto Rubber for Flexible Energy Conversion [Электронный ресурс]: Сайт ACS Publications / Электрон. Дан http://pubs.acs.org/doi/pdf/10.1021/nl903377u свободный - Загл. с экрана – Англ. Яз. 215. Process and material properties of polydimethylsiloxane (PDMS) for Optical MEMS [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S0924424709000466 свободный - Загл. с экрана – Англ. Яз. 216. Effect of restricted geometry on structural phase transitions in KH2PO4 and NH4H2PO4 crystals [Электронный ресурс]: Сайт журнала «Optica Applicata»/ Файл формата .pdf свободный - Загл. с экрана – Англ. Яз 217. Ferroelectric phase transitions in sodium nitrite nanocomposites [Электронный ресурс]: Сайт Springer Science+Business Media / Электрон. Дан http://link.springer.com/article/10.1007%2Fs10832-008-9431-4#page-1 свободный Загл. с экрана – Англ. Яз. 218. Bright Upconversion Emission, Increased Tc, Enhanced Ferroelectric and Piezoelectric Properties in Er-Doped CaBi4Ti4O15 Multifunctional Ferroelectric Oxides [Электронный ресурс]: Сайт web-библиотеки LibGen / Файл формата .pdf http://libgen.org/scimag4/10.1111/jace.12002.pdf свободный - Загл. с экрана – Англ. Яз 219. Strain accommodation in Ga-assisted GaAs nanowires grown on silicon (111) [Электронный ресурс]: Сайт IOPscience-контента / Файл формата .pdf http://iopscience.iop.org/09574484/23/30/305703/pdf/09574484_23_30_305703.pdf свободный - Загл. с экрана – Англ. Яз 319 220. Structural polytypism and residual strain in GaAs nanowires grown on Si(111) probed by single-nanowire X-ray diffraction [Электронный ресурс]: Сайт Journal of Applied Crystallography / Электрон. Дан http://scripts.iucr.org/cgibin/paper?S0021889812003007для зарегистрированных пользователей - Загл. с экрана – Англ. Яз 221. Lattice parameter accommodation between GaAs(111) nanowires and Si(111) substrate after growth via Au-assisted molecular beam epitaxy [Электронный ресурс]: Сайт Springer Science+Business Media / Электрон. Дан http://www.nanoscalereslett.com/content/7/1/109 свободный - Загл. с экрана – Англ. Яз. 222. Dielectric, ferroelectric and piezoelectric properties of 100-oriented Pb0.4Sr0.6TiO3 thin film sputtered on LaNiO3 electrode [Электронный ресурс]: Сайт web-библиотеки LibGen / Файл формата .pdf http:// http://libgen.org/scimag4/10.1016/j.jcrysgro.2012.03.026.pdf свободный - Загл. с экрана – Англ. Яз. 223. Electromechanical Imaging and Spectroscopy of Ferroelectric and Piezoelectric Materials: State of the Art and Prospects for the Future [Электронный ресурс]: Сайт web-библиотеки LibGen / Файл формата .pdf http://libgen.org/scimag2/10.1111/j.15512916.2009.03240.x.pdf свободный - Загл. с экрана – Англ. Яз. 224. Damping property of epoxy-based composite embedded with sol–gel-derived Pb(Zr0.53Ti0.47)O3 thin film [Электронный ресурс]: Сайт web-библиотеки LibGen / Файл формата .pdf http:// libgen.org/scimag2/10.1007/s10854-010-02353.pdf свободный - Загл. с экрана – Англ. Яз. 225. Unexpected Crystal and Domain Structures and Properties in Compositionally Graded PbZr1- xTixO3 Thin Films [Электронный ресурс]: Сайт web-библиотеки LibGen / Файл формата .pdf http:// libgen.org/scimag5/10.1002/adma.201204240.pdf Яз. 320 свободный - Загл. с экрана – Англ. 226. Advances in Lead-Free Piezoelectric Materials for Sensors and Actuators [Электронный ресурс]: Сайт MDPI / Электрон. Дан http://www.mdpi.com/14248220/10/3/1935?utm_source=fulltextarticles.blogspot.com&ut m_medium=Open%20Acess свободный - Загл. с экрана – Англ. Яз. 227. What can be expected from lead-free piezoelectric materials? [Электронный ресурс]: Сайт World scientific / Электрон. Дан http://www.worldscientific.com/ для зарегистрированных пользователей - Загл. с экрана – Англ. Яз 228. Direct piezoelectric properties of (100) and (111) BiFeO3 epitaxial thin films [Электронный ресурс]: Сайт IEEE Xplore / Электрон. Дан http://ieeexplore.ieee.org/xpl/articleDetails.jsp?tp=&arnumber=6165568&queryText%3D Direct+piezoelectric+properties+of+.LB.100.RB.+and+.LB.111.RB.+BiFeO3+epitaxial+t hin+films платный - Загл. с экрана – Англ. Яз. 229. Nanoscale characterization and local piezoelectric properties of lead-free KNN-LT- LS thin films [Электронный ресурс]: Сайт OPscience / Электрон. Дан http://ieeexplore.ieee.org/xpl/articleDetails.jsp?tp=&arnumber=6165568&queryText%3D Direct+piezoelectric+properties+of+.LB.100.RB.+and+.LB.111.RB.+BiFeO3+epitaxial+t hin+films платный - Загл. с экрана – Англ. Яз. 230. Enhanced ferroelectric and piezoelectric properties in doped lead- free (Bi0.5Na0.5)0.94Ba0.06TiO3 thin films [Электронный ресурс]: Сайт Scitation/Электрон.Данhttp://scitation.aip.org/content/aip/journal/apl/97/21/10.1063/1.35 18484 свободный - Загл. с экрана – Англ. Яз. 231. Enhanced piezoelectric and ferroelectric properties in Mn-doped Na0.5Bi0.5TiO3– BaTiO3 single crystals [Электронный ресурс]: Сайт webбиблиотекиLibGen/Файлформата.pdfhttp://libgen.org/scimag5/10.1063/1.3222942.pdf свободный - Загл. с экрана – Англ. Яз. 232. Piezoelectric and Ferroelectric Properties of Li-Doped (Bi0.5Na0.5)TiO3– (Bi0.5K0.5)TiO3–BaTiO3 Lead-Free Piezoelectric Ceramics [Электронный ресурс]: 321 Сайт Wiley online Library / Электрон. Дан http://onlinelibrary.wiley.com/doi/10.1111/j.1551-2916.2009.03535.x/abstract для зарегистрированных пользователей - Загл. с экрана – Англ. Яз. 233. Dielectric, Piezoelectric and Ferroelectric Properties of (1-x)K0.5Na0.5NbO3-x BiGaO3 Lead-Free Ceramics [Электронный ресурс]: Сайт scientific.net / Электрон. Дан http://www.scientific.net/AMR.634-638.2345 свободный - Загл. с экрана – Англ. Яз. 234. Review: environmental friendly lead-free piezoelectric materials [Электронный ресурс]: Сайт web-библиотеки LibGen / Файл формата .pdf http:// libgen.org/scimag2/10.1007/s10853-009-3643-0.pdf свободный - Загл. с экрана – Англ. Яз. 235. Piezoelectric and ferroelectric properties of CN-doped K0.5Na0.5NbO3 lead-free ceramics [Электронный ресурс]: Сайт Scitation / Электрон. Дан http://scitation.aip.org/content/aip/journal/jap/108/9/10.1063/1.3493732 платный - Загл. с экрана – Англ. Яз. 236. Ferroelectric and piezoelectric properties of Na0.52K0.48NbO3 thin films prepared by radio frequency magnetron sputtering [Электронный ресурс]: Сайт Scitation / Электрон. Дан http://scitation.aip.org/docserver/fulltext/aip/journal/apl/94/9/1.3095500.pdf?expires=1382 958665&id=id&accname=499274&checksum=A4B6869365F7DE1B0B11AF6ED0ADB BD6 свободный - Загл. с экрана – Англ. Яз. 237. Bright Upconversion Emission, Increased Tc, Enhanced Ferroelectric and Piezoelectric Properties in Er-Doped CaBi4Ti4O15 Multifunctional Ferroelectric Oxides [Электронный ресурс]: Сайт web-библиотеки LibGen / Файл формата .pdf http://libgen.org/scimag4/10.1111/jace.12002.pdf Яз. 322 свободный - Загл. с экрана – Англ. 238. Microstructure and piezoelectric properties of CuO added (K, Na, Li)NbO3 lead- free piezoelectric ceramics [Электронный ресурс]: Сайт web-библиотеки LibGen / Файл формата .pdf http:// libgen.org/scimag1/10.1016/j.jeurceramsoc.2010.10.033.pdf свободный - Загл. с экрана – Англ. Яз. 239. Progress and Perspectives in the Carbon Nanotube World [Электронный ресурс]: Сайт azonano.com / Электрон. Дан http://www.azonano.com/article.aspx?ArticleID=2619 свободный - Загл. с экрана – Англ. Яз. 240. An All-Printed Ferroelectric Active Matrix Sensor Network Based on Only Five Functional Materials Forming a Touchless Control Interface [Электронный ресурс]: Сайт Wiley online library / Электрон. Дан http://onlinelibrary.wiley.com/doi/10.1002/adma.201100054/abstract свободный - Загл. с экрана – Англ. Яз. 241. Обзор современных возможностей и перспектив развития органической электроники [Электронный ресурс]: Сайт Научно-практического журнала «Наука и инновации» / Электрон. Дан http://innosfera.org/node/682 свободный - Загл. с экрана – Рус. Яз. 242. Carbon Nanotube Electronics [Электронный ресурс]: Сайт Springer Science+Business Media / Электрон. Дан http://www.springer.com/engineering/circuits+%26+systems/book/978-0-387-36833-7 свободный - Загл. с экрана – Англ. Яз. 243. Carbon Nanotubes: Synthesis and Properties [Электронный ресурс]: Сайт Nova Publishers / Электрон. Дан https://www.novapublishers.com/catalog/ свободный - Загл. с экрана – Англ. Яз. 244. Исследование продольных колебаний -О-Н групп в хризотиловом асбесте методами нейтронного рассеяния и поляризационной ИК-спектроскопии 323 [Электронный ресурс]: Сайт Журнала «Физика твердого тела» / Файл формата .pdf http://journals.ioffe.ru/ftt/2011/02/p389-393.pdf свободный - Загл. с экрана – Рус. Яз. 245. Поляризационные явления в полиэтиленоксиде и нанокомпозитах на его основе [Электронный ресурс]: Сайт Международной научно-практической конференции «ФУНДАМЕНТАЛЬНЫЕ ПРОБЛЕМЫ РАДИОЭЛЕКТРОННОГО ПРИБОРОСТРОЕНИЯ» (INTERMATIC - 2013) / Файл формата .pdf http://conf.mirea.ru/CD2012/pdf/p2/3.pdf свободный - Загл. с экрана – Рус. Яз. 246. Investigation of a conjugated polyelectrolyte interlayer polymer: Fullerene solar cells [Электронный ресурс]: Сайт National Physical Laboratory / Электрон. Дан http://www.npl.co.uk/server.php?controller=publication&action=conPublication&contentI d=5828 для зарегистрированных пользователей - Загл. с экрана – Англ. Яз. 247. Piezoelectricity and Ferroelectricity in Biomaterials: From Proteins to Self- assembled Peptide Nanotubes [Электронный ресурс]: Сайт Springer Science+Business Media / Электрон. Дан https://www.novapublishers.com/catalog/ свободный - Загл. с экрана – Англ. Яз. 248. Сегнетоэлектричество в нанокомпозитах на основе пористого стекла с включениями NaNO2[Электронный ресурс]: Сайт Журнала eLibrary / Файл формата .pdf http://elibrary.ru/item.asp?id=17057745 платный - Загл. с экрана – Рус. Яз. 249. Phase transitions and macroscopic properties of NaNO3 embedded into porous glasses[Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S0022309311002262 платный - Загл. с экрана – Англ. Яз. 250. The generalized Jonscher's relationship for conductivity and its confirmation for porous structures [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S0022309311004765 платный - Загл. с экрана – Англ. Яз. 324 251. Особенности атомной динамики свинца, внедренного в нанометровые поры стекла [Электронный ресурс]: Сайт Журнала Экспериментальной и Теоретической физики / Электрон. Дан http://www.jetp.ac.ru/cgi-bin/r/index/r/138/6/p1127?a=list свободный - Загл. с экрана – Рус. Яз. 252. Микросистемотехника инновационное направление развития электроники [Электронный ресурс]: Сайт ОАО «Авангард» / Файл формата .pdf http://www.avangard.org/files/publ/mst_shubarev.pdf свободный - Загл. с экрана – Рус. Яз. 253. Ion-induced nanopatterns on semiconductor surfaces investigated by grazing incidence x-ray scattering techniques [Электронный ресурс]: Сайт IOPscience-контента / Файл формата .pdf http:// http://iopscience.iop.org/09538984/21/22/224007/ платный - Загл. с экрана – Англ. Яз. 254. Multimaterial piezoelectric fibres [Электронный ресурс]: Сайт журнала NATURE MATERIALS / Электрон. Дан http://www.nature.com/nmat/journal/v9/n8/abs/nmat2792.html свободный - Загл. с экрана – Англ. Яз. 255. Spark Plasma Sintering as a Useful Technique to the Nanostructuration of Piezo- Ferroelectric Materials [Электронный ресурс]: Сайт web-библиотеки LibGen / Файл формата .pdf http:// libgen.org/scimag1/10.1002/adem.200900052.pdf свободный - Загл. с экрана – Англ. Яз. 256. Nanoscale Ferroelectric and Piezoelectric Properties of Sb2S3 Nanowire Arrays [Электронный ресурс]: Сайт ACS Publications / Электрон. Дан http://pubs.acs.org/doi/abs/10.1021/nl2039106 платный - Загл. с экрана – Англ. Яз. 257. Morphology controlled fabrication and ferroelectric properties of vertically aligned one-dimensional lead titanate nanoarrays [Электронный ресурс]: Сайт IOPscience / Электрон. Дан http://iopscience.iop.org/0957-4484/23/13/135602 для зарегистрированных пользователей - Загл. с экрана – Англ. Яз. 325 258. Piezoelectric paint: characterization for further applications [Электронный ресурс]: Сайт IOPscience / Электрон. Дан http://iopscience.iop.org.sci-hub.org/09641726/21/4/045017 свободный - Загл. с экрана – Англ. Яз. 259. Scalable device for quantum information processing [Электронный ресурс]: Сайт National Physical Laboratory / Электрон. Дан http://www.npl.co.uk/news/scalabledevice-for-quantum-information-processing свободный - Загл. с экрана – Англ. Яз. 260. 5D ‘Superman memory’ crystal could lead to unlimited lifetime data storage [Электронный ресурс]: Сайт University of Southampton / Электрон. Дан http://www.southampton.ac.uk/mediacentre/news/2013/jul/13_131.shtml свободный Загл. с экрана – Англ. Яз. 261. На острие прогресса [Электронный ресурс]: Сайт Института точной механики и вычислительной техники им. С. А. Лебедева РАН / Электрон. Дан http://www.ipmce.ru/about/press/popular/redstar221206/ свободный - Загл. с экрана – Рус. Яз. 262. Аппаратно-программно-алгоритмический комплекс дистанционного кардиореспираторного мониторинга [Электронный ресурс]: Сайт Журнала «Вестник новых медицинских технологий» / Файл формата .pdf http://medtsu.tula.ru/VNMT/Bulletin/E2012-1/4079.pdf свободный - Загл. с экрана – Рус. Яз. 263. Global Markets and Technologies for Sensors [Электронный ресурс]: Сайт компании BCC Research Market Forecasting / Электрон. Дан http://www.bccresearch.com/market-research/instrumentation-and-sensors/sensorsmarkets-technologies-ias006e.html для зарегистрированных пользователей - Загл. с экрана – Англ. Яз. 264. Россию покроет «умная пыль» [Электронный ресурс]: Сайт Интернет портала «Эксперт» / Электрон. Дан http://expert.ru/2013/08/21/v-rossii-budet-svoya-umnayapyil/ свободный - Загл. с экрана – Рус. Яз. 326 265. Перспективы развития наноэлектроники в России [Электронный ресурс]: Сайт Научно-технического журнала «Наноиндустрия» / Электрон. Дан http://www.nanoindustry.su/journal/article/1793 свободный - Загл. с экрана – Рус. Яз. 266. Hype Cycle (Цикл зрелости технологий Gartner) [Электронный ресурс]: Сайт TADVISER. Государство. Бизнес. ИТ. / Электрон. Дан http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%82%D1%8C%D1 %8F:Hype_Cycle_(%D0%A6%D0%B8%D0%BA%D0%BB_%D0%B7%D1%80%D0% B5%D0%BB%D0%BE%D1%81%D1%82%D0%B8_%D1%82%D0%B5%D1%85%D0 %BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B9_Gartner) свободный Загл. с экрана – Рус. Яз. 267. Беспроводные решения [Электронный ресурс]: Сайт корпорации Intel / Электрон. Дан http://www.intel.ru/content/www/ru/ru/wireless-network/wirelessproducts.html свободный - Загл. с экрана – Рус. Яз. 268. Что чувствует компьютер? [Электронный ресурс]: Сайт TechnoFresh/ Электрон. Дан http://technofresh.ru/technology/appearance/sensorable.html свободный - Загл. с экрана – Рус. Яз. 269. Датчики и интеллектуальные сенсоры [Электронный ресурс]: Сайт Белорусского республиканского общественного объединения радиофизиков / Файл формата .pdf http://www.rfe.by/media/kafedry/kaf5/publikation/kozlova/metrologia1/present13-14.pdf свободный - Загл. с экрана – Рус. Яз. 270. A MICRO-MECHANICAL CAPACITIVE INDUCTIVE SENSOR FOR WIRELESS DETECTION OF RELATIVE OR ABSOLUTE PRESSURE [Электронный ресурс]: Сайт FPO IP Research & Communities / Электрон. Дан http://www.freepatentsonline.com/EP1802952.html свободный - Загл. с экрана – Англ. Яз. 327 271. Robust INS/GPS Sensor Fusion for UAV Localization Using SDRE Nonlinear Filtering [Электронный ресурс]: Сайт Ieeexplore / Электрон. Дан http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=5427255&url=http%3A%2F%2Fie eexplore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D5427255 свободный - Загл. с экрана – Англ. Яз. 272. Estimation of Basic Activities of Daily Living Using ZigBee 3D Accelerometer Sensor Network [Электронный ресурс]: Сайт Ieeexplore / Электрон. Дан http://ieeexplore.ieee.org.sci-hub.org/xpls/abs_all.jsp?arnumber=6603511&tag=1 свободный - Загл. с экрана – Англ. Яз. 273. Multimaterial piezoelectric fibres [Электронный ресурс]: Сайт журнала NATURE MATERIALS / Электрон. Дан http://www.nature.com/nmat/journal/v9/n8/abs/nmat2792.html свободный - Загл. с экрана – Англ. Яз. 274. Gas Sensor for Volatile Anesthetic Agents Based on Raman Scattering [Электронный ресурс]: Сайт web-библиотеки LibGen / Файл формата .pdf http:// libgen.org/scimag5/10.1016/j.phpro.2012.10.108.pdf свободный - Загл. с экрана – Англ. Яз. 275. 5D ‘Superman memory’ crystal could lead to unlimited lifetime data storage [Электронный ресурс]: Сайт University of Southampton / Электрон. Дан http://www.southampton.ac.uk/mediacentre/news/2013/jul/13_131.shtml свободный Загл. с экрана – Англ. Яз. 276. Беспроводные решения [Электронный ресурс]: Сайт корпорации Intel / Электрон. Дан http://www.intel.ru/content/www/ru/ru/wireless-network/wirelessproducts.html свободный - Загл. с экрана – Рус. Яз. 277. A Revolution in Sensing [Электронный ресурс]: Сайт корпорации Texas Instruments / Электрон. Дан http://www.ti.com/ww/en/analog/dataconverters/inductanceto-digital-converter/index.html свободный - Загл. с экрана – Англ. Яз. 328 278. An All-Printed Ferroelectric Active Matrix Sensor Network Based on Only Five Functional Materials Forming a Touchless Control Interface [Электронный ресурс]: Сайт Wiley online library / Электрон. Дан http://onlinelibrary.wiley.com/doi/10.1002/adma.201100054/abstract свободный - Загл. с экрана – Англ. Яз. 279. Carbon Nanotube Electronics [Электронный ресурс]: Сайт Springer Science+Business Media / Электрон. Дан http://www.springer.com/engineering/circuits+%26+systems/book/978-0-387-36833-7 свободный - Загл. с экрана – Англ. Яз. 280. Carbon Nanotubes: Synthesis and Properties [Электронный ресурс]: Сайт Nova Publishers / Электрон. Дан https://www.novapublishers.com/catalog/ свободный - Загл. с экрана – Англ. Яз. 281. Implementation of wireless body area networks for healthcare systems [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S0924424710002657 платный - Загл. с экрана – Англ. Яз. 282. Микросистемотехника инновационное направление развития электроники [Электронный ресурс]: Сайт ОАО «Авангард» / Файл формата .pdf http://www.avangard.org/files/publ/mst_shubarev.pdf свободный - Загл. с экрана – Рус. Яз. 283. Россию покроет «умная пыль» [Электронный ресурс]: Сайт Интернет портала «Эксперт» / Электрон. Дан http://expert.ru/2013/08/21/v-rossii-budet-svoya-umnayapyil/ свободный - Загл. с экрана – Рус. Яз. 284. Беспроводные решения [Электронный ресурс]: Сайт корпорации Intel / Электрон. Дан http://www.intel.ru/content/www/ru/ru/wireless-network/wirelessproducts.html свободный - Загл. с экрана – Рус. Яз. 329 285. Wireless Ad hoc and Sensor Network Underground with Sensor Data in Real-Time [Электронный ресурс]: Сайт ThinkMind / Электрон. Дан http://www.thinkmind.org/index.php?view=article&articleid=icsnc_2011_8_20_20225 свободный - Загл. с экрана – Англ. Яз. 286. Scalable device for quantum information processing [Электронный ресурс]: Сайт National Physical Laboratory / Электрон. Дан http://www.npl.co.uk/news/scalabledevice-for-quantum-information-processing свободный - Загл. с экрана – Англ. Яз. 287. Piezoelectric Ribbons Printed onto Rubber for Flexible Energy Conversion [Электронный ресурс]: Сайт ACS Publications / Электрон. Дан http://pubs.acs.org/doi/pdf/10.1021/nl903377u свободный - Загл. с экрана – Англ. Яз. 288. Direct-Write Piezoelectric Polymeric Nanogenerator with High Energy Conversion Efficiency [Электронный ресурс]: Сайт ACS Publications / Электрон. Дан http:// http://pubs.acs.org/doi/pdf/10.1021/nl9040719 свободный - Загл. с экрана – Англ. Яз. 289. На острие прогресса [Электронный ресурс]: Сайт Института точной механики и вычислительной техники им. С. А. Лебедева РАН / Электрон. Дан http://www.ipmce.ru/about/press/popular/redstar221206/ свободный - Загл. с экрана – Рус. Яз. 290. Дистанционные методы кардиологического мониторинга в диагностике влияния высоких нагрузок на организм спортсменов и космонавтов [Электронный ресурс]: Сайт Журнала «Авиакосмическая и экологическая медицина» / Электрон. Дан http://www.imbp.ru/WebPages/WIN1251/INFRO/j-2012/Index-article-2012.html свободный - Загл. с экрана – Рус. Яз. 291. Wireless Technology Changing Our World [Электронный ресурс]: Сайт компнии Atmel / Электрон. Дан http://www.atmel.com/technologies/wireless/default.aspx свободный - Загл. с экрана – Англ. Яз. 292. Wireless Sensor Networks - Dust Networks [Электронный ресурс]: Сайт компнии Dust Networks / Электрон. Дан 330 http://www.linear.com/products/wireless_sensor_networks свободный - Загл. с экрана – Англ. Яз. 293. Wireless Energy Management Products [Электронный ресурс]: Сайт компнии Millennial Net / Электрон. Дан http://millennialnet.com/EnergyManagement/Products.aspx свободный - Загл. с экрана – Англ. Яз. 294. Wireless Sensors and Cameras [Электронный ресурс]: Сайт компнии Digi International / Электрон. Дан http://digi.com/products/wireless-sensors-and-cameras/ свободный - Загл. с экрана – Англ. Яз. 295. Low Power Consumption [Электронный ресурс]: Сайт компнии Wireless Sensors / Электрон. Дан http://www.wirelesssensors.com/technology/low-power-consumption свободный - Загл. с экрана – Англ. Яз. 296. Global Markets and Technologies for Sensors [Электронный ресурс]: Сайт компании BCC Research Market Forecasting / Электрон. Дан http://www.bccresearch.com/market-research/instrumentation-and-sensors/sensorsmarkets-technologies-ias006e.html для зарегистрированных пользователей - Загл. с экрана – Англ. Яз. 297. A Survey on Futuristic Health Care System: WBANs [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S1877705812009526 свободный - Загл. с экрана – Англ. Яз. 298. Potential and challenges of body area networks for cardiac monitoring [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S0022073607006632 платный - Загл. с экрана – Англ. Яз. 299. An ultra-wideband wireless body area network: Evaluation in static and dynamic channel conditions [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан 331 http://www.sciencedirect.com/science/article/pii/S0924424712002233 платный - Загл. с экрана – Англ. Яз. 300. DTN routing in body sensor networks with dynamic postural partitioning [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S1570870510000351 платный - Загл. с экрана – Англ. Яз. 301. Wireless sensor networks for personal health monitoring: Issues and an implementation [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S0140366406000508 платный - Загл. с экрана – Англ. Яз. 302. Wireless personal area networks architecture and protocols for multimedia applications [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S1570870510001460 платный - Загл. с экрана – Англ. Яз. 303. Wireless wearable network and wireless body-centric network for future wearable computer [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S1005888508600102 платный - Загл. с экрана – Англ. Яз. 304. Wireless sensor network based wearable smart shirt for ubiquitous health and activity monitoring [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S0925400509003724 платный - Загл. с экрана – Англ. Яз. 305. Prototype of a secure wireless patient monitoring system for the medical community [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S0924424711006017 платный - Загл. с экрана – Англ. Яз. 332 306. Emergency access mechanism in IEEE 802.15.4 for wireless body area sensor networks [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S1005888508602848 платный - Загл. с экрана – Англ. Яз. 307. MEMSWear-biomonitoring system for remote vital signs monitoring [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S0016003209000167 платный - Загл. с экрана – Англ. Яз. 308. Energy-aware Peering Routing Protocol for indoor hospital Body Area Network Communication [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S1877050912003845 свободный - Загл. с экрана – Англ. Яз. 309. Wireless sensor networks for rehabilitation applications: Challenges and opportunities [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S1084804512002196 платный - Загл. с экрана – Англ. Яз. 310. An agent-based signal processing in-node environment for real-time human activity monitoring based on wireless body sensor networks [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S0952197611001072 платный - Загл. с экрана – Англ. Яз. 311. Программное обеспечение аппаратно-программно-алгоритмического комплекса дистанционного кардиореспираторного мониторинга [Электронный ресурс]: Сайт Журнала «Вестник новых медицинских технологий» / Файл формата .pdf http://medtsu.tula.ru/VNMT/Bulletin/E2012-1/4080.pdf свободный - Загл. с экрана – Рус. Яз. 333 312. Применение облачных технологий в медицинских дистанционных диагностических устройствах [Электронный ресурс]: Сайт Журнала «Врач и информационные технологии» / Электрон. Дан http://www.idmz.ru/idmz_site.nsf/pages/vit2012_5.html свободный - Загл. с экрана – Рус. Яз. 313. Алгоритмы регулирования информационных потоков между врачом и пациентом при дистанционной диагностике в режиме реального времени [Электронный ресурс]: Сайт Журнала «Информационные технологии» / Электрон. Дан http://www.novtex.ru/IT/it2013/number07.html свободный - Загл. с экрана – Рус. Яз. 314. Capacitive contact lens sensor for continuous non-invasive intraocular pressure monitoring [Электронный ресурс]: Сайт Sciencedirect / Электрон. Дан http://www.sciencedirect.com/science/article/pii/S0924424713004135 платный - Загл. с экрана – Англ. Яз. 315. MVN Biomech [Электронный ресурс]: Сайт Компании Xsens / Электрон. Дан http://www.xsens.com/en/general/mvn-biomch свободный - Загл. с экрана – Англ. Яз. 316. Vicon [Электронный ресурс]: Сайт Компании Vicon / Электрон. Дан http://www.vicon.com свободный - Загл. с экрана – Англ. Яз. 317. Перспективы развития наноэлектроники в России [Электронный ресурс]: Сайт Научно-технического журнала «Наноиндустрия» / Электрон. Дан http://www.nanoindustry.su/journal/article/1793 свободный - Загл. с экрана – Рус. Яз. 318. Hype Cycle (Цикл зрелости технологий Gartner) [Электронный ресурс]: Сайт TADVISER. Государство. Бизнес. ИТ. / Электрон. Дан http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%82%D1%8C%D1 %8F:Hype_Cycle_(%D0%A6%D0%B8%D0%BA%D0%BB_%D0%B7%D1%80%D0% B5%D0%BB%D0%BE%D1%81%D1%82%D0%B8_%D1%82%D0%B5%D1%85%D0 334 %BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B9_Gartner) свободный Загл. с экрана – Рус. Яз. 319. Tetsuya Ido. Frequency Standards Transferring from Microwave to Optical. Status of next-generation optical atomic clocks toward redefining the second/ NewBreeze, p.1213 - 2013. 320. Ye J., Ma L.S., Hall J.L. “Molecular iodine clock” Phis. Rev. Lett. 87 270801(2001) 321. Раткин Л. Полувековой юбилей лазерной техники: стратегия развития отрасли. Фотоника, Выпуск #2/(2011). 322. J. Reichert, R. Holzwarth, Th. Udem, and T. W. Hänsch. Measuring the frequency of light with mode-locked lasers. Opt. Comm., 172:59–68, 1999. 323. Th. Udem, R. Holzwarth, and T. W. Hänsch. Optical frequency metrology. Nature, 416(6877):233–237, 2002. 324. С.Н. Багаев, В.И. Денисов, В.Ф. Захарьяш, А.В. Каширский, В.М. Клементьев, С.А. Кузнецов, И.И. Корель, В.С. Пивцов, "Фемтосекундные оптические часы", Квант. электроника, 2004, 34 (12), 1096–1100. 325. J. L. Hall and T. W. Hänsch. History of optical comb development. In J. Ye and S. T. Cundiff, editors, Femtosecond Optical Frequency Comb Technology: Principle, Operation, and Applications, pages 1–11. Springer, New York, 2005. 326. J. L. Hall. Nobel lecture: Defining and measuring optical frequencies. Rev. Mod.Phys., 78:1279–1295, 2006. T. W. Hänsch. Nobel lecture: Passion for precision. Rev. Mod. Phys., 78:1297–1309, 2006. 327. A. Cingöz, D. C. Yost, T. K. Allison, A. Ruehl, M. E. Fermann, I. Hartl, and J. Ye. Broadband phase noise suppression in a Yb-fiber frequency comb. Opt. Lett. 36, 743-745 (2011) 335 328. Jun Ye and Steven T. Cundiff «Femtosecond Optical Frequency Comb: Principle, Operation, and Applications», Springer, 2005 329. D. J. Jones, S. A. Diddams, J. K. Ranka, A. Stentz, R. S.Windeler, J. L. Hall, and S. T. Cundiff, “Carrier-envelope phase control of femtosecond modelocked lasers and direct optical frequency synthesis,” Science 288, 635 (2000). 330. R. Holzwarth, M. Zimmermann, Th. Udem, T. W. Hänsch, P. Russbüldt, K. Gäbel, R. Poprawe, J. C. Knight, W. J. Wadsworth, and P. St. J. Russell, “White-light frequency comb generation with a diode-pumped Cr:LiSAF laser,” Opt. Lett. 26, 1376–1378 (2001). 331. B. Washburn, S. Diddams, N. Newbury, J. W. Nicholson, M. F. Yan, and C. G. Jørgensen, “A self-referenced, erbium fiber laser-based frequency comb in the near infrared,” Opt. Lett. 29, 252–254 (2004). 332. F. Tauser, A. Leitenstorfer, and W. Zinth, “Amplified femtosecond pulses from an Er:fiber system: Nonlinear pulse shortening and self-referencing detection of the carrierenvelope-phase evolution,” Opt. Express 11, 594–600 (2003). 333. K. Kim, B. R. Washburn, G. Wilpers, C. W. Oates, L. Hollberg, N. R. Newbury, S. A. Diddams, J. W. Nicholson, and M. F. Yan, “Stabilized frequency comb with a selfreferenced femtosecond Cr:forsterite laser,” Opt. Lett. 30, 932–934 (2005). 334. I. Hartl, M. E. Fermann, P. Pal, and W. H. Knox, “Self referenced Yb-fiber-laser frequency comb using a dispersion micromanaged tapered holey fiber,” in Conference on Lasers and Electro-Optics/Quantum Electronics and Laser Science Conference and Photonic Applications Systems Technologies, OSA Technical Digest Series (CD) (Optical Society of America, 2007), paper CMU2. 335. S. A. Meyer, J. A. Squier, and S. A. Diddams, “Diode pumped Yb:KYW femtosecond laser frequency comb with stabilized carrier-envelope offset frequency,” European Physics Journal D 48, 19 (2008) 336 336. M. C. Stumpf, S. Pekarek, A. E. H. Oehler, T. Südmeyer, J. M. Dudley, and U. Keller, “Self-referencable frequency comb from a 170-fs, 1.5-m solid-state laser oscillator,” Appl. Phys. B 99, 401–408 (2009). 337. David Bitauld, Simon Osborne, and Stephen O’Brien, "Timing characterization of 100 GHz passively mode-locked discrete mode laser diodes," Opt. Express 19, 1398913999 (2011) 338. Scott A. Diddams. The evolving optical frequency comb [Invited]. J. Opt. Soc. Am. B 27, B51-B62 (2010) 339. K. L. Corwin, N. R. Newbury, J. M. Dudley, S. Coen, S. A. Diddams, K. Weber, and R. S. Windeler, “Fundamental noise limitations to supercontinuum generation in microstructure fiber,” Phys. Rev. Lett. 90, 113904 (2003). 340. T. Fortier, A. Bartels, and S. A. Diddams, “Octave-spanning Ti:sapphire laser with a repetition rate 1 GHz for optical frequency measurements and comparisons,” Opt. Lett. 31, 1011–1013(2006). 341. P. Del’Haye, A. Schliesser, O. Arcizet, T. Wilken, R.Holzwarth, and T. J. Kippenberg, “Optical frequency comb generation from a monolithic microresonator,” Nature 450, 1214–1217 (2007). 342. Mark A. Foster, Jacob S. Levy, Onur Kuzucu, Kasturi Saha, Michal Lipson, and Alexander L. Gaeta, "Silicon-based monolithic optical frequency comb source," Opt. Express 19, 14233-14239 (2011) 343. Yoshitomo Okawachi, Kasturi Saha, Jacob S. Levy, Y. Henry Wen, Michal Lipson, and Alexander L. Gaeta, "Octave-spanning frequency comb generation in a silicon nitride chip," Opt. Lett. 36, 3398-3400 (2011) 344. Hong F.-L. Isukawa J. Et all “comparison of independent optical frequency measurements using a portable iodine-stabilized Nd:YAG laser” IEEE 52 240 (2001). 337 345. J. Pfeifle, M. Lauermann, D. Wegner, J. Li, K. Hartinger, V. Brasch, T. Herr, D. Hillerkuss, R. M. Schmogrow, T. Schimmel, R. Holzwarth, T. J. Kippenberg, J. Leuthold, W. Freude, and C. Koos, "Microresonator-Based Frequency Comb Generator as Optical Source for Coherent WDM Transmission," in Optical Fiber Communication Conference/National Fiber Optic Engineers Conference 2013, OSA Technical Digest (online) (Optical Society of America, 2013), paper OW3C.2. 346. Оптический стандарт частоты Nd:YAG /I2 (ILP I2/532 – 3L) [Электронный ресурс]: Сайт Сибирского отделения ИНФ РАН / http://www.laser.nsc.ru/new/Present/gr1_2/gr1_2pr5r.htm - свободный - Загл. с экрана Рус. яз 347. Фемтосекундные волоконные лазеры [Электронный ресурс]: Сайт компании Авеста-Проект / - http://www.avesta.ru/pagesrus/femtosecond-laser-systems/29-.htm свободный - Загл. с экрана - Рус. яз 348. CHEETAH - Fastest Legged Robot [Электронный ресурс]: Boston Dynamics / - http://www.bostondynamics.com/robot_cheetah.html - свободный - Загл. с экрана Англ. яз. 349. BigDog - The Most Advanced Rough-Terrain Robot on Earth [Электронный ресурс]: Boston Dynamics / - http://www.bostondynamics.com/robot_bigdog.html свободный - Загл. с экрана - Англ. яз. 350. PETMAN [Электронный ресурс]: Boston Dynamics / - http://www.bostondynamics.com/robot_petman.html - свободный - Загл. с экрана Англ. яз. 351. K. Kaneko, F. Kanehiro, S. Kajita, H. Hirukawa, T. Kawasaki, M. Hirata, K. Akachi, T. Isozumi. Humanoid robot HRP-2. IEEE International Conference on Robotics and Automation. Proceedings. 2004. Vol. 2, p. 1083 – 1090. 352. Christine Gallen. Global Market for Human Augmentation Systems to Reach $877 Million by 2020, According to ABI Research [Электронный ресурс]: Business Wire / - 338 http://www.businesswire.com/news/home/20100127006192/en/Global-Market-HumanAugmentation-Systems-Reach-877 - свободный - Загл. с экрана - Англ. яз. 353. Teal Group Predicts Worldwide UAV Market Will Total $89 Billion in Its 2013 UAV Market Profile and Forecast [Электронный ресурс]: Teal Group Corparation / http://tealgroup.com/index.php/about-teal-group-corporation/press-releases/94-2013-uavpress-release - свободный - Загл. с экрана - Англ. яз. 354. С.В. Краевский, Д.А. Рогаткин. Медицинская робототехника: первые шаги медицинских роботов. Технологии живых систем. 2010. Т. 7. № 4. С. 3-14. 355. T. Carlson, R. Leeb, R. Chavarriaga, J. Millan. The birth of the brain-controlled wheelchair. IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2012. 356. Xylinas E, Ploussard G, Durand X, de la Taille A. Robot-assisted extraperitoneal laparoscopic radical prostatectomy: a review of the current literature. Urol Oncol. 2013. vol. 31(3), p. 288-93. 357. E. Sato, T. Yamaguchi, F. Harashima. Natural Interface Using Pointing Behavior for Human–Robot Gestural Interaction. IEEE Transactions on Industrial Electronics. 2007. Vol. 54, Issue 2, p. 1105 – 1112. 358. F. Matthews et. al. Hemodynamics for Brain-Computer Interfaces. Signal Processing Magazine, IEEE. 2008. Vol. 25, Issue 1, p. 87 – 94. 359. M. Wada, Kang Sup Yoon, H.Hashimoto. Development of advanced parking assistance system. IEEE Transactions on Industrial Electronics, vol. 50, Issue 1. 360. Chris Urmson. Where the Robot Meets the Road: Realizing Self-Driving Vehicles [Электронный ресурс]: The RoboBusiness Conference / http://www.robobusiness.com/2013/program/realizing-self-driving-vehicles - свободный Загл. с экрана - Англ. яз. 361. Survey: Drivers ready to trust robot cars? [Электронный ресурс]: CarInsurance / - http://www.carinsurance.com/Articles/autonomous-cars-ready.aspx - свободный - Загл. с экрана - Англ. яз. 362. R. Ortega, M.W. Spong. Adaptive motion control of rigid robots: a tutorial. Proceedings of the 27th IEEE Conference on Decision and Control. vol. 2, 1575 – 1584. 339 363. R. Ortega, M.W. Spong, F. Gomez-Estern, G. Blankenstein. Stabilization of a class of underactuated mechanical systems via interconnection and damping assignment. IEEE Transactions on Automatic Control. 2002. Vol. 47, Issue 8, p. 1218-1233. 364. GLOBAL SYSTEMS SCIENCE Developing a GSS research programme [Электронный ресурс] URL: http://blog.global-systems-science.eu/ – свободный – Загл. с экрана. Англ. яз. 365. Иванов С.В., Князьков К.В., Чуров Т.Н., Духанов А.В., Бухановский А.В. Моделирование и оптимизация движения городского пассажирского транспорта в среде облачных вычислений CLAVIRE // Динамика сложных систем - XXI ВЕК. — 2013. — № 3. — С. 35-39. 366. Batty M., Axhausen K.W., Giannotti F., Pozdnoukhov A., Bazzani A., Wachowicz M., Ouzounis G., Portugali Y. Smart cities of the future: Eur. Phys. J. Special Topics 214, — 2013. — P.481–518. 367. Wang Y., Huynh G., Williamson C. Integration of Google Maps / Earth with microscale meteorology models and data visualization // Computer and Geoscience, — Vol. 61. — 2013. — P. 23 – 31 368. Якушев А.В. Расчет динамики распространения ВИЧ на базе модели контактной эпидемиологической сети в среде облачных вычислений CLAVIRE // Динамика сложных систем. — 2013. — №3 — С. 51 – 55. 369. Nagel W.E., Kröner D.B., ReschHigh M.M. Performance Computing in Science and Engineering ’11: Transactions of the High Performance Computing Center, Stuttgart (HLRS). — Springer-Verlag Berlin: Heidelberg, 2012. — 649 p. 370. Головнеченко Е.Н. Комплекс программ параллельной декомпозиции сеток // Вычислительные методы и программирование. — Т.11. — 2011. — С. 360 – 365. 371. Маслов В.Г., Чивилихин С.А., Бухановский А.В., Свитенков А.И. Суперкомпьютерное моделирование наноструктурных комплексов с учетом 340 нелокальности транспортных процессов // Динамика сложных систем. — 2013.— №3(7) —С. 6 – 11. 372. Chen A.S., Evans B., Djordjevic´ S., Savic´ D.A. Multi-layered coarse grid modelling in 2D urban flood simulations // Journal of Hydrology. — 2012. — №470–471. — P. 1–11. 373. Васильев В.Н., Бухановский А.В. Облачные технологии для eScience и eEngineering: моделирование сложных систем // Динамика сложных систем. —2013. – М.: Радиотехника – С. 4 – 5. 374. Иванов С.В., Князьков К.В., Чуров Т.Н., Духанов А.В., Бухановский А.В. Моделирование и оптимизация движения городского пассажирского транспорта в среде облачных вычислений CLAVIRE // Динамика сложных систем. — 2013.— №3(7). — С. 35 – 39. 375. Kovalchuk S.V., Smirnov P.A., Maryin S.V., Tchurov T.N., Karbovskiy V.A. Deadline-Driven Resource Management within Urgent Computing Cyberinfrastructure // Procedia Computer Science. — V. 18, Proceedings of the International Conference on Computational Science. ICCS 2013. — 2013. — Р. 2203 – 2212. 376. Salehi M.A., Javadi B., Buyya R. Resource provisioning based on preempting virtual machines in distributed systems [Электронный ресурс]: Concurrency Computat.: Pract. Exper — Wiley Online Library. Режим доступа: http://onlinelibrary.wiley.com/doi/10.1002/cpe.3004/abstract. 377. CityOne - симулятор города от IBM позволит определить проблемы городской инфраструктуры до момента их возникновения [Электронный ресурс]: DailyTechInfo. Режим доступа: http://www.dailytechinfo.org/infotech/1291-cityonesimulyator-goroda-ot-ibm-pozvolit-opredelit-problemy-gorodskoj-infrastruktury-domomenta-ix-vozniknoveniya.html. 341 378. Wang Y., Huynh G., Williamson C. Integration of Google Maps/Earth with microscale meteorology models and data visualization // Computer and Geoscience. — 2013. —Vol. 61. — P. 23 – 31. 379. Компьютерная модель позволяет увидеть тело пациента изнутри [Электронный ресурс]: Медпортал. Режим доступа:http://medportal.ru/mednovosti/news/2007/05/24/cave/. 380. Soui M., Abed M., Ghedira K. Fuzzy Logic Approach for Adaptive Systems Design // Human-Computer Interaction. Towards Intelligent and Implicit Interaction Lecture Notes in Computer Science. — 2013. — Vol. 8008. — P 141-150. 381. Гомозов О.В., Ладыженский Ю.В. Инкрементные алгоритмы решения систем линейных алгебраических уравнений и архитектура мультипроцессоров на программируемой логике // Научный вестник Донецкого национального технического университета (ДонНТУ). — 2010. — №12 (165) — С. 34 – 39. 382. Finch T. Incremental calculation of weighted mean and variance [Электронный ресурс]: University of Cambridge Computing Service. Режим доступа: http://nfsuxsup.csx.cam.ac.uk/~fanf2/hermes/doc/antiforgery/stats.pdf. 383. Borrero J.D., Gualda E. Crawling big data in a new frontier for socioeconomic research: testing with social tagging [Электронный ресурс]: University de Huelva. Режим доступа: http://rabida.uhu.es/dspace/bitstream/handle/10272/6414/Crawling_big_data.pdf?sequence =2. 384. Удаленный мониторинг состояния здоровья оказался в центре внимания ведущих ИТ-специалистов здравоохранения [Электронный ресурс]: ЗАО «АйТи». Рпежим доступа: http://www.it.ru/press_center/news/7352/. 385. Новые возможности спутникового мониторинга пожаров и половодий [Электронный ресурс]: СканЭкс / 342 http://www.scanex.ru/ru/news/News_Preview.asp?id=n22611535 http://www.it.ru/press_center/news/7352/ – свободный – Загл. с экрана. Рус. яз. 386. Helbing D., Bishop S., Conte R., Lukowicz P., McCarthy J.B. FuturICT: Participatory computing to understand and manage our complex world in a more sustainable and resilient way // European Physical Journal. Special Topics 214. — 2012. – P. 11–39. 387. Carter N.P., Agrawal A., Borkar S., Cledat R., David H., Dunning D., Fryman J., Ganev I., Golliver R.A., Knauerhase R., Lethin R., Meister B., Mishra A.K., Pinfold W.R., Teller J., Torrellas J., Vasilache N., Venkatesh G., XuRunnemede J. An Architecture for Ubiquitous High-Performance Computing [Электронный ресурс]: University of Illinois. Режим доступа: http://iacoma.cs.uiuc.edu/iacoma-papers/hpca13_1.pdf. 388. Kovalchuk S.V. [et al.] Virtual Simulation Objects Concept as a Framework for System-Level Simulation // 2012 IEEE 8th International Conference on E-Science (eScience). — 2012. — Р. 1 – 8. 389. Is the Age of Silicon Computing Coming to an End? Physicist Michio Kaku Says "Yes" [Электронный ресурс]: The Daily Galaxy. Режим доступа: http://www.dailygalaxy.com/my_weblog/2012/05/is-the-age-of-silicon-coming-to-an-endphysicist-michio-kaku-says-yes.html. 390. GLOBAL SYSTEMS SCIENCE Developing a GSS research programme [Электронный ресурс] URL: http://blog.global-systems-science.eu/. 391. Сулакшин С.С. Глобальный паразитизм и мировые кризисы // Глобальные тенденции развития мира (матер. Всерос. науч. конф.) – М.: Научный эксперт, 2012 – С. 34 – 48. 392. GLOBAL SYSTEMS SCIENCE Developing a GSS research programme [Электронный ресурс] / http://blog.global-systems-science.eu/ – свободный – Загл. с экрана. Англ. яз. 343 393. Иванов С.В./ Моделирование и оптимизация движения городского пассажирского транспорта в среде облачных вычислений CLAVIRE/ Иванов С.В., Князьков К.В., Чуров Т.Н., Духанов А.В., Бухановский А.В.// Динамика сложных систем - XXI ВЕК. – 2013. 394. M. Batty, K.W. Axhausen, F. Giannotti, A. Pozdnoukhov, A. Bazzani, M. Wachowicz, G. Ouzounis, and Y. Portugali. Smart cities of the future: Eur. Phys. J. Special Topics 214, 2013. – pp.481–518 395. Якушев А.В. Расчет динамики распространения ВИЧ на базе модели контактной эпидемиологической сети в среде облачных вычислений CLAVIRE // Динамика сложных систем, №3, 2013 – М.: Радиотехника – С. 51 – 55. 396. Каширин В. В., Иванов С. В., Бухановский А. В. Эвристические алгоритмы моделирования и оптимизации структуры неоднородных комплексных сетей // Динамика сложных систем, №3, 2013 – М.: Радиотехника – С. 41 – 45. 397. Renaud Lambiotte, Stefan Thurner, Michael Szella, Multirelational organization of large-scale social networks in an online world [Электронный ресурс]: Proceedings of the National Academy of Sciences of the United States of America / http://www.pnas.org/content/early/2010/07/13/1004008107.abstract – свободный – Загл. с экрана. Англ. яз. 398. Коргин Н. А., Корепанов В. О. Решение задачи эффективного распределения ресурсов на основе механизма Гровса-Лейдярда при трансферабельной полезности / Управление большими системами. Выпуск 46. М.: ИПУ РАН, 2013. С.216-265. 399. Ломов А. А. Вариационные методы идентификации линейных динамических систем и проблема локальных экстремумов / Управление большими системами. Выпуск 39. М.: ИПУ РАН, 2012. С.53-94. 400. Чуров Т. Н., Князьков К. В., Иванов С. В., [и др.] Технологии экстренных вычислений в задачах планирования и диспетчеризации маршрутов наземного 344 общественного транспорта //Научно-технический вестник ИТМО, №5(87) – СПб.: ИТМО, 2013 – С. 173 – 174. 401. Васильев В.Н., Бухановский А.В. Облачные технологии для eScience и eEngineering: моделирование сложных систем. Динамика сложных систем, №3, 2013 – М.: Радиотехника – С. 4 – 5 402. С.В. Иванов, К.В. Князьков, Т.Н. Чуров, А.В. Духанов, А.В. Бухановский. Моделирование и оптимизация движения городского пассажирского транспорта в среде облачных вычислений CLAVIRE // Динамика сложных систем №3(7), 2013 – С. 35 – 39. 403. Benoˆıt Calvez and Guillaume Hutzler. Automatic Tuning of Agent-Based Models Using Genetic Algorithms [Электронный ресурс]: Proceedings of the 6th international conference on Multi-Agent-Based Simulation / URL: http://dl.acm.org/citation.cfm?id=2096759 – свободный – Загл. с экрана. Англ. яз. 404. Kashif Zia, Katayoun Farrahi, Andreas Riener and Alois Ferscha. An agent-based parallel geo-simulation of urban mobility during city-scale evacuation [Электронный ресурс]: Simulation / http://sim.sagepub.com/content/early/2013/05/13/0037549713485468 – свободный – Загл. с экрана. Англ. яз. 405. Калюжная А.В., Бухановский А.В. Технология ансамблевого прогноза нагонных наводнений в Санкт-Петербурге // Динамика сложных систем №3(7). – М.: Радиотехника, 2013 – С. 17 – 21. 406. Иванов С.В., Князьков К.В., Чуров Т.Н., Духанов А.В., Бухановский А.В. Моделирование и оптимизация движения городского пассажирского транспорта в среде облачных вычислений CLAVIRE // Динамика сложных систем - XXI ВЕК. — 2013. — № 3. — С. 35-39. 407. Batty M., Axhausen K.W., Giannotti F., Pozdnoukhov A., Bazzani A., Wachowicz M., Ouzounis G., Portugali Y. Smart cities of the future // European Physical Journal. Special Topics 214. — 2013. — P. 481–518. 345 408. Якушев А.В. Расчет динамики распространения ВИЧ на базе модели контактной эпидемиологической сети в среде облачных вычислений CLAVIRE // Динамика сложных систем. —2013. — №3. — С. 51 – 55. 409. Васильев В.Н., Бухановский А.В. Облачные технологии для eScience и eEngineering: моделирование сложных систем // Динамика сложных систем. —2013. — №3. — С. 4 – 5. 410. Иванов С.В., Князьков К.В., Чуров Т.Н., Духанов А.В., Бухановский А.В. Моделирование и оптимизация движения городского пассажирского транспорта в среде облачных вычислений CLAVIRE // Динамика сложных систем - XXI ВЕК. — 2013. — № 3. — С. 35-39. 411. Kovalchuk S.V., Smirnov P.A., Maryin S.V., Tchurov T.N., Karbovskiy V.A. Deadline-Driven Resource Management within Urgent Computing Cyberinfrastructure // Procedia Computer Science. — Vol. 18. — Proceedings of the International Conference on Computational Science, ICCS 2013. — 2013. — Р. 2203 – 2212. 412. Salehi M.A., Javadi B., Buyya R. Resource provisioning based on preempting virtual machines in distributed systems [Электронный ресурс]: Concurrency Computat.: Pract. Exper - Wiley Online Library. Режим доступа: http://onlinelibrary.wiley.com/doi/10.1002/cpe.3004/abstract. 413. CityOne - симулятор города от IBM позволит определить проблемы городской инфраструктуры до момента их возникновения [Электронный ресурс]: DailyTechInfo. Режим доступа: http://www.dailytechinfo.org/infotech/1291-cityonesimulyator-goroda-ot-ibm-pozvolit-opredelit-problemy-gorodskoj-infrastruktury-domomenta-ix-vozniknoveniya.html. 414. Zia K., Farrahi K., Riener A., Ferscha A. An agent-based parallel geo-simulation of urban mobility during city-scale evacuation [Электронный ресурс]: Simulation. Режим доступа: http://sim.sagepub.com/content/early/2013/05/13/0037549713485468. 346 415. Wang Y., Huynh G., Williamson C. Integration of Google Maps/Earth with microscale meteorology models and data visualization // Computer and Geoscience. — 2013. —Vol. 61. — P. 23 – 31. 416. Borrero J.D., Gualda E. Crawling big data in a new frontier for socioeconomic research: testing with social tagging [Электронный ресурс]: University de Huelva. Режим доступа: http://rabida.uhu.es/dspace/bitstream/handle/10272/6414/Crawling_big_data.pdf?sequence =2. 417. [Электронный ресурс]: ЗАО «АйТи». Режим доступа: http://www.it.ru/press_center/news/7352/. 418. Helbing D., Bishop S., Conte R., Lukowicz P., McCarthy J.B. FuturICT: Participatory computing to understand and manage our complex world in a more sustainable and resilient way // European Physical Journal. Special Topics 214, — 2012. — P. 11–39. 419. Carter N.P., Agrawal A., Borkar S., Cledat R., David H., Dunning D., Fryman J., Ganev I., Golliver R.A., Knauerhase R., Lethin R., Meister B., Mishra A.K., Pinfold W.R., Teller J., Torrellas J., Vasilache N., Venkatesh G., XuRunnemede J. An Architecture for Ubiquitous High-Performance Computing // [Электронный ресурс]: University of Illinois. Режим доступа: http://iacoma.cs.uiuc.edu/iacoma-papers/hpca13_1.pdf. 420. Kovalchuk S.V. [et al.] Virtual Simulation Objects Concept as a Framework for System-Level Simulation // 2012 IEEE 8th International Conference on E-Science (eScience). — 2012. — Р. 1 – 8. 421. Systems of Neuromorphic Adaptive Plastic Scalable Electronics [электронный ресурс] режим доступа: http://en.wikipedia.org/wiki/SyNAPSE [дата обращения 15.11.2013]. 422. IBM Research Report // 10**14 // [электронный ресурс] режим доступа: http://www.modha.org/blog/SC12/RJ10502.pdf [дата обращения 15.11.2013] // 2 pages. 347 423. Chih-Hung Wu, Chiung-Hui Tsai // Robust classification for spam filtering by back- propagation neural networks using behavior-based features // Applied Intelligence October 2009, Volume 31, Issue 2, pp 107-121 424. Fact Sheet: BRAIN Initiative [Электронный ресурс] режим доступа: http://www.whitehouse.gov/the-press-office/2013/04/02/fact-sheet-brain-initiative [дата обращения 12.11.2013]. 425. The Human Brain Project [Электронный ресурс] режим доступа: https://www.humanbrainproject.eu/ [дата обращения 12.11.2013] 426. Center for Neural and Emergent Systems (CNES) [Электронный ресурс] режим доступа: http://www.hrl.com/laboratories/cnes/cnes_publications.html [дата обращения 12.11.2013] 427. IBM Research – Cognitive Computing [электронный ресурс] режим доступа: http://www.research.ibm.com/cognitive-computing/- [дата обращения 12.11.2013]. 428. HP Intelligent Infrastructure [Электронный ресурс] режим доступа http://www.hpl.hp.com/research/intelligent_infrastructure.html [дата обращения 15.11.2013]. 429. IBM Unveils Cognitive Computing Chips [электронный ресурс] режим доступа http://www-03.ibm.com/press/us/en/pressrelease/35251.wss [дата обращения 15.11.2013]. 430. Inside IBM's cognitive chip [электронный ресурс] режим доступа http://www.nature.com/news/2011/110818/full/news.2011.486.html [дата обращения 15.11.2013]. 431. Jae-sun Seo, Bernard Brezzo, Yong Liu, Benjamin D. Parker, Steven K. Esser, Robert K. Montoye, Bipin Rajendran, José A. Tierno, Leland Chang, Dharmendra S. Modha, and Daniel J. Friedman // A 45nm CMOS Neuromorphic Chip with a Scalable Architecture for Learning in Networks of Spiking Neurons // Custom Integrated Circuits Conference (CICC), 2011 IEEE, 19-21 Sept. 2011 // 348 http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=6055293&sortType%3Dasc_p_ Sequence%26filter%3DAND%28p_IS_Number%3A6055276%29 // 4 pages. 432. John E. Kelly III and Steve Hamm // Smart Machines: IBM's Watson and the Era of Cognitive Computing // [электронный ресурс] режим доступа: http://cup.columbia.edu/static/cognitive [дата обращения 15.11.2013] // 22 pages, Copyright 2013 Columbia University Press. 433. Computational Cognitive Neuroscience Laboratory (CCNlab) // [электронный ресурс] режим доступа: http://grey.colorado.edu/CompCogNeuro [дата обращения 15.11.2013]. 434. Cognitive Computation Group at the Department of Computer Science, University of Illinois at Urbana-Champaign // [электронный ресурс] режим доступа: http://cogcomp.cs.illinois.edu/ [дата обращения 15.11.2013]. 435. Computational Cognitive Sacience Lab [электронный ресурс] режим доступа: http://cocosci.berkeley.edu/ [дата обращения 15.11.2013]. 436. Cognitive Computing Research Group [электронный ресурс] режим доступа: http://ccrg.cs.memphis.edu/ [дата обращения 15.11.2013]. 437. Cognitive Research Group at Department of Brain and Cognitive Sciences, MIT [электронный ресурс] режим обращения: http://cocosci.mit.edu/ [дата обращения 15.11.2013]. 438. Cognitive Computing Laboratory – Indiana University // [электронный ресурс] режим обращения: http://www.indiana.edu/~clcl/ [дата обращения 15.11.2013]. 439. UCSD Cognitive Science [электронный рескрс] режим доступа: http://www.cogsci.ucsd.edu/ [дата обращения 15.11.2013]. 440. Neural Networks Research Group [электронный ресурс] режим доступа: http://nn.cs.utexas.edu/ // [дата обращения 15.11.2013]. 349 441. Sequoia IBM Blue Gene/Q // [электронный ресурс] режим доступа: https://computing.llnl.gov/?set=resources&page=SCF_resources#sequoia [дата обращения 15.11.2013]. 442. Robert Preissl, Theodore M. Wong, Pallab Datta, Myron Flickner, Raghavendra Singh, Steven K. Esser, William P. Risk, Horst D. Simon, and Dharmendra S. Modha // Compass: A scalable simulator for an architecture for Cognitive Computing // SC12 - The International Conference for High Performance Computing, Networking, Storage and Analysis Salt Lake City, Utah, USA 10-16 November 2012 // 11 pages. 443. Arnon Amir, Pallab Datta, William P. Risk, Andrew S. Cassidy, Jeffrey A. Kusnitz, Steve K. Esser, Alexander Andreopoulos, Theodore M. Wong, Myron Flickner, Rodrigo Alvarez-Icaza, Emmett McQuinn, Ben Shaw, Norm Pass, and Dharmendra S. Modha // Cognitive Computing Programming Paradigm: A Corelet Language for Composing Networks of Neurosynaptic Cores // The International Joint Conference on Neural Networks, Dallas, TX, August 4-9 2013 // 10 pages. 444. Steve K. Esser, Alexander Andreopoulos, Rathinakumar Appuswamy, Pallab Datta, Davis Barch, Arnon Amir, John Arthur, Andrew Cassidy, Myron Flickner, Paul Merolla, Shyamal Chandrax, Nicola Basilico, Stefano Carpin,y, Tom Zimmerman, Frank Zeex, Rodrigo Alvarez-Icaza, Jeffrey A. Kusnitz, Theodore M. Wong, William P. Risk, Emmett McQuinn, Tapan K. Nayakz, Raghavendra Singhz, and Dharmendra S. Modha // Cognitive Computing Systems: Algorithms and Applications for Networks of Neurosynaptic Cores // The International Joint Conference on Neural Networks, Dallas, TX, August 4-9 2013 // 10 pages. 445. Andrew S. Cassidy, Paul Merolla, John V. Arthur, Steve K. Esser, Bryan Jackson, Rodrigo Alvarez-Icaza, Pallab Datta, Jun Sawaday, Theodore M. Wong, Vitaly Feldman, Arnon Amir, Daniel Ben-Dayan Rubin, Filipp Akopyan, Emmett McQuinn, William P. Risk, and Dharmendra S. Modha // Cognitive Computing Building Block: A Versatile and Efficient Digital Neuron Model for Neurosynaptic Cores // The International Joint Conference on Neural Networks, Dallas, TX, August 4-9 2013 // 10 pages. 350 446. Benjamin Shaw 1, Aaron Cox 2 , Paula Besterman 2 , Jason Minyard 2 , Camillo Sassano 2 , Rodrigo Alvarez-Icaza 1, Alexander Andreopoulos 1, Rathinakumar Appuswamy 1, Andrew Cassidy 1, Shyamal Chandra *, Pallab Datta 1, Emmett McQuinn 1, William Risk 1 and Dharmendra S. Modha // COGNITIVE COMPUTING COMMERCIALIZATION: BOUNDARY OBJECTS FOR COMMUNICATION // 3rd INT. CONF. ON INTEGRATION OF DESIGN, ENGINEERING & MANAGEMENT FOR INNOVATION Porto, Portugal, 4-6th September 2013 // 10 pages. 447. Risto Miikkulainen // Evolving Neural Networks (presentation) // The International Joint Conference on Neural Networks, Dallas, TX, August 4-9 2013 // 76 slides. 448. The International Neural Network Society (INNS) // [электронный ресурс] режим обращения: http://inns.org/ // [дата обращения 16.11.2013]. 449. The European Neural Network Society (ENNS) // [электронный ресурс] режим обращения: http://www.e-nns.org/ [дата обращения 16.11.2013]. 450. Philip Graff, Farhan Feroz, Michael P. Hobson, Anthony N. Lasenby // SKYNET: an efficient and robust neural network training tool for machine learning in astronomy // [электронный ресурс] режим доступа: http://arxiv.org/abs/1309.0790 [дата обращения 16.11.2013]. 451. A.Martin, Na.Ba.Anutthamaa, M.Sathyavathy, Marie Manjari Saint Francois, Dr.V.Prasanna Venkatesan // A Framework for Predicting Phishing Websites using Neural Networks // [электронный ресурс] режим доступа: http://arxiv.org/abs/1109.1074 [дата обращения 16.11.2013]. 452. Motion capture system with VZ4000v Tracker [Электронный ресурс]: SouVR / - http://en.souvr.com/product/Print.asp?ArticleID=9854 – свободный – Загл. с экрана. Англ. яз. 453. Werner Goebl, Caroline Palmer. Temporal Control and Hand Movement Efficiency in Skilled Music Performance [Электронный ресурс]: PLOS One / - 351 http://www.plosone.org/article/fetchObject.action?uri=info%3Adoi%2F10.1371%2Fjourn al.pone.0050901&representation=PDF – свободный – Загл. с экрана. Англ. яз. 454. Андрей Васильков. Для нового метода 3D-анимации достаточно только проектора и камеры [Электронный ресурс]: Компьютерра /http://www.computerra.ru/37132/dlya-novogo-metoda-3d-animatsii-dostatochn/ свободный – Загл. с экрана – Рус. яз. 455. Iason Oikonomidis, Nikolaos Kyriazis, Antonis A. Argyros. Efficient Model-based 3D Tracking of Hand Articulations using Kinect [Электронный ресурс]: Research Gate / https://www.google.ru/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0CCgQFjA A&url=http%3A%2F%2Fwww.researchgate.net%2Fpublication%2F233950932_Efficient _modelbased_3D_tracking_of_hand_articulations_using_Kinect%2Ffile%2F9fcfd50d72d96c01ca .pdf&ei=RIGrUoeaCOfZ4QSpt4HgCA&usg=AFQjCNFEuHf2gvRompvMns8SvRGg4ELkQ&sig2=sSE_S_LtUW5_u2nFAcLDiQ&bvm=bv.57967247,d. bGE&cad=rjt – свободный – Загл. с экрана – Англ. яз. 456. Brett R. Jones, Hrvoje Benko, Eyal Ofek, Andrew D. Wilson. IllumiRoom: Peripheral Projected Illusions for Interactive Experiences. [Электронный ресурс]: Microsoft / - http://research.microsoft.com/enus/projects/illumiroom/illumiroom_chi2013_bjones.pdf - свободный - Загл. с экрана – Англ. яз. 457. Сергей Попсулин. Разработан пользовательский интерфейс будущего. [Электронный ресурс]:C-News / http://www.cnews.ru/top/2013/04/04/razrabotan_polzovatelskiy_interfeys_budushhego_vi deo_524776 - свободный - Загл. с экрана – Рус. яз. 458. Sean Follmer, Daniel Leithinger, Alex Olwal, Akimitsu Hogge, Hiroshi Ishii. inFORM: Dynamic Physical Affordances and Constraints through Shape and Object Actuation [Электронный ресурс]: Tangible Media Grou / - http://tmgtrackr.media.mit.edu:8020/SuperContainer/RawData/Papers/527352 inFORM%20Dynamic%20Physical%20Affordances/Published/PDF - свободный - Загл. с экрана – Англ. яз. 459. М.Ф. Бондаренко, А.В. Работягов, С.В. Щепковский. Распознавание речи: этапы развития, современные технологии и перспективы их применения / Бионика интеллекта. науч. техн. ж. № 2 (73), 2010 – С. 164 – 168. 460. Нейроинтерфейс дал обезьянам виртуальную пару рук [Электронный ресурс]: Lenta.Ru / - http://lenta.ru/news/2013/11/07/virtualarms/ - свободный – Загл. с экрана – Рус. яз. 461. Мозг двух крыс соединили через континенты [Электронный ресурс]: Lenta.Ru / http://lenta.ru/news/2013/03/01/ratbrainnet/ - свободный – Загл. с экрана – Рус. яз. 462. Создан первый межмозговой интерфейс для человека [Электронный ресурс]: Lenta.Ru http://lenta.ru/news/2013/08/29/brainbranlink/ - свободный – Загл. с экрана – Рус. яз. 463. Статья Ковальчука с нейроинтерфейсом 464. Emotiv Insight — нейроинтерфейс за 229$ [Электронный ресурс]: Хабрахабр / http://habrahabr.ru/post/189700/ - свободный – Загл. с экрана – Рус. яз. 465. Михаил Карпов. Проект Atlas и очки Oculus Rift помогут превратить любую комнату в виртуальный полигон [Электронный ресурс]: Компьютерра / http://www.computerra.ru/77306/proekt-atlas-i-ochki-oculus-rift-pomogut-prevratitlyubuyu-komnatu-v-virtualnyiy-poligon/ - - свободный – Загл. с экрана – Рус. яз. 466. Очки виртуальной реальности vAse будут втрое дешевле Oculus Rift, обходясь без своего экрана [Электронный ресурс]: Компьютерра / http://www.computerra.ru/81149/ochki-virtualnoy-realnosti-vase-budut-v-tri-razradeshevle-oculus-rift-potomu-chto-u-nih-ne-budet-svoego-ekrana/ - свободный – Загл. с экрана – Рус. яз. 467. Canon представил систему дополненной реальности [Электронный ресурс]: Look at Me – Опыт, Будущее, Индустрия, Вдохновение / http://www.lookatme.ru/mag/industry/industry-news/189493-canon-predstavili-sistemudopolnennoy-realnosti - свободный – Загл. с экрана – Рус. яз. 353 468. Google Glass для близоруких [Электронный ресурс]: Популярная механика /http://www.popmech.ru/article/14468-google-glass-dlya-blizorukih/ - свободный – Загл. с экрана – Рус. яз. 469. Пять конкурентов Google Glass [Электронный ресурс]: Форум GLASS / http://the-googleglass.ru/pyat-konkurentov-google-glass/ - свободный – Загл. с экрана – Рус. яз. 470. Распознавание речи: технологии распознавания речи [Электронный ресурс]: Центр речевых технологий / http://www.speechpro.ru/technologies/recognition#tab2 свободный – Загл. с экрана – Рус. яз. 471. Microsoft Research. Будущее рядом: интерактивный рабочий стол, Illumishare и Holoflector [Электронный ресурс]: Хабрахабр / http://habrahabr.ru/post/138998/ свободный – Загл. с экрана – Рус. яз. 472. Что нас ждет в Microsoft Kinect 2.0? [Электронный ресурс] : Хабрахабр / http://habrahabr.ru/company/veeam/blog/196636/ - свободный – Загл. с экрана – Рус. яз. 473. Михаил Карпов. Эта система виртуальной реальности позволяет побродить по бесконечному лабиринту в небольшой комнате. [Электронный ресурс]: Компьютерра / http://www.computerra.ru/63363/eta-sistema-virtualnoy-realnostipozvolyaet-pobrodit-po-beskonechnomu-labirintu-v-nebolshoy-komnate/ - свободный – Загл. с экрана – Рус. яз. 474. Николай Маслухин. Очки, похожие на Google Glass, позволяют управлять планшетом так, как если бы он висел в воздухе. [Электронный ресурс]: Компьютерра / http://www.computerra.ru/78939/ochki-pohozhie-na-google-glasspozvolyayut-upravlyat-planshetom-tak-kak-esli-byi-on-visel-v-vozduhe/ - свободный – Загл. с экрана – Рус. яз. 475. Николай Маслухин. Disney поможет почувствовать кожей прикосновение виртуальных объектов. [Электронный ресурс]: Компьютерра / http://www.computerra.ru/79991/disney-aireal/ - свободный – Загл. с экрана – Рус. яз. 476. Николай Маслухин. На Kickstarter собирают деньги на костюм, позволяющий кожей почувствовать себя в игре [Электронный ресурс]: Компьютерра / 354 http://www.computerra.ru/70096/kickstarter-araig/ - свободный – Загл. с экрана – Рус. яз. 477. С.И. Абрахин, Д.С. Бутюгин, В.В. Гетманский, А.В. Горшков, Д.Е. Демидов, Ю.Б. Линд, Е.О. Тютляева, Д.А. Усталов, Д.А. Фадеев, К.С. Хорьков, А.В. Духанов, А.В. Бухановский. Облачные технологии в задачах интерактивной 3D-визуализации: опыт организации межвузовской мобильности молодых ученых / Информационноизмерительные и управляющие системы, № 11, 2012 – М.: Радиотехника – С. 25 – 33. 478. Антон Чивчалов. Нейроинтерфейсы: что принесет будущее. [Электронный ресуср]: ARNext / http://arnext.ru/articles/neyrointerfeysy-chto-prinesyot-budushhee1776 - свободный – Загл. с экрана – Рус. яз. 479. The Future of Smart: Intelligence in 2034 [Электронный ресурс]: Andart Blog / http://www.aleph.se/andart/archives/2009/02/the_future_of_smart_intelligence_in_2034.ht ml - свободный – Загл. с экрана – Англ. яз. 480. Дисплей в контактных линзах [Электронный ресурс]: Русская планета / http://rusplt.ru/articles/science/science_1883.html - свободный – Загл. с экрана – Рус. яз. 481. A Day Made of Glass... Made possible by Corning. [Электронный ресурс]: Corning / http://www.youtube.com/watch?v=6Cf7IL_eZ38 - свободный – Загл. с экрана – Англ. яз. 482. Andrea Minuto, Anton Nijholt. Smart material interfaces as a methodology for interaction: a survey of SMIs' state of the art and development [Электронный ресурс]: SMI '13 - Proceedings of the second international workshop on Smart material interfaces: another step to a material future / http://dl.acm.org/citation.cfm?id=2534689&CFID=271006889&CFTOKEN=11150171 свободный – Загл. с экрана – Англ. яз. 483. Панделя Штефан. Научный прогноз будущего. [Электронный ресурс]: Университет "Perspectiva-INT" / http://www.youtube.com/watch?v=MVFCZw0dJJ4 - свободный – Загл. с экрана – Рус. яз. 355 484. «Overview and Applications of Cryptology» компания CRYPTOOL http://www.cryptool.org/images/ct1/presentations/CrypToolPresentation-en.pdf Электронный ресурс. Англ. яз. 485. «Group Health Reinvents Patient Care With RTLS» Swedberg Clarie, RFID Journal http://www.rfidjournal.com/articles/view?9828 Электронный ресурс. Англ. яз. 486. «A New Parallel Window-Based Implementation of the Elliptic Curve Point Multiplication in Multi-Core Architectures» Saikat Basu, International Journal of Network Security, Vol.13, No.3, PP.234-241, Nov. 2011 487. «Keccak and the SHA-3 Standardization»http://csrc.nist.gov/groups/ST/hash/sha- 3/documents/Keccak-slides-at-NIST.pdf Электронный ресурс. Англ. яз. 488. Cloud security alliance https://cloudsecurityalliance.org/ Электронный ресурс. Англ. яз. 489. «Implementation of Elliptic-Curve Cryptography on Mobile Healthcare Devices» Malhorta K., http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=4238997 Электронный ресурс. Англ. яз. 490. «Unbalancing Pairing-Based Key Exchange Protocols» Scott Michael, Cryptology e-print 491. http://eprint.iacr.org/2013/688.pdf Электронный ресурс. Англ. яз. «DeadDrop/Strongbox Security Assessment» Bruce Schneier, https://www.schneier.com/paper-deaddrop.html Электронный ресурс. Англ. яз. 492. «The Internet: Anonymous Forever» Bruce Schneier, https://www.schneier.com/essay-308.html Электронный ресурс. Англ. яз. 493. «Design of Cryptographic Devices Resilient to Fault Injection Attacks Using Nonlinear Robust Codes» Mark Karpovsky, http://mark.bu.edu/papers/221.pdf 494. «HAIL: A High-Availability and Integrity Layer for Cloud Storage» http://www.emc.com/emc-plus/rsa-labs/hail/Hail.pdf Электронный ресурс. Англ. яз. 495. «NIST and the Help America Vote Act (HAVA)» http://www.nist.gov/itl/vote/ Электронный ресурс. Англ. яз. 496. «A SURVEY OF BIOMETRIC RECOGNITION METHODS» Kresimir Delac, Mislav Grgic, 46th International Symposium Electronics in Marine, ELMAR-2004, 16-18 June 2004, Zadar, Croatia – стр. 184-193, Англ. яз. 356 497. «Биометрия на службе охраны правопорядка и безопасности» http://citforum.ru/computer/2010-02/ - Электронный ресурс. Русс. яз. 498. ePassport: The World's New Electronic Passport A Report About the ePassport’s Benefits, Risks and its Security. http://www.epassport-book.com/download.php Электронный ресурс. Русс. яз. 499. Studies of Plain-to-Rolled Fingerprint Matching Using the NIST Algorithmic Test Bed (ATB), http://www.nist.gov/customcf/get_pdf.cfm?pub_id=151586 Электронный ресурс. Англ. яз. 500. «Cube attack» Adi Shamir, CRYPTO-2008 http://eprint.iacr.org/2008/385 Электронный ресурс. Англ. яз. 501. «Side-channel attacks: new directions and horizons» Сергей Скоробогатов, конференция ECRYPTO 2011, http://www.cl.cam.ac.uk/~sps32/ECRYPT2011_2.pdf Электронный ресурс. Англ. яз. 502. «Design of Cryptographic Devices Resilient to Fault Injection Attacks Using Nonlinear Robust Codes» Марк Карповсикй, http://mark.bu.edu/papers/221.pdf Электронный ресурс. Англ. яз. 503. «Post-quantum cryptography» Bernstein Daniel, http://pqcrypto.org/ Электронный ресурс. Англ. яз. 504. «Implementation of Elliptic-Curve Cryptography on Mobile Healthcare Devices» http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=4238997 Электронный ресурс. Англ. яз. 505. «A New Parallel Window-Based Implementation of the Elliptic Curve Point Multiplication in Multi-Core Architectures» Saikat Basu, International Journal of Network Security, Vol.13, No.3, PP.234-241, Nov. 201. 506. «Квантовая криптография»Учебное пособие МГУ имени Ломоносова, факультет ВМК, 112 стр. 507. «Unbalancing Pairing-Based Key Exchange Protocols» Scott Michael, http://eprint.iacr.org/2013/688.pdf Электронный ресурс. Англ. яз. 508. Keccak and the SHA-3 Standardization http://csrc.nist.gov/groups/ST/hash/sha- 3/documents/Keccak-slides-at-NIST.pdf Электронный ресурс. Англ. яз. 357 509. Standoff Technology Integration and Demonstration Program: Biometric Optical Surveillance System Tests, http://www.dhs.gov/ Электронный ресурс. Англ. яз. 510. Основные тенденции развития отрасли разработки ПО в России: отчет НП РУССОФТ. [Электронный ресурс]: http://www.russoft.ru/tops/1785 - свободный Загл. с экрана - Рус. яз. 511. TIOBE Programming Community Index for October 2013. [Электронный ресурс]: http://www.tiobe.com/index.php/content/paperinfo/tpci/index.html - свободный - Загл. с экрана - Англ. яз. 512. Eclipse – The Eclipse foundation open source community web site. [Электронный ресурс]: http://eclipse.org/- свободный - Загл. с экрана - Англ. яз. 513. http://www.jetbrains.com/idea/ 514. http://www.microsoft.com/visualstudio/rus/visual-studio-2013 515. Clark J., Dolado J. J., Harman M., Hierons R., Jones B., Lumkin M., Mitchell B., Mancoridis S., Rees K., Roper M., Shepperd M. Reformulating Software Engineering as a Search Problem. IEEE Proceedings-Software. 2003. Vol. 150. № 3, pp. 161 – 175. 516. Harman M., Mansouri A., Zhang Y. Search-Based Soft¬ware Engineering: A Comprehensive Analysis and Review of Trends, Techniques, and Applications. Tech. report TR-09-03. Dept. of Computer Science. King’s College London, 2009. 517. Harman M. Why the Virtual Nature of Software Makes It Ideal for Search-Based Optimization / Proceeding of 13th International Conference Fundamental Approaches to Software Engineering (FASE 10). IEEE CS Press. 2010, pp. 1 – 12. 518. Harman M. Software Engineering Meets Evolutionary Computation // Computer. 2011. Vol. 44. № 11, pp. 31 – 39. 519. Bagnall A.J., Rayward-Smith V.J., Whittley I.M. The Next Release Problem // Information and Software Technol¬ogy. Dec. 2001, pp. 883 – 890.= 358 520. Zhang Y., Finkelstein A., Harman M. Search-Based Requirements Optimisation: Existing Work and Chal¬lenges / Proceedings of Internationall Working Conference on Requirements Engineering: Foundation for Software Quality (REFSQ 08). LNCS 5025. Springer. 2008, pp. 88 – 94. 521. Afzal W., Torkar R., Feldt R. A Systematic Review of Search-Based Testing for Non-Functional System Proper¬ties // Information and Software Technology. 2009. Vol. 51. № 6, pp. 957 – 976. 522. Räihä O. A Survey on Search-Based Software Design //Computer Science Rev. 2010. Vol. 4. № 4, pp. 203 – 249. 523. Ali S., Briand L., Hemmati H., Panesar-Walawege R. K. A Systematic Review of the Application and Empirical Investigation of Search-Based Test-Case Genera¬tion // IEEE Transactions of Software Engineering. 2010. Vol. 36, № 6, pp. 742 – 762. 524. Harman M. Automated Test Data Generation Using Search-Based Software Engineering / Proceedings of 2nd International Work¬shop Automation of Software Test (AST 07). IEEE CS Press, 2007, p. 2. 525. 16. McMinn P. Search-Based Software Test Data Generation: A Survey // Software Testing, Verification and Reliability. 2004. Vol. 14. № 2, pp. 105 – 156. 526. Harman M., Tratt L. Pareto Optimal Search-Based Refactoring at the Design Level / Proceedings of 9th Annual Conference on Ge¬netic and Evolutionary Computation (GECCO 07). ACM Press. 2007, pp. 1106 – 1113. 527. O’Keeffe M., O’Cinneide M. Search-Based Software Maintenance / Proceedings of Conference on Software Maintenance and Re-engineering (CSMR 06). IEEE CS Press. 2006, pp. 249 – 260. 528. Harman M., Mansouri A., Zhang Y. Search-Based Soft¬ware Engineering: A Comprehensive Analysis and Review of Trends, Techniques, and Applications. Tech. report TR-09-03. Dept. of Computer Science. King’s College London, 2009. 359 529. Емельянов В. В., Курейчик В. М., Курейчик В. В. Теория и практика эволюционного моделирования. М.: Физматлит, 2003. 530. Гладков Л. А., Курейчик В. В., Курейчик В. М. Генетические алгоритмы. М.: Физматлит, 2006. 531. Курейчик В.М. Генетические алгоритмы. Состояние, проблемы, перспективы // Известия РАН. Теория и системы управления. 1999. № 1, с. 144 – 160. 532. Курейчик В.В., Курейчик В.М., Сороколетов П.В. Анализ и обзор моделей эволюции // Известия РАН. Теория и системы управления. 2007. № 5, с. 114 – 126. 533. Chambers L. Practical Handbook of Genetic Algorithms. Complex Coding Systems. Volumes I. II, III. CRC Press, 1999. 534. Koza J. Genetic programming. On the Programming of Computers by Means of Natural Selection. MA: The MIT Press, 1998. 535. Beyer H. G. The Theory of Evolution Strategies. Natural Computing Series. Berlin. NY: Springer-Verlag, 2001. 536. De Jong K. Evolutionary computation: a unified approach. MIT Press, Cambridge. MA, 2006. 537. Kennedy J., Eberhart R. C. Swarm Intelligence. Morgan Kaufmann. 2001. 538. Metropolis N., Rosenbluth A., Rosenbluth M., Teller A., Teller E. Equation of state calculations by fast computing machines. Journal of Chemical Physics. 1953. Vol. 21, pp. 1087 – 1092. 539. Harman M., Hierons R., Proctor M. A new representation and crossover operator for search-based optimization of software modularization / In GECCO 2002: Proceedings of the Genetic and Evolutionary Computation Conference (NY, 2002). Morgan Kauffman Publishers, pp. 1351 – 1358. 360 540. Larranaga P., Lozano J. A. Estimation of distribution algorithms: A new tool for evolutionary computation. Kluwer Academic Publishers. Boston, 2002. 541. Glover F. Tabu search: A tutorial //Interfaces. 1990. Vol. 20, pp. 74 – 94. 542. Ferrante N. Cotta C., Moscato P. Handbook of Memetic Algorithms. Berlin, NY: Springer-Verlag, 2012. 543. Glover F., Laguna M., Martí R. Fundamentals of Scatter Search and Path Relinking // Control and Cybernetics, 2000. № 29 (3), pp. 653 – 684 544. De Castro L., Timmis J. Artificial Immune Systems: A New Computational Intelligence Approach. Springer, 2002. 545. Langdon W., Harman M. Optimising Existing Software with Genetic Programming [Электронный ресурс] http://www0.cs.ucl.ac.uk/staff/ucacbbl/ftp/papers/Langdon_2013_ieeeTEC.pdf свободный - Загл. с экрана - Англ. яз. 546. Meta Programming System [Электронный ресурс]: http://www.jetbrains.com/mps/ - свободный - Загл. с экрана - Англ. яз 547. A. S. Shevnin, A. D. Semenov, Yu. B. Porozov. PDB-by-RMSD: the New Service and Tool for Searching Protein Structures. // Am. J. of Bioinformatics Research. 2013. Vol. 3. № 2. P. 30-33. 548. D.A. Tikhvinskiy, Yu.B. Porozov. Bioinformatics and tools for computer analysis and visualization of macromolecules. // Russian Open Medical Journal. 2013. Т. 2. № 1. С. 01011-01013. 549. David J Foran, Lin Yang, Wenjin Chen, Jun Hu, Lauri A Goodell, Michael Reiss, Fusheng Wang, Tahsin Kurc, Tony Pan, Ashish Sharma, Joel H Saltz, ImageMiner: a software system for comparative analysis of tissue microarrays using content-based image retrieval, high-performance computing, and grid technology. // J Am Med Inform Assoc 2011;18:4 403-415 Published Online First: 23 May 2011. [Электронный ресурс]: 361 http://jamia.bmj.com/content/18/4/403.full [свободный] http://jamia.bmj.com/content/18/4/403.full.pdf+html 550. Ian Karliny, Abhinav Bhateley, Jeff Keaslery, Bradford L. Chamberlainzz, Jonathan Coheny, Zachary DeVito, Riyaz Haquez, Dan Laneyy, Edward Luke, Felix Wangx, David Richardsy, Martin Schulzy, Charles H. Stilly. Exploring Traditional and Emerging Parallel Programming Models using a Proxy Application. // 27th IEEE International Parallel & Distributed Processing Symposium (IEEE IPDPS 2013), May 2013. http://charm.cs.uiuc.edu/~bhatele/pubs/pdf/2013/ipdps2013.pdf 551. Javier Camara, Pedro Correia, Rogerio de Lemos, David Garlanz, Pedro Gomes, Bradley Schmerl, Rafael Ventura, Evolving an adaptive industrial software system to use architecture-based self-adaptation. // 35th International Conference on Software Engineering (ICSE 2013), IEEE Press Piscataway, NJ, USA ©2013. [Электронный ресурс]: http://www.yorku.ca/mlitoiu/seams2013/program/index.html [закрытый] 552. Kimpe, D., Carns, P., Harms, K., Wozniak, J. M., Lang, S., & Ross, R. (2012, June). Aesop: Expressing concurrency in high-performance system software. In Networking, Architecture and Storage (NAS), 2012 IEEE 7th International Conference on (pp. 303312). IEEE. 553. M.F. Zini, Yu.Porozov, T. Loni, R. Andrei, M. Zoppè. Use of BioBlender for all atom morphing of protein structures. // EMBNet.Journal. V.18 suppl. A. BITS 2012. P. 124. 554. Mark Sh. Levin, Aliaksei Andrushevich, Rolf Kistler, Alexander Klapproth . Combinatorial evolution and forecasting of communication protocol ZigBee // Electronic preprint. 6 pp., April 15, 2012 [Электронный ресурс]: http://arxiv.org/abs/1204.3259 [cs.NI] http://arxiv.org/abs/1204.3259 свободный http://arxiv.org/pdf/1204.3259v1.pdf – Англ. яз. 362 555. Porozov Yu., Muntjan A., Chizhevskaya E., Simarov B., Andronov E. Linked symbiotic populations: analysis of polymorphism in nfr5 receptor gene by using molecular docking.// Russian journal of genetics: applied research. 2013, Vol. 3, No. 2, pp. 146–151. 556. Song L., Wang J., Wen L., & Kong H. Efficient Semantics-Based Compliance Checking Using LTL Formulae and Unfolding. // Journal of Applied Mathematics, 2013. 557. Torsten Grust, Alexander Ulrich, First-Class Functions for First-Order Database Engines. // Proceedings of the 14th International Symposium on Database Programming Languages (DBPL 2013), August 30, 2013, Riva del Garda, Trento, Italy. [Электронный ресурс]: http://arxiv.org/abs/1308.0158 [свободный] 558. Zhongshan Zhang and Keping Long, Univ. of Sci. & Technol., Beijing, China; Jianping Wang, Self-organization paradigms and optimization approaches for cognitive radio technologies: a survey CITY UNIVERSITY OF HONG KONG. // IEEE Wireless Communications, April 2013 [Электронный ресурс]: http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=6507392&url=http%3A%2F%2Fie eexplore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D6507392 [закрытый] 559. А. А. Кошевой, Е.О. Степанов, Ю.Б. Порозов. Метод предсказания и оптимизации конформационной подвижности белков путем решения транспортной задачи переноса массы.// Принята в ж-л «Биофизика». 560. А.А. Иголкина, Е.Е. Андронов, Ю.Б. Порозов. Метод поиска субстратспецифичных областей ферментов класса целлюлаз на основании их первичной и третичной структур.// Математическая биология и биоинформатика. 2013. Т. 8. № 2. С. 407–418. http://www.matbio.org/article.php?journ_id=16&id=160. 561. Бильский А. В., Ложкин В. А.,Маркович Д. М., Токарев М. П. Метод максимизации энтропии для реконструкции объемных изображений частиц в томографическом методе измерения скорости в объеме потока. // Вычислительные методы и программирование. – 2013. – Т. 14. – С. 17-25. 363 562. Д.М. Спельников, С.Н. Князев, М.А. Балахонцева, М.В. Буздалов, Ю.Б. Порозов, В.Г. Маслов, А.В. Бухановский. Высокопроизводительный программный комплекс моделирования конформационно-зависимых свойств белков в задачах рационального дизайна лекарственных препаратов.// Принята в ж-л «Динамика сложных систем», 2013. № 3. 563. Д.М. Спельников, Ю.Б. Порозов, В.Г. Маслов, А.В. Бухановский. Моделирование конформационно-зависимых свойств белков для рационального дизайна лекарственных препаратов в среде облачных вычислений CLAVIRE. // Научно-технический вестник информационных технологий, механики и оптики. 2013. Т. 87, №5. С. 175-176. 564. Дмитриев В. Н., Тушнов А. С., Сергеева Е. В. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ СИСТЕМЫ МОНИТОРИНГА МНОГОЗВЕННОЙ СЕТИ ПЕРЕДАЧИ ДАННЫХ. // ISSN 2072-9502. Вестник АГТУ. Сер.: Управление, вычислительная техника и информатика. – 2013. – №. 2. – С. 86-91. http://vestnik.astu.org/Content/UserImages/file/inform_2013_2/10.pdf 565. Дольник А.С., Тамазян Г.С., Першина Е.В., Вяткина К.В., Порозов Ю.Б., Пинаев А.Г., Андронов Е.Е. КОНЦЕПЦИЯ УНИВЕРСАЛЬНОЙ ТАКСОНОМИЧЕСКОЙ СИСТЕМЫ БАКТЕРИЙ: ЭВОЛЮЦИОННОЕ ПРОСТРАНСТВО ГЕНА 16S-рРНК v. 1.0 // Сельскохозяйственная биология. 2012. № 5. С. 111-120. 566. Коньшин И. Н., Сушко Г. Б., Харченко С. А. Трёхуровневая MPI+ TBB+ CUDA параллельная реализация блочного итерационного алгоритма решения СЛАУ для мелкоблочных неструктурированных разреженных матриц // Научный сервис в сети Интернет: поиск новых решений: Труды Международной суперкомпьютерной конференции, Москва, Издательство МГУ. – 2012. – С. 522-528. 567. Лукашевич Н.В., Четвёркин И.И. Построение модели для извлечения оценочной лексики в различных предметных областях. // Моделирование и анализ 364 информационных систем. Т. 20, № 2 (2013) 70–79. http://mais.uniyar.ac.ru/sites/default/files/journal/private/20_2__70-79.pdf 568. Олег Майданович, Михаил Охтилев, Борис Соколов. ПЕРСПЕКТИВНЫЕ НАПРАВЛЕНИЯ РАЗВИТИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ МОНИТОРИНГА И УПРАВЛЕНИЯ СОСТОЯНИЯМИ СЛОЖНЫХ ТЕХНИЧЕСКИХ ОБЪЕКТОВ В РЕАЛЬНОМ МАСШТАБЕ ВРЕМЕНИ.// International Journal "Information Models and Analyses" Vol.1, 2012,С. 318−335. 569. Пожилов И. А., Семенов А. С., Макагон Д. В. Прогнозирование масштабируемости задачи умножения разреженной матрицы на вектор при помощи модели коммуникационной сети. // МАТЕМАТИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ВЫЧИСЛИТЕЛЬНЫХ МАШИН. Т. 16, № 6 (51). С. 158–163. Вестник УГАТУ, 2013. http://dislab.org/docs/spmv-article.pdf 570. Порозов Ю.Б., Мунтян А.Н., Чижевская Е.П., Симаров Б.В., Андронов Е.Е. Сопряженные симбиотические популяции. Чаcть ii: анализ полиморфизма рецепторного гена nfr5 с использованием молекулярного докинга. // Экологическая генетика. 2012. Т. 10, № 1. С. 12-18. 571. Javier Camara, Pedro Correia, Rogerio de Lemos, David Garlanz, Pedro Gomes, Bradley Schmerl, Rafael Ventura, Evolving an adaptive industrial software system to use architecture-based self-adaptation. // 35th International Conference on Software Engineering (ICSE 2013), IEEE Press Piscataway, NJ, USA ©2013. [Электронный ресурс]: http://www.yorku.ca/mlitoiu/seams2013/program/index.html [закрытый] 572. MORPH-PRO: a novel algorithm and web server for protein morphing / Natalie E Castellana, Andrey Lushnikov, Piotr Rotkiewicz, Natasha Sefcovic, Pavel A Pevzner, Adam Godzik and Kira Vyatkina // Algorithms for Molecular Biology, Volume 8:19, 2013 [Электронный ресурс]: http://www.almob.org/content/8/1/19 365 573. Robert Jakob and Peter Thiemann Towards, Tree Automata-based Success Types. // Abstract presented at HOPA 2013. [Электронный ресурс]: http://arxiv.org/abs/1306.5061 [свободный] 574. Белевцев А. М., Дружинин М. А. ОБЩАЯ СТРУКТУРА КОМБИНИРОВАННОГО ЭВОЛЮЦИОННО-ГЕНЕТИЧЕСКОГО АЛГОРИТМА ПОИСКА РЕШЕНИЙ В ЗАДАЧАХ ОПТИМИЗАЦИИ ИНФОРМАЦИОННОВЫЧИСЛИТЕЛЬНЫХ ПРОЦЕССОВ. // Известия ЮФУ. Технические науки, – Таганрог: Южный федеральный университет, 05/2013, Раздел III. Алгоритмическое и программное обеспечение, С. 134-138. 575. Белоус Ю.А., Грунский И.С. ЖАДНЫЙ АЛГОРИТМ РАЗЛОЖЕНИЯ ПРЯМОУГОЛЬНОГО ЛАБИРИНТА БЕЗ ДЫР В СИСТЕМУ МАКСИМАЛЬНЫХ ПРЯМОУГОЛЬНИКОВ // Материалы конференции "Информационные управляющие системы и компьютерный мониторинг (ИУС КМ 2013), Секция 8. 19.05.2013, С. 470-473. ДоННТУ. http://ea.donntu.edu.ua:8080/jspui/handle/123456789/20529 576. Волков К. Н., Дерюгин Ю. Н. Емельянов В. Н. Карпенко А. Г. Козелков А. С. Смирнов П. Г., Тетерина И. В. РЕАЛИЗАЦИЯ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ НА ГРАФИЧЕСКИХ ПРОЦЕССОРАХ В ПАКЕТЕ ВЫЧИСЛИТЕЛЬНОЙ ГАЗОВОЙ ДИНАМИКИ ЛОГОС. // Вычислительные методы и программирование. – 2013. – Т. 14. – С. 334-342. 577. Ерохин А. П., Денискин Ю. И. Методика и алгоритмы мультипликации по теоретическому контуру параметрических моделей авиационных конструкций. // Интернет-журнал «Науковедение». – 2013. – №. 4. – С. 17. 578. Жирков В. Ф. ПРОБЛЕМА ЭФФЕКТИВНЫХ ПРИЗНАКОВ В ЗАДАЧАХ РАСПОЗНАВАНИЯ. // ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. «Приборостроение». 2012 366 579. Ляхович Л. С., Перельмутер А. В., Сливкер В. И. РОЛЬ ПАРАДОКСОВ В ОЦЕНКЕ КОРРЕКТНОСТИ РАСЧЕТНЫХ МОДЕЛЕЙ. // International Journal for Computational Civil and Structural Engineering, 9(2), 2013. С.34-42. 580. Осинов В. А., Шапошников Д. Г., Колтунова Т. И., & Подладчикова Л. Н. Динамика пространственно-временных характеристик осмотра изображений: модель и эксперимент. // Электронный рецензируемый журнал «Нейроинформатика». – 2012. – Т. 6. – №. 1. 581. Парамонов П. П., Жаринов И. О. ИНТЕГРИРОВАННЫЕ БОРТОВЫЕ ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ: ОБЗОР СОВРЕМЕННОГО СОСТОЯНИЯ И АНАЛИЗ ПЕРСПЕКТИВ РАЗВИТИЯ В АВИАЦИОННОМ ПРИБОРОСТРОЕНИИ. // Научно-технический вестник информационных технологий, механики и оптики, 2013, № 2 (82). 582. Рыбакин Б. П., Егорова Е. В., Стамов Л. И. Применение графических процессоров для решения задач газовой динамики с учетом уравнений химической кинетики // Вычислительные методы и программирование. – 2013. – Т. 14. – С. 31. 583. Свенч А. А., Файзуллин Р. Т., Хныкин И. Г. ГИБРИДНАЯ СУПЕРКОМПЬЮТЕРНАЯ СИСТЕМА. // Вестник УГАТУ. – 2012. – Т. 16. – №. 3 (48). – С. 138–142. 584. Селиверстов А. В. Замечания о расположениях точек на квадриках. // Моделирование и анализ информационных систем. Т. 19, № 4 (2012) 72–77. 585. Смирнов В. А., Гусев М. Н., Фархадов М. П. Функция модуля акустического моделирования в системе автоматического анализа неструктурированной речевой информации. // Управление большими системами. Выпуск 45. М.: ИПУ РАН, 2013. С.181-205. 586. Хоперсков А.В. ВНЕДРЕНИЕ СУПЕРКОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ В ОБРАЗОВАТЕЛЬНЫЙ ПРОЦЕСС ПО НАПРАВЛЕНИЮ «ИНФОРМАТИКА И 367 ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА». // Вестник ВолГУ. Серия 6. Университетское образование Вып. 13 (2011-2012) С. 63-70. 587. Черепанов Ф. М. ИССЛЕДОВАТЕЛЬСКИЙ СИМУЛЯТОР НЕЙРОННЫХ СЕТЕЙ, ОБЗОР ЕГО ПРИЛОЖЕНИЙ И ВОЗМОЖНОСТИ ПРИМЕНЕНИЯ ДЛЯ СОЗДАНИЯ СИСТЕМЫ ДИАГНОСТИКИ ЗАБОЛЕВАНИЙ СЕРДЕЧНОСОСУДИСТОЙ СИСТЕМЫ // СОВРЕМЕННЫЕ ПРОБЛЕМЫ НАУКИ И ОБРАЗОВАНИЯ. – 2013. – №. 1. – С. 170. 588. Шорников Ю. В., Достовалов Д. Н., Бессонов А. В. Математическое и программное обеспечение компьютерного моделирования гибридных систем // Программные системы: теория и приложения. – 2012. – Т. 3. – №. 5. – С. 45-58. 589. Параллелизм как основа архитектуры вычислительных систем [Электронный ресурс]: ННГУ. Режим доступа: http://www.hpcc.unn.ru/multicore/materials/arch/Ar08.pdf. 590. Глинский Б.М., Куликов И.М., Черных И.Г. Программный комплекс для моделирования динамики астрофизических объектов на гибридных суперЭВМ, оснащенных ускорителями Intel Xeon Phi [Электронный ресурс]: Межд. суперкомпьютерная конф. «Научный сервис сети интернет: все грани параллелизма». Режим доступа: http://agora.guru.ru/abrau2013/presentations/glinskij.pdf. 591. Черепенников В., Местер Н. Exascale: стратегия и тактика движения от Intel. [Электронный ресурс]: Межд. суперкомпьютерная конф. «Научный сервис сети интернет: все грани параллелизма». Режим доступа: http://agora.guru.ru/abrau2013p/resentations/cherepennikov.pdf. 592. Станавов П. HAS от AMD – новый подход или революция? [Электронный ресурс]: Межд. суперкомпьютерная конф. «Научный сервис сети интернет: все грани параллелизма». Режим доступа: http://agora.guru.ru/abrau2013p/resentations/cherepennikov.pdf. 368 593. Графеновые транзисторы - революция в электронике [Электронные ресурс]:Новости науки. Режим доступа: http://novostinauki.ru/news/2448/. 594. Roman Trobec, Mari´an Vajterˇsic, Peter Zinterhof. Parallel Computing. Numerics, Applications, and Trends. — Springer, Dordrecht, Heidelberg, London, New York. — 2009. — 519 p. 595. Нечай О. Мемристор: "недостающий элемент" [Электронный ресурс]: Компьютерра Online. Режим доступа: http://old.computerra.ru/vision/591537/. 596. Sharad M., Augustine C., Panagopoulos G., Roy K. Proposal For Neuromorphic Hardware Using Spin Devices [Электронный ресурс]: Cornell University Library. Режим доступа: http://arxiv.org/abs/1206.3227. 597. Поляков Г.А.. Проблемы и технологии автоматического синтеза параллельного аппаратно-программного обеспечения суперЭВМ и адаптивных самоорганизующихся вычислительных систем [Электронный ресурс]: Национальный суперкомпьютерный форум. Режим доступа: http://www.nscf.ru/TesisAll/Section%203/06_1790_PolyakovGA_S3.pdf 598. Мобильные чипы станут стандартом для суперкомпьютеров – прогноз [Электронный ресурс]: Cyber Security (RU). Режим доступа: http://www.cybersecurity.ru/news/175541.html. 599. Галушкин А.И. На пути к нейрокомпьютерам с использованием мемристоров (рабочий вариант) [Электронный ресурс]: Национальный суперкомпьютерный форум. Режим доступа: http://www.nscf.ru/TesisAll/Plenar/13_1520_GalyshkinAI_P13.pdf. 600. Стасевич К. ДНК-компьютеры все ближе [Электронный ресурс]: Компьютерра. Режим доступа: http://compulenta.computerra.ru/chelovek/biologiya/10004064/. 369 601. Adamatzky А. Programming Reaction-Diffusion Processors [Электронный ресурс]: University of the West of England . Режим доступа: http://uncomp.uwe.ac.uk/adamatzky/programmingrd.pdf. 602. Adl А., Badr А., Farag I. A Note on the Membrane Computer [Электронный ресурс]: Research Gate. Режим доступа: http://arxiv.org/ftp/arxiv/papers/1009/1009.0923.pdf. 603. Is the Age of Silicon Computing Coming to an End? Physicist Michio Kaku Says "Yes" [Электронный ресурс]:The Daily Galaxy. Режим доступа: http://www.dailygalaxy.com/my_weblog/2012/05/is-the-age-of-silicon-coming-to-an-endphysicist-michio-kaku-says-yes.html. 604. Invisible Computers: CENSE, Big Data, Stan Williams, and Ubiquitous Computing [Электронный ресурс]: memristor.org. Режим досутпа: http://www.memristor.org/sensors/508/cense-stan-williams-ubiquitous-computingmarkoff-big-data. 605. Karimi K., Dickson N.G., Hamze F. High-Performance Physics Simulations Using Multi-Core CPUs and GPGPUs in a Volunteer Computing Context [Электронный ресурс]: D-Wave Systems Inc. URL: http://arxiv.org/ftp/arxiv/papers/1004/1004.0023.pdf. 606. Carter N.P., Agrawal A., Borkar S., Cledat R., David H., Dunning D., Fryman J., Ganev I., Golliver R.A., Knauerhase R., Lethin R., Meister B., Mishra A.K., Pinfold W.R., Teller J., Torrellas J., Vasilache N., Venkatesh G., XuRunnemede J. An Architecture for Ubiquitous High-Performance Computing [Электронный ресурс]: University of Illinois. URL: http://iacoma.cs.uiuc.edu/iacoma-papers/hpca13_1.pdf. 607. Ubiquitous high performance computing (UHPC) [Электронный ресурс]: Darpa. URL:http://www.darpa.mil/Our_Work/MTO/Programs/Ubiquitous_High_Performance_C omputing_(UHPC).aspx. 370 608. Чуров Т.Н., Насонов Д.А., Болгова Е.В. Технология построения проблемно- ориентированных сред для научных исследований в рамках модели персонального облака // Динамика сложных систем. — 2013. — №3. — С. 73 – 77. 609. Gartner Identifies the Top 10 Strategic Technology Trends for 2014 [Электронный ресурс]: Garner. URL: http://www.gartner.com/newsroom/id/2603623. 610. Bringing Scientific Workflow to the Masses via Pegasus and HUBzero [Электронный ресурс]: CEUR Workshop Proceedings. URL: http://ceur-ws.org/Vol993/paper4.pdf. 611. Knyazkov K.V., Kovalchuk S.V., Tchurov T.N., Maryin S.V., Boukhanovsky A.V. CLAVIRE: e-Science infrastructure for data-driven computing // Journal of Computational Science. — 2012. — Vol. 3(6). — P. 504–510. 612. Прокошев В.В., Скляренко В.А., Шамин П.Ю. Моделирование распространения сигнала в среде движущихся объектов с применением функций Уолша // «Технические науки - от теории к практике»: материалы XIVмеждународной заочной научно-практической конференции. (10 октября 2012 г.) / Ред. Я.А. Полонского. Новосибирск: Изд.Сибирская ассоциация консультантов, 2012. — С. 20 - 25. 613. Олег Нечай. Мемристор: "недостающий элемент" [Электронный ресурс]: Компьютерра Online. URL: http://old.computerra.ru/vision/591537/. 614. Пятковский Ю. Месяц без подзарядки: будущее аккумуляторных батарей [Электронный ресурс]: ITC.ua. URL: http://itc.ua/articles/mesyats-bez-podzaryadkibudushhee-akkumulyatornyih-batarey/. 615. Альшевский Я. ZTE поставила рекорд дальности передачи данных по оптоволокну [Электронный ресурс]: Onliner. URL: http://tech.onliner.by/2013/10/28/zte-4/. 371 616. Carter N.P., Agrawal A., Borkar S., Cledat R., David H., Dunning D., Fryman J., Ganev I., Golliver R.A., Knauerhase R., Lethin R., Meister B., Mishra A.K., Pinfold W.R., Teller J., Torrellas J., Vasilache N., Venkatesh G., XuRunnemede J. An Architecture for Ubiquitous High-Performance Computing [Электронный ресурс]: University of Illinois. URL: http://iacoma.cs.uiuc.edu/iacoma-papers/hpca13_1.pdf. 617. Стельмах C. Европа готовится к внедрению сетей пятого поколения [Электронный ресурс]: PCWeek. URL: http://www.pcweek.ru/mobile/article/detail.php?ID=158389 – свободный. 618. Dynamic network infrastructures for high performance data centre interconnects [Электронный ресурс]: Cordis. URL: http://cordis.europa.eu/fp7/ict/futurenetworks/documents/call8-projects/lightness-factsheet.pdf. 619. Ковальчук С.В., Бухановский А.В. Облачные вычисления второго поколения: композитные приложения, интерактивные системы и семантические технологии [Электронный ресурс]: Презентация доклада на Всероссийской конференции «Инфокоммуникационные технологии в научных исследованиях». [Электронный ресурс]. URL: http://www.myshared.ru/slide/379432/. 620. A Day Made of Glass... Made possible by Corning. [Электронный ресурс]. URL: Corning / http://www.youtube.com/watch?v=6Cf7IL_eZ38. 621. Baishakhi Ray, B.Sc., B.Tech., M.S. Analysis of Cross-System Porting and Porting Errors in Software Projects. // DISSERTATION Presented to the Faculty of the Graduate School of The University of Texas at Austin in Partial Fulfillment of the Requirements for the Degree of DOCTOR OF PHILOSOPHY THE UNIVERSITY OF TEXAS AT AUSTIN. August 2013. http://rayb.info/uploads/bray_thesis.pdf 622. Pablo Chacin Martinez, A Middleware Framework for Self-Adaptive Large Scale Distributed Services. // Dissertation submitted for the degree of Doctor of Philosophy. Universitat Politecnica de Catalunya. Departament d'Arquitectura dels Computadors. June, 2011. 372 623. Trujillo, Salvador, Alfons Crespo, and Alejandro Alonso. MultiPARTES: Multicore Virtualization for Mixed-Criticality Systems. // Digital System Design (DSD), 2013 Euromicro Conference on Date 4-6 Sept. 2013. http://ieeexplore.ieee.org/xpl/articleDetails.jsp?tp=&arnumber=6628285&url=http%3A%2 F%2Fieeexplore.ieee.org%2Fstamp%2Fstamp.jsp%3Ftp%3D%26arnumber%3D6628285 624. Víctor López-Jaquero, Francisco Montero, Elena Navarro, Antonio Esparcia, José Antonio Catalán, Supporting ARINC 653-based Dynamic Reconfiguration. // Software Architecture (WICSA) and European Conference on Software Architecture (ECSA), 2012 Joint Working IEEE/IFIP Conference on. – IEEE, 2012. – С. 11-20. 625. А. С. Богомолов. Комплексный контроль ресурсов сложных человекомашинных систем. // Изв. Сарат. ун-та. Нов. сер. Сер. Математика. Механика. Информатика. 2013. Т. 13, вып. 3 С. 83-87 626. А.П. Веревкин. ЭКОНОМИЧЕСКИ ЭФФЕКТИВНЫЕ АСУТП ДОБЫЧИ И ТРАНСПОРТА НЕФТИ И ГАЗА. // Труды V Всероссийской научно-технической конференции с международным участием ТюмГНГУ. СЕКЦИЯ 3. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В РЕШЕНИИ ЗАДАЧ ЭНЕРГОСБЕРЕЖЕНИЯ 2012. С. 153-158. 627. Бахтин В. А. и др. ИСПОЛЬЗОВАНИЕ ЯЗЫКА FORTRAN DVMH ДЛЯ РЕШЕНИЯ ЗАДАЧ ГИДРОДИНАМИКИ НА ВЫСОКОПРОИЗВОДИТЕЛЬНЫХ ГИБРИДНЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМАХ. // South Ural State University. – С. 106. 628. Бурцев М. А., Антонов В. Н., Ефремов В. Ю., Кашницкий А. В., Крамарева Л. С., Лупян Е. А., Мазуров А. А., Матвеев А. М., Милехин О. Е., Прошин А. А., Соловьев, В. И. Система работы с распределенными архивами результатов обработки спутниковых данных центров приема НИЦ Планета. // Современные проблемы дистанционного зондирования Земли из космоса. 2012.Т.9.№5.С. 55-76. 629. Засуха С. А., Поночовный Ю. Л., Харченко В. С. Методология оперативной верификации программного обеспечения космических систем: модели готовности и выбор сценариев. // Вісник Харківського національного університету №1015 – 2012. – С. 137-141. 373 630. Иванников В. П., Петренко А. К., Кулямин В. В., Максимов А. В. Опыт использования UniTESK как зеркало развития технологий тестирования на основе моделей. // Труды Института системного программирования РАН, том 24, 2013 г. ISSN 2220-6426 (Online), ISSN 2079-8156 (Print). Стр. 207-218. http://www.ispras.ru/ru/proceedings/archives/isp_24_2013/isp_24_2013_207.php 631. Казак В. М., Тачинина Е. Н., Тачинин Е. В. КОНЦЕПЦИЯ ПОВЫШЕНИЯ БЕЗОПАСНОСТИ ПОЛЕТА ПУТЕМ ПРИМЕНЕНИЯ БОРТОВОЙ ИНТЕЛЛЕКТУАЛЬНОЙ ИНТЕГРИРОВАННОЙ СИСТЕМЫ УПРАВЛЕНИЯ В ОСОБЫХ СИТУАЦИЯХ В ПОЛЕТЕ. // ПРОБЛЕМИ ІНФОРМАТИЗАЦІЇ ТА УПРАВЛІННЯ: Збірник наукових праць: Випуск 1 (41). – К.: НАУ, 2013.С. 37-43. 632. Китчер Эммануэль. Прогнозирование масштабируемости задачи умножения разреженной матрицы на вектор при помощи модели коммуникационной сети. // Труды Международной научной конференции «Физика и радиоэлектроника в медицине и экологии» ФРЭМЭ'2012. 633. Малинецкий Г. Г., Теория самоорганизации. На пороге IV парадигмы. – 2013. // КОМПЬЮТЕРНЫЕ ИССЛЕДОВАНИЯ И МОДЕЛИРОВАНИЕ 2013 Т. 5 № 3 С. 315−366. http://crm.ics.org.ru/uploads/crmissues/crm_2013_3/13301.pdf 634. Парцевский Н. С., Шмагин В. Е. Бодров В. К., Дмитриев Д. В. и др. Бортовой КомплеКс управления для лунного малого КосмичесКого аппарата // ВЕСТНИК ФГУП НПО ИМ. С.А. ЛАВОЧКИНА. – 2013. – №. 2. – С. 10-12. 635. Ю.А. Гатчин, Б.В. Видин, И.О. Жаринов, О.О. Жаринов, А.А. Рожденкин. АНАЛИТИЧЕСКИЙ МЕТОД ОПРЕДЕЛЕНИЯ ОБЛАСТИ ЛОКАЛИЗАЦИИ ВНУТРЕННИХ НЕИСПРАВНОСТЕЙ В ПРОГРАММИРУЕМЫХ ЛОГИЧЕСКИХ ИНТЕГРАЛЬНЫХ СХЕМАХ БОРТОВОГО АВИАЦИОННОГО ОБОРУДОВАНИЯ // Сборник трудов молодых ученых, аспирантов и студентов научно-педагогической школы кафедры ПБКС «Информационная безопасность, проектирование и технология элементов и узлов компьютерных систем». – СПб: НИУ ИТМО, 2013. Выпуск 1. С. 109-117. 374 636. Основные тенденции развития отрасли разработки ПО в России: отчет НП РУССОФТ. [Электронный ресурс]: http://www.russoft.ru/tops/1785 - свободный Загл. с экрана - Рус. яз. 637. 2. Кларк Э., Грамберг О., Пелед Д. Верификация моделей программ: Model Checking. М.: МЦНМО, 2002. 416 с. 638. 3. Holzmann G. Design and Validation of Computer Protocols. NJ: Bell Lab, 1991. 558 p. 639. 4. Holzmann G. The Model Checker SPIN // Software Engineering Journal. 1997. Vol. 23. No. 5, рр. 279–295. 640. 5. Robby A., Dwyer M., Hatcliff J. Bogor: an extensible and highly-modular software model checking framework / In Proceedings European Software Engineering Conference (ESEC'03), 2003. 641. 6. Cimatti A., Clarke E., Giunchiglia E et al. NuSMV 2: An open source tool for symbolic model checking / In Proceedings of the 14th International Conference on Computer Aided Verification (CAV'02). Lecture Notes in Computer Science 2404, pp.359–364. 2002. 642. 7. Brayton R. et al. VIS: A system for verification and synthesis / In Proceedings of the Eighth International Conference on Computer Aided Verification (CAV'96), pp. 428–432. Springer Verlag. Rutgers University. 1996. 643. 8. Лямбда-выражения (Руководство по программированию в C#) [Электронный ресурс]: http://msdn.microsoft.com/ru-ru/library/57e3ba27-9a82-4067aca7-5ca446b7bf93 - свободный - Загл. с экрана - Рус. яз. 644. 9. Lambda-expressions [Электронный ресурс]: http://docs.oracle.com/javase/tutorial/java/javaOO/lambdaexpressions.html - свободный Загл. с экрана - Англ. яз. 645. 10. Coq [Электронный ресурс]: http://coq.inria.fr/ - свободный - Загл. с экрана - Англ. яз. 646. 11. Agda [http://wiki.portal.chalmers.se/agda/pmwiki.php] - свободный - Загл. с экрана - Англ. яз. 375 647. 12. Erlang at Facebook. [Электронный ресурс]: http://www.erlang- factory.com/upload/presentations/31/EugeneLetuchy-ErlangatFacebook.pdf - свободный - Загл. с экрана – Англ. яз. 648. Машинное обучение [Электронный ресурс]: http://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD %D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0% B8%D0%B5 - свободный - Загл. с экрана - Рус. яз. 649. Linear regression [Электронные ресурс]: http://en.wikipedia.org/wiki/Linear_regression - свободный - Загл. с экрана - Англ. яз. 650. K-nearest neighbors algorithm [Электронный ресурс]: http://en.wikipedia.org/wiki/K-nearest_neighbors_algorithm - свободный - Загл. с экрана - Англ. яз. 651. Google Translate [Электронный ресурс]: http://translate.google.com - свободный - Загл. с экрана - Англ. яз. 652. Mayer-Schonberger V., Cukier K. Big Data: A Revolution That Will Transform How We Live, Work, and Think. 653. ZestFinance [Электронный ресурс]: http://www.zestfinance.com/ - свободный - Загл. с экрана - Англ. яз. 654. Gartner Survey Finds 42 Percent of IT Leaders Have Invested in Big Data or Plan to Do So Within a Year [Электронный ресурс]: http://www.gartner.com/newsroom/id/2366515 - свободный - Загл. с экрана - Англ. яз. 655. OpenWorld 2013: компания Oracle делает ставку на «большие данные» [Электронный ресурс]: http://www.computerra.ru/83798/oracle-openworld2013/ свободный - Загл. с экрана - Рус. яз. 656. Через пять лет обработка, хранение и анализ данных «интернета вещей» станут многомиллиардным бизнесом [Электронный ресурс]: http://www.computerra.ru/86721/m2m-bigdata-abi-research/ - свободный - Загл. с экрана - Рус. яз. 657. Pacheco P. S. Parallel Programming with MPI. Morgan Kaufmann, San Francisco, 1997. 376 658. Chandra R., Menon R., Dagum L., Kohr D., Maydan D., McDonald J. Parallel Programming in OpenMP. Morgan Kaufmann, San Francisco, 2000. 659. CUDA. Parallel Programming and Computing Platform. [Электронный ресурс]: http://www.nvidia.com/object/cuda_home_new.html - свободный - Загл. с экрана Англ. яз. 660. Kaiser H., Brodowicz M., Sterling T. ParalleX: An Advanced Parallel Execution Model for Scaling-Impaired Applications [Электронный ресурс]: http://stellar.cct.lsu.edu/pubs/icpp09.pdf - свободный - Загл. с экрана - Англ. яз. 661. Dean J., Ghemawat S. MapReduce: Simplified Data Processing on Large Clusters. [Электронный ресурс]: http://labs.google.com/papers/mapreduce.html - свободный Загл. с экрана - Англ. яз. 662. Geist A. MPI Must Evolve or Die. Proceedings of the 15th European PVM/MPI Users' Group Meeting on Recent Advances in Parallel Virtual Machine and Message Passing Interface, p. 5. http://dl.acm.org/citation.cfm?id=1431674 663. Kogge P. The Challenges of Exascale Computing for Astroinformatics Apps. http://wenku.baidu.com/view/5a69e1303968011ca300915e.html 664. Keyes D. Exaflop/s, Seriously! http://www.cespr.fsu.edu/lighthill/keyes_publiclecture.pd 665. Anshari Muhammad и Almunawar Mohammad Nabil Health Information Systems (HIS): Concept and Technology [В Интернете] // arXiv.org: e-Print article archive. - 2012 г.. - 6 Ноябрь 2013 г.. - http://arxiv.org/abs/1203.3923. 666. Chun-lang Chang, Bor-wen Cheng и I-Sheng Liu Enhancing Care Services Quality of Nursing Homes Using Data Mining [Статья] // Total Quality Management & Business Excellence. - [б.м.] : Taylor&Francis, 2005 г.. - 5 : Т. 16. 667. Corsar David [и др.] Citizen Sensing within a Real-Time Passenger Information System [Конференция] // Proceedings of the 6th International Workshop on Semantic Sensor Networks co-located with the 12th International Semantic Web Conference. [б.м.] : CEUR Workshop Proceedings, 2013. - Т. 1063. 377 668. Fichman Robert, Rajiv Kohli и Ranjani Krishnan The Role of Information Systems in Healthcare: Current Research and Future Trends [Статья] // Information Systems Research. - [б.м.] : INFORMS, 2011 г.. - 3 : Т. 22. 669. Heywood James [и др.] Accelerated clinical discovery using self-reported patient data collected online and a patient-matching algorithm [Статья] // Nature Biotechnology. [б.м.] : Nature Publishing Group, 2011 г.. - 5 : Т. 29. 670. Hull Richard, Su Jianwen и Vaculin Roman Data management perspectives on business process management: tutorial overview [Конференция] // Proceedings of the 2013 ACM SIGMOD International Conference on Management of Data. - [б.м.] : ACM, 2013. 671. Jongo Peggy, Meyer Marek и Steinmetz Ralf Overview of Mobile Passenger Information Systems in Public Transport [В Интернете] // Technische Universität Darmstadt. - 2010 г.. - 6 Ноябрь 2013 г.. - ftp://ftp.kom.tudarmstadt.de/papers/LMS10.pdf. 672. LaValle Steve [и др.] Big Data, Analytics and the Path From Insights to Value [Статья] // MIT Sloan Management Review. - 2011 г.. - 2 : Т. 52. 673. Papangelis Konstantinos [и др.] Developing a Real Time Passenger Information System for Rural Areas [Статья] // Lecture Notes in Computer Science. - [б.м.] : Springer, 2013 г.. - Т. 8017. 674. Serova Elena Enterprise Information Systems of new Generation [Статья] // Electronic Journal of Information Systems Evaluattion. - [б.м.] : Academic Publishing International Ltd , 2012 г.. - 1 : Т. 15. 675. Tang Lie и Thakuriah Piyushimita Ridership effects of real-time bus information system: A case study in the City of Chicago [Статья] // Transportation Research Part C. [б.м.] : Elsevier, 2012 г.. - Т. 22. 676. United Nations United Nations E-Government Survey 2012 [В Интернете] // UNPAN Document Management System. - 2012 г.. - 6 Ноябрь 2013 г.. http://unpan1.un.org/intradoc/groups/public/documents/un/unpan048065.pdf. 677. Xu Li Da Enterprise Systems: State-of-the-Art and Future Trends [Статья] // IEEE Transactions On Industrial Informatics. - [б.м.] : IEEE, 2011 г.. - 4 : Т. 7. 378 678. Афанасьев А. П. [и др.] Информационно аналитическая система для принятия решений на основе сети распределенных ситуационных центров [Статья] // Информационные технологии и вычислительные системы. - Москва : Институт системного анализа Российской академии наук, 2010 г.. - Т. 2. 679. Дабагов А. Р. Информатизация здравоохранения и некоторые проблемы построения интегрированных медицинских информационных систем [В Интернете] // Журнал радиоэлектроники: электронный журнал. - 2011 г.. - 6 11 2013 г.. http://jre.cplire.ru/mac/sep11/2/text.html. 680. Дорофеюк Ю. А., Дорофеюк А. А. и Чернявский А. Л. Анализ и оценка эффективности социальнооэкономических систем управления [Статья] // Информационные технологии и вычислительные системы. - Москва : Институт системного анализа Российской академии наук, 2011 г.. - Т. 1. 681. Минкомсвязи России Минкомсвязь России приступит к разработке государственной информационной системы в ЖКХ [В Интернете] // Сайт Минкомсвязи России. - 30 Октябрь 2013 г.. - 1 Ноябрь 2013 г.. http://minsvyaz.ru/ru/news/index.php?id_4=44121. 682. Назаренко Г. И. [и др.] Интеллектуальные системы в клинической медицине. Синтез плана лечения на основе прецедентов [Статья] // Информационные технологии и вычислительные системы. - Москва : Институт системного анализа Российской академии наук, 2010 г.. - Т. 1. 683. Портал государственных услуг Российской Федерации [В Интернете]. - 2013 г.. - 6 Ноябрь 2013 г.. - http://www.gosuslugi.ru/pgu/. 684. Aman Saima, Prasanna Viktor и Simmhan Yogesh Energy Management Systems: State of the Art and Emerging Trends [Статья] // IEEE Communications Magazine. – [б.м.] : IEEE Communications Society, 2013 г. – 1 : Т. 21. 685. Bakule Lubomir Decentralized control: An overview [Статья] // Annual Reviews in Control. – [б.м.] : Elsevier, 2008 г. – 1 : Т. 32. 686. Bauer Nicholas Networked control systems : from theory to experiments [В Интернете] // Technische Universiteit Eindhoven. – 2013 г. – 6 ноября 2013 г. – http://www.tue.nl/en/publication/ep/p/d/ep-uid/278108/. 379 687. Dietrich Dietmar и Palensky Peter Demand Side Management: Demand Response, Intelligent Energy Systems, and Smart Loads [Статья] // IEEE Transactions On Indusrial Informatics. – [б.м.] : IEEE, 2011 г. – 3 : Т. 7. 688. Fan Zhong [и др.] Smart Grid Communications: Overview of Research Challenges, Solutions, and Standardization Activities [Статья] // IEEE Communications Surveys & Tutorials. – [б.м.] : IEEE, 2013 г. – 1 : Т. 15. 689. Galloway Brendan и Hancke Gerhard Introduction to Industrial Control Networks [Статья] // IEEE Communications Surveys & Tutorials. – [б.м.] : IEEE, 2013 г. – 2 : Т. 15. 690. Gorodetskii V. I. Self-organization and multiagent systems: I. Models of multiagent self-organization [Статья] // Journal of Computer and Systems Sciences International. – СПб.: SP MAIK Nauka/Interperiodica, 2012 г. – 3 : Т. 51. 691. Gorodetskii V. I. Self-organization and multiagent systems: II. Applications and the development technology [Статья] // Journal of Computer and Systems Sciences International. – СПб.: SP MAIK Nauka/Interperiodica, 2012 г. – 3 : Т. 51. 692. Gupta Rachana Ashok и Chow Mo-Yuen Networked Control System: Overview and Research Trends [Статья] // IEEE Transactions On Industrial Elecronic. – 2010 г. – 7 : Т. 57. 693. Järventausta Pertti [и др.] Smart grid power system control in distributed generation environment [Статья] // Annual Reviews in Control. – [б.м.] : Elsevier, 2010 г. – 2 : Т. 34. 694. Khan Said G. [и др.] Reinforcement learning and optimal adaptive control: An overview and implementation examples [Статья] // Annual Reviews in Control. – [б.м.] : Elsevier, 2012 г. – 1 : Т. 36. 695. Leitao Paulo Agent-based distributed manufacturing control: A state-of-the-art survey [Статья] // Engineering Applications of Artificial Intelligence. – [б.м.] : Esevier, 2009 г. – 7 : Т. 22. 696. Natarajan Sreedhar [и др.] Toward Data-driven Demand-Response Optimization in a Campus Microgrid [Конференция] // Proceedings of the Third ACM Workshop on Embedded Sensing Systems for Energy-Efficiency in Buildings. – [б.м.] : ACM, 2011. 380 697. Zampieri Sandro Trends in Networked Control Systems [Конференция] // Proceedings of the 17th IFAC World Congress. – [б.м.] : nternational Federation of Automatic Control, 2008. – Т. 1. 698. Zhang Youmin и Jiang Jin Bibliographical review on reconfigurable fault- tolerant control systems [Статья] // Annual Reviews in Control. – [б.м.] : Elsevier, 2008 г. – 2 : Т. 32. 699. Zuehlke Detlef SmartFactory — Towards a factory-of-things [Статья] // Annual Reviews in Control. – [б.м.] : Elsevier, 2010 г. – 1 : Т. 34. 700. Коваленко В. Функциональные возможности и методы реализации программного обеспечения Грид (часть 1) [Статья] // Информационные технологии и вычислительные системы. – М.: Институт системного анализа Российской академии наук, 2010 г. – Т. 2. 701. Коваленко В. Функциональные возможности и методы реализации программного обеспечения Грид (часть 2) [Статья] // Информационные технологии и вычислительные системы. – М.: Институт системного анализа Российской академии наук, 2010 г. – Т. 3. 702. ОАО "НТЦ Электроэнергетики" Основные положения концепции интеллектуальной энергосистемы с активно-адаптивной сетью [В Интернете] // Сайт ОАО "ФСК ЕЭС". – 2012 г. – 30 октября 2013 г. – http://www.fskees.ru/upload/docs/ies_aas.pdf. 703. Петров А. В., Хитьков В. В. и Яковлев К. С. Программный комплекс навигации и управления беспилотными транспортными средствами [Статья] // Информационные технологии и вычислительные системы. – М.: Институт системного анализа Российской академии наук, 2013 г. – Т. 3. 381 ПРИЛОЖЕНИЕ А Презентация по технологиям локального позиционирования и идентификации в режиме реального времени 382 383 384 385 386 Приложение Б Список опубликованных статей , в ходе выполнения НИР 387 388 389