29.09.2021г. Итоги международной конференции «Искусственные общества и информационные технологии» и круглого стола «Суперкомпьютерные технологии и искусственные общества»

28 сентября 2021 г. на базе Центрального экономико-математического института РАН состоялась международная конференция «Искусственные общества и информационные технологии» и был проведен круглый стол «Суперкомпьютерные технологии и искусственные общества», собравшие представителей многих организаций, среди которых: (1) Центральный экономико-математический институт РАН, (2) Московский государственный университет им. М.В. Ломоносова, (3) Институт прикладной математики РАН им. М.В. Келдыша, (4) Шэньчжэньский университет (Китай), (5) Государственный академический университет гуманитарных наук, (6) ПАО «Сбербанк», (7) АО «Аргументы и факты», (8) Санкт-Петербургский политехнический университет Петра Великого, (9) Научно-исследовательский институт системных исследований РАН, (10) Российская академия естественных наук, (11) Уфимский федеральный исследовательский центр РАН, (12) Орловский государственный университет им. И.С. Тургенева, (13) Воронежский государственный университет, (14) АНО ВО Институт менеджмента экономики и инноваций и др.

Руководители конференции

• Макаров В.Л., академик РАН, д.ф.-м.н., проф., научный руководитель ЦЭМИ РАН
• Бахтизин А.Р., член-корреспондент РАН, д.э.н., проф., директор ЦЭМИ РАН

Российский программный комитет
• Алексеев А.Ю., координатор научных программ НСМИИ РАН, д.ф.н., в.н.с. философского факультета МГУ
• Воеводин В.В., член-корреспондент РАН, д.ф.-м.н., проф., директор НИВЦ МГУ им. М.В. Ломоносова
• Грачёва М.В., д.э.н., проф., научный руководитель кафедры математических методов анализа экономики Экономического факультета МГУ им. М.В. Ломоносова
• Зулькарнай И.У., д.э.н., директор Центра стратегических и междисциплинарных исследований УФИЦ РАН
• Иванов В.В., член-корреспондент РАН, к.т.н., д.э.н., заместитель президента РАН
• Квинт В.Л., академик, иностранный член РАН, д.э.н., руководитель Центра стратегических исследований МГУ им. М.В. Ломоносова
• Малинецкий Г.Г., д.ф.-м.н., проф., зав. сектором Института прикладной математики им. М.В. Келдыша РАН
• Соколов И.А., академик РАН, д.т.н., директор ФИЦ «Информатика и управление» РАН, декан ВМК МГУ
• Сушко Е.Д., к.э.н., ведущий научный сотрудник лаборатории компьютерного моделирования социально-экономических процессов ЦЭМИ РАН
• Фомин-Нилов Д.В., к.и.н., доц., ректор ГАУГН
• Хабриева Т.Я., академик РАН, д.ю.н., проф., директор Института законодательства и сравнительного правоведения при Правительстве РФ
• Шабунова А.А., д.э.н., доц., директор Вологодского научного центра РАН
• Шамахов В.А., д.э.н,, к.и.н., директор Северо-Западного института управления РАНХиГС при Президенте Российской Федерации

Международный программный комитет

• Joshua M. Epstein, Director of the NYU Laboratory on Agent-Based Modeling; professor of the Department of Epidemiology of the College of Global Public Health; Affiliated Appointments to the School of Arts and Sciences and to the Courant Institute of Mathematical Sciences, USA
• Shu-Heng Chen, Director of the AI-ECON Research Center, National Chengchi University, Taiwan
• Flaminio Squazzoni, Full Professor of Sociology of the Department of Social and Political Sciences at the University of Milan, JASSS (The Journal of Artificial Societies and Social Simulation) Editor, Chair of PEERE, Head of GECS-Research Group on Experimental and Computational Sociology, Italy
• Jie Wu, Chairman of the Board of Guangzhou Milestone Software Co., Ltd., Researcher at the Center for Economic and Social Integration and Forecasting of the Academy of Social Sciences of the PRC, Guest Professor, Academy of Social Sciences of the Guangdong Province, Beijing; Guangzhou, China
• Zili Wu, Vice Chairman of Guangzhou Milestone Software Co., Ltd, Beijing; Guangzhou, China
• Happy Marumo Sithole, Director of the Centre for High Performance Computing at the Council for Scientific and Industrial Research, Pretoria, South Africa
• Animesh Dutta, Associate Professor of the Department of Computer Science and Engineering of the National Institute of Technology Durgapur, West Bengal, India

Тематика семинара

• Агент-ориентированное моделирование
• Анализ социальных сетей
• Имитационное моделирование
• Искусственные общества как инструмент понимания широкого круга социальных проблем
• Новые технологии обработки больших данных
• Программное обеспечение реализации параллельных вычислений
• Суперкомпьютерное моделирование социально-экономических процессов

Приветственное слово в адрес участников направил директор Росфинмониторинга Ю.А. Чиханчин.

Далее приведены материалы докладов конференции, записанные со слов выступающих.

    Научный руководитель ЦЭМИ РАН, академик РАН Валерий Леонидович Макаров открыл конференцию докладом «Искусственные общества в суперкомпьютере», в рамках которого рассказал про возможности моделирования духовного мира с использованием агент-ориентированной парадигмы. В своем выступлении он особо отметил, что к настоящему времени хорошо известны различные способы компьютерного представления объектов материального мира, а что касается его духовной составляющей, то здесь пока большой пласт нерешенных проблем и мы находимся только в начальной стадии разработки этого научного направления. Тем не менее, отдельные попытки предпринимаются и использование суперкомпьютерных технологий может оказать положительное влияние на этот процесс.

    Директор ЦЭМИ РАН, член-корреспондент РАН Альберт Рауфович Бахтизин сделал доклад «Искусственные общества и информационные технологии», в котором обозначил наиболее эффективные инструменты для моделирования экономики и общества, среди которых отдельно выделил агент-ориентированные модели как ключ к построению искусственных обществ.

    Далее докладчик конкретизировал основные направления развития искусственных обществ, составленные на основе накопленного к настоящему моменту мирового опыта: (1) эпидемиология; (2) пешеходное движение (включая эвакуацию); (3) кинопромышленность; (4) демографические процессы; (5) моделирование транспортных потоков; (6) окружающая среда; (7) режимы землепользования; (8) городское планирование; (9) воспроизведение исторических событий; (10) имитация военных действий; (11) исследование социальных сетей; (12) распределенный искусственный интеллект; (13) экономические процессы. Все перечисленные направления были подкреплены многочисленными примерами, в том числе разработанными в ЦЭМИ РАН моделями.

    Затем докладчик дал оценку развития суперкомпьютерных технологий по странам мира, обозначил мировых лидеров и рассказал про пятое совещание рабочей группы стран БРИКС по информационно-коммуникационным технологиям и высокопроизводительным вычислениям, прошедшее с 27 по 28 мая 2021 г. В ходе заседания были выбраны флагманские проекты для их представления на встрече старших должностных лиц стран БРИКС с рекомендацией о последующей поддержке: 1) Медицина и здоровье; 2) Платформа цифровых двойников на базе AI+HPC+5G и экосистема с открытым исходным кодом для умных производственных технологий и точного земледелия; 3) Цифровая Земля.

    Директор управления исследований и инноваций, вице-президент ПАО «Сбербанк» Альберт Рувимович Ефимов в докладе «Пост-тьюринговое общество людей и машин: 2035 год и далее…» предположил, что всеобщая алгоритмизация человеческой деятельности приведет к потере сотен миллионов рабочих мест по всему миру и к кардинальному изменению смысловой активности человека.

    Генеральный директор АО «Аргументы и факты», к.э.н. Руслан Юрьевич Новиков рассказал про особенности ведения издательского бизнеса в цифровую эпоху.

    Профессор Шэньчжэньского университета (Китай) Mijat Kustudić сделал доклад «Agent-Based Analysis of Contagion Events According to Sourcing Locations», в котором рассмотрел различные сценарии заражения в зависимости от местоположения источников инфекции.
    Первый человек, инфицированный вирусом Covid-19, был обнаружен на рынке морепродуктов в Ухане. Исследования показывают, что существуют аналогичные типы вирусов, обнаруженные в разных регионах. Это вызывает несколько вопросов: а что если бы вирус возник в другом месте? Как будут распространяться эпидемиологические волны, если они будут исходить из разных мест с меньшим (или большим) населением чем Ухань? Для изучения этих вопросов была построена агент-ориентированная модель, которая, в частности, показала, что «социальное притяжение» большихгородов помогает сдерживать распространение инфекции.

    Заведующий отделом ИПМ им. М.В. Келдыша, д.ф.-м.н. Георгий Геннадьевич Малинецкий сделал доклад «Самоорганизация. COVID-19. Новая реальность», в котором перечислил главные задачи решенные нашей страной в 20 веке: 1) совершенствование атомной и водородных бомб (в Атомном проекте СССР участвовало 800 тыс. человек); 2) обеспечение космических полетов (1,5 млн. человек, 1200 заводов); 3) разработка систем управления сложными объектами. Затем он рассмотрел вопросы самоорганизации в сложных системах, роста населения в мире и распространения различных болезней (Антонинова чума, черный мор и др.).
    Г.Г. Малинецкий перечислил, по его мнению, всадников Апокалипсиса 2020-2021 гг.: 1) беспрецедентная геополитическая напряженность – реальная угроза войны; 2) глобальные климатические изменения, требующие совместных усилий; 3) быстрый рост социального и регионального неравенства; 4) футурошок – цифровые угрозы.
    По мнению докладчика COVID-19 – это репетиция биологической войны и в ближайшее время ожидается «большая перезагрузка» или точка бифуркации для человечества.

    Член Экспертного Совета по управлению экономикой знаний при комитете Государственной Думы по образованию и науке, генеральный директор АНО «Центр развития деловых компетенцией» Олег Николаевич Гуров в докладе «Концептуальная модель агропромышленного киборга (агрокиборга)» определил киборгизацию как конвергенцию человеческого с технологическим, результат которой обладает уже новой природой, где единство сознания (души и духа) с телом дополняется технологией, которая полностью вписывается в новую систему. Докладчик выделил следующие процессы киборгизации: в биологическом плане – замена или дополнение функций или органов человека протезами, имплантами, экзоскелетами, навигаторами и пр.; в интеллектуальном плане – замена или дополнение человеческих интеллектуальных способностей умными машинами.
    Также были выделены характеристики крестьянской натуры (напряжение сил, выносливость, трудолюбие, стойкость) и характеристики AgroTech (удаленный контроль с применением спутников, дронов и сенсоров; инструменты сбора и анализа больших данных; роботизация; интернет вещей). Таким образом, по мнению докладчика, агрокиборг – это сельскохозяйственный рабочий (крестьянин), чьи физические способности превосходят обычные человеческие возможности за счет интеграции регулирующих устройств и иных технологий, которые изменяют жизнедеятельность его организма.

    Директор Высшей школы управления и бизнеса Санкт-Петербургского политехнического университета Петра Великого, д.э.н. Игорь Васильевич Ильин сделал доклад «Мультиагентный подход в планировании и диспетчеризации производства как часть комплексных архитектурных решений на предприятии», в котором обозначил ключевые этапы планирования на производственном предприятии: (1) интегрированное бизнес-планирование; (2) прогнозирование спроса и планирование цепочек поставок; (3) операционное планирование: производство, закупки, перевозки; (4) графикование, исполнение.
    По его словам, управление современными предприятиями и организациями требует развития технологий управления, информационно-технологической поддержки, систем обработки и хранения данных. Перечисленные составляющие базируются на современных архитектурных стандартах, таких как TOGAF, онтология Захмана, подход Gartner и др. В свою очередь архитектура предприятия возникла в ответ на потребность согласования требований бизнеса и набирающих роль в управлении информационных систем и технологий. При этом можно выделить следующий актуальный тренд архитектуры предприятия – развитие комплексных представлений об архитектурных моделях, которые учитывают в том числе ИТ-поддержку бизнес-, производственных и технологических процессов и различные аспекты оптимизации этих процессов.
    По мнению докладчика, одним из возможных драйверов развития подходов к интеграции технологических и производственных процессов и соответствующих информационных систем в архитектуру предприятия является использование мультиагентного подхода для локальной оптимизации производства. При этом необходимо проведение анализа существующих систем оперативно-календарного планирования производства и определение возможности мультиагентного подхода в планировании и диспетчеризации производства.
    Можно определить сущность и задачи оперативного планирования производства: (1) обеспечение ритмичности и своевременности производства с точки зрения выполняемых заказов; (2) обеспечение равномерности и комплектности загрузки оборудования, работников и площадей; (3) обеспечение максимальной непрерывности производства, т.е. обеспечение наименьшей продолжительности производственного цикла, который будет оказывать содействие уменьшению незавершенного производства и ускорению обращения оборотных средств.
    При этом многооперационность технологических процессов, разнообразие используемого оборудования и неравномерность поступления новых заказов во времени требуют от планово-диспетчерских отделов предприятий способности перестраивать работу цехов в режиме реального времени, что при среднем и высоком уровне загруженности производства и потребности в планировании и диспетчировании с учетом множества ограничений реального производства является сложной задачей, а порой и невыполнимой, вследствие ограниченности ресурсов и неоптимальности используемых инструментов.
    Группой под руководством докладчика была разработана мультиагентная модель планирования и диспетчеризации производства. Моделирование осуществлялось, используя разработанное приложение на языке C# в среде Visual Studio 2017. Данное приложение содержит алгоритмы агентов, логику взаимодействия агентов и интерфейс для загрузки данных.
    Программа реализована с применением фреймворка JADE-LEAP, предоставляющего готовый инструментарий в части описания логики коммуникации агентов. Алгоритмы поведения агентов реализованы вне рамок фреймворка. Графическое представление расписания в виде диаграммы Гантта выполнено посредством применения программного комплекса Preactor.

    Доцент Орловского государственного университета им. И.С. Тургенева, к.т.н. Александра Леонидовна Машкова в докладе «Анализ сценариев развития экономики России на базе агент-ориентированной модели пространственного развития» рассказала про разработанный симулятор, функционирование которого предполагает: (1) интеграцию данных; (2) динамическое моделирование без управления; (3) управляемое динамическое моделирование.

    Директор Центра стратегических и междисциплинарных исследований УФИЦ РАН, д.э.н. Ильдар Узбекович Зулькарнай сделал доклад «Агент-ориентированные модели конвенциональной (общепринятой) и партнерской (исламской) моделей банкинга».
    В ходе выступления были рассмотрены плюсы и минусы конвенциональной и исламской финансовых моделей. Так, по словам докладчика, конвенциональная модель обеспечивает более быстрое, чем исламская модель, передвижение между государством и частными экономическими агентами, между отраслями экономики и между государствами. В свою очередь в исламской модели финансы текут медленнее, но конструктивно исключены финансовые пузыри и их последствия – финансовые кризисы, отбрасывающие экономику назад.
    Группой исследователей под руководством И.У. Зулькарная была построена агент-ориентированная модель, которая показала следующие результаты:
    1) исламская финансовая модель при прочих равных условиях (одинаковый начальный капитал банков обеих систем, одинаковые характеристики «конвенционального клиента» и «исламского клиента», одинаковое распределение начального капитала, одинаковое распределение знаний клиентов в обеих моделях) обеспечивает рост ВВП медленнее, чем конвенциональная модель в краткосрочном и среднесрочном периодах времени;
    2) в долгосрочном периоде исламская модель может показывать более высокие средние темпы роста ВВП, чем конвенциальная модель, при включении эффектов надувания-схлопывания финансовых пузырей, разрушения домохозяйств в результате бремени кредита (банкротства клиентов). Относительные преимущества обеих систем в обеспечении темпов роста ВВП зависят от количественных значений этих параметров;
    3) конвенциональная финансовая система при прочих равных условиях и отсутствии проведения государством политики выравнивания доходов населения (которой пока нет в модели) приводит к большей дифференциации доходов населения, чем исламская финансовая модель;
    4) обнаружен эффект появления заинтересованности конвенциональных банков в выдаче заведомо плохих кредитов при включении опции использования залогов и при определенных значениях покрытия кредита залогом, что видно по качественному составу агентов-клиентов конвенциональных банков, получающих кредиты. Особенно этот эффект проявляется при задании значений процентных ставок, используемых в микрофинансовых организациях в сочетании с маленькими размерами кредитов, заведомо меньшими размеров собственного капитала клиента;
    5) соотношение эффективности обеих финансовых систем зависит от качеств клиентов («склонность к риску», «знания клиента»), задаваемых в моделях в широких пределах (задача измерения в обществе и введения в модель реальных значений параметров клиентов выходит за рамки текущего проекта). Можно сделать вывод, что устойчивость роста ВВП в конвенциональной модели возрастает при росте финансовой грамотности клиентов, тогда как устойчивость роста ВВП в исламской финансовой модели не зависит от уровня финансовой грамотности (параметр «знания клиента»);
    6) на основе соотношения темпов роста собственных капиталов банков и темпов роста ВВП страны сделан вывод, что цели конвенциональных банков менее коррелированны с интересами страны в росте ВВП, чем интересы исламских банков;
    7) исламская финансовая система однозначно поощряет рациональное поведение «исламских клиентов», не сотрудничая с клиентами – авантюристами, а конвенциональная финансовая система создает противоречащие друг другу стимулы: поощряет нерациональное поведение, предоставляя кредиты тем клиентам, которые не получили бы финансирование от исламских банков (т.к. те не финансируют очень рискованные проекты), но одновременно поощряет рациональное поведение, «убивая» клиентов, не вернувших кредит (при включении опции «возможность процедуры разорения»).

    Начальник научного отдела Института менеджмента экономики и инноваций Мунавир Закиевич Закиров в докладе «Основные положения внедрения информационной системы «Развитие регионов Российской Федерации»» определил назначение разрабатываемого продукта – информационная и аналитическая поддержка ключевых процессов деятельности субъектов научно-технических и управленческих сфер региональных научных учреждений на основе внедрения цифровых технологий в промышленные и непромышленные предметные отрасли региона и поиска, анализа больших структурированных и не структурированных текстовых документов.
    Докладчик определил следующие ключевые функции информационной поддержки: 1) эксплоративный, тематический поиск по документу-образцу; 2) семантический поиск по запросу на естественном языке с учетом ограничений на метаданные; 3) семантический поиск текстовых заимствований; 4) формирование, сопоставление и анализ пользовательских подборок документов; 5) тематический анализ и сравнение пользовательских подборок документов; 6) выделение научных направлений (тематическая кластеризация) и коллективов исследователей; 7) автоматическое формирование ключевых слов документов и коллекций; 8) автоматическое реферирование документов.

    Ученый секретарь Совета ветеранов РАН, профессор Академии военных наук, действительный член РАЕН Леонид Сергеевич Раткин сделал доклад «Квантовая экономика: проблемы и перспективы» в котором подчеркнул, что мир уже шагнул в квантономическую эру, и уже в начале пути выявляются новые возможности применения квантовых технологий и квантовых коммуникаций в различных сферах.

    Материалы круглого стола «Суперкомпьютерные технологии и искусственные общества» – семинара научной конференции «Суперкомпьютерные дни в России 2021», записанные со слов выступающих.

    Главный научный сотрудник ЦЭМИ РАН Сергей Иванович Паринов сделал доклад по материалам конференции «Суперкомпьютерные дни в России» с точки зрения их важности для общественных наук и моделирования искусственных обществ.

Ниже приведены основные тезисы выступлений:

    1. Torsten Hoefler, ETH Zürich (Switzerland), доклад «Data-Centric Python – Productivity, portability and all with high performance». Python де-факто стал языком для научных вычислений. В результате спрос на поддержку Python в высокопроизводительных вычислениях (HPC) резко вырос. Однако сам язык Python не обязательно обеспечивает высокую производительность. Представлен рабочий процесс, который обеспечивает высокую производительность Python при перенесении его в различные архитектуры. Ключевыми особенностями рабочего процесса являются языковые расширения, ориентированные на HPC, и набор автоматических оптимизаций, основанный на промежуточном представлении, ориентированном на данные.
    2. Ruibo Wang, National University of Defense Technology (China), доклад « Exascale OS for HPC in Exascale Era». Вступая в эру Exascale, производители и исследователи высокопроизводительных вычислений изучают различные аппаратные архитектуры, стремясь расширить границы производительности. Новые приложения «большие данные», «искусственный интеллект» и т.д. требуют поддержки высокопроизводительных вычислений. Противоречивые цели обеспечения производительности и совместимости приложений создают новые проблемы для операционной системы. В докладе рассмотрены предыдущие работы и исследуются возможности проектирования и проблемы операционных систем Exascale HPC.
    3. Alexey Shaytan, Faculty of Biology, Moscow State University (Russia), доклад « Using supercomputers to study molecular dynamics of DNA-protein complexes at multi-microsecond time scale». Сложность и мощность современных компьютерных информационных систем может соперничать по сложности с живыми организмами. Тем не менее, наше понимание того, как живые системы функционируют на молекулярном уровне, остается неполным. Информационное содержание генетических программ, кодируемых ДНК в геноме человека, составляет менее 900 мегабайт и известно уже два десятилетия. Однако понимание молекулярных механизмов, лежащих в основе интерпретации этих программ, является большой проблемой этого века. Растущие возможности современных компьютерных систем и алгоритмов являются в конечном итоге необходимым компонентом для решения этой проблемы. Продемонстрировано как суперкомпьютерное моделирование позволяет понять молекулярные механизмы функционирования ДНК в живых системах, в части ее динамического взаимодействия с белками.
    4. Michael Resch, University of Stuttgart, (Germany), доклад «Digital Convergence and Human Intelligence». Цифровые технологии стремительно конвергируются, открывая новые пространства для решений и новых проблем. Рассказано о влиянии цифровой конвергенции и рассмотрены новые возможности человеческого интеллекта при наилучшем использовании цифровой конвергенции.
    5. Jack Dongarra, University of Tennessee, Oak Ridge National Laboratory, and University of Manchester (USA), доклад « HPC: The Where We Are Today And A Look Into The Future». Как изменились высокопроизводительные вычисления за последние 10 лет и будущие тенденции. Китай больше всех в мире производит и использует суперкомпьютеры По слухам у них есть 2 экзофлопных компьютера, но они про них не говорят. В США экзофлопный компьютер появится в этом ноябре. Новое поколение программных библиотек и алгоритмов необходимо для эффективного и надежного использования динамических, распределенных и параллельных сред.

    Было проанализировано еще несколько второстепенных докладов, но принципиальный вывод, который можно сделать по результатам работы конференции «Суперкомпьютерные дни в России» – наблюдается усиливающийся тренд по использованию высокопроизводительных вычислений в социо-гуманитарной сфере.

    Ведущий научный сотрудник ЦЭМИ РАН Елена Давидовна Сушко в докладе «Демографическая агент-ориентированная модель России для апробации управленческих решений и особенности ее суперкомпьютерной реализации» рассказала о создании инструмента прогнозирования динамики основных демографических показателей населения России в целом и в разрезе регионов, а также об оценке влияния на эти показатели мер поддержки семей с детьми на основе правдоподобной имитации выбора отдельными людьми репродуктивных стратегий. Расчеты были проведены на примере влияния материнского капитала.
    Моделируемые в модели процессы следующие:
    1. Естественное движение населения России в целом и в разрезе регионов:
Смертность. Имитируется с использованием вероятностных процессов на основе дифференцированных по полу и возрасту коэффициентов смертности.
Рождаемость. Имитируется на основе использования текущего суммарного коэффициента рождаемости, дифференцированной по возрасту матери вероятности рождения ребенка и с учетом желаемого ею числа детей.
    2. Образование родственных связей между матерью, отцом, детьми.
    3. Влияние мер поддержки на желание женщины родить ребенка. Имитируется как изменение соответствующей возрасту женщины вероятности рождения ребенка с учетом ее личностных характеристик, позволяющих ей попасть в категорию получателей поддержки, а также в зависимости от значимости для нее суммы этой поддержки.

Исходные данные следующие:
    • По России в целом: распределение населения по полу и возрасту в базовом году; дифференцированные по полу и возрасту коэффициенты смертности в базовом году; среднегеометрические за 5 лет с базового года индексы изменения коэффициентов смертности; размер материнского капитала с 2002 по 2020 годы.
    • По регионам России: численность населения в базовом году; доли основных групп населения в базовом году (моложе трудоспособного возраста, трудоспособного и старше трудоспособного возраста) (%); суммарный коэффициент рождаемости в базовом году; среднегеометрические за 5 лет с базового года индексы изменения суммарного коэффициента рождаемости; распределение рождений по возрасту матери (доли рождений, приходящихся на матерей из когорт в пятилетних возрастных интервалах в пределах репродуктивного возраста – 15-49 лет) (%); распределение желаемого числа детей (0-5) (%); стоимость 1 кв. м жилья с 2002 по 2020 годы.
Выходные данные следующие:
    • По России в целом: а) возрастно-половая пирамида для каждого года имитации; б) для каждого года: численность населения на 1 января; доли основных возрастных групп (с учетом пенсионной реформы); общий коэффициент рождаемости; общий коэффициент смертности; суммарный коэффициент рождаемости; число рожденных; число умерших; средний возраст агентов.
    • По регионам России для каждого года имитации: численность населения на 1 января; доли основных возрастных групп; суммарный коэффициент рождаемости; число рожденных; число умерших.
Дополнения к базовой модели
    • Новые классы: класс агентов-семей и класс «проектов» – региональных программ материнского капитала.
    • Новые исходные данные: а) на уровне регионов по годам: прожиточный минимум, средняя заработная плата, средняя пенсия; б) параметры региональных программ материнского капитала.
    • Новые процедуры: а) в главном классе: при установке стартового состояния — образование всех семейных связей агентов-людей и образование семей; б) в классе регионов: работа с новыми исходными данными и с коллекциями региональных проектов; в) в классе агентов-людей: поиск партнера, образование новой семьи, рассылка и прием сообщений новых типов.
    • Новые стадии, выполняемые на шаге имитации, которые обеспечивают удаление агентов-семьи.
Расчеты проводились на суперкомпьютере межведомственного суперкомпьютерного центра РАН.

    Заместитель директора ЦЭМИ РАН, к.ф.-м.н. Нерсес Карленович Хачатрян, научный сотрудник ЦЭМИ РАН Ольга Игоревна Кузнецова, заведующий лабораторией ЦЭМИ РАН Анатолий Анатольевич Акиншин, ведущий инженер ЦЭМИ РАН Петр Владимирович Григорьев сделали совместный доклад «Агент-ориентированная модель «Интеллектуальная Россия», в котором рассказали про разработанный инструмент. Цель его построения – создание искусственной популяции реальных жителей России, участвующих в социально-экономических процессах, для прогнозирования состояния отраслей (по видам экономической деятельности) внутри каждого региона с точки зрения уровня трудового потенциала.
    Агенты-люди совершают действия каждый новый период модельного времени, в результате чего могут меняться их индивидуальные свойства. Они принимают следующие решения на основании личного уровня удовлетворенности:
    • при решении о переезде агент выбирает новый регион проживания в соответствии с рейтингом регионов, а также собственными приоритетами;
    • из-за постоянного изменения свойств агентов, а также их переездов рейтинг регионов постоянно изменяется (в каждый новый период модельного времени). Соответственно, формируются прогнозные значения.
    Отрасли в регионах характеризуются средним уровнем трудового потенциала агентов, занятых в них. Из-за постоянного изменения свойств агентов в отрасли, а также миграции состояние отраслей в регионах также постоянно меняется (в каждый новый период модельного времени). Такой подход позволяет спрогнозировать будущее развитие или упадок тех или иных отраслей в каждом из регионов.
    Расчеты проводились на суперкомпьютере межведомственного суперкомпьютерного центра РАН.

    Научный сотрудник научно-исследовательского института системных исследований РАН (НИИСИ РАН), к.т.н. Зарема Борисовна Сохова и главный научный сотрудник НИИСИ РАН, д.ф.-м.н. Владимир Георгиевич Редько в докладе «Базовая модель прозрачной экономической системы и ее возможные расширения» рассмотрели сообщество, состоящее из агентов-инвесторов и агентов-производителей. Взаимодействие между ними строится на открытом итеративном обмене информацией о капиталах и эффективностях производителей и намерениях инвесторов. В результате итераций инвесторы согласовывают размеры своих вкладов в производителей, что позволяет сообществу в целом получить больше прибыли.
    В ходе исследования были разработаны и тщательно исследованы несколько моделей, которые расширяют возможности базовой модели: модель с открытой монополией, модель с гибким распределением капитала, модель с нечестной конкуренцией, обобщенная модель самоорганизации автономных агентов. Ключевым аспектом является прозрачность и децентрализация среды.
    Разработан и детально исследован итеративный метод принятия решений автономными агентами. Продемонстрирована сходимость предложенного итеративного метода при различных управляющих параметрах. Показано, что итеративный метод обеспечивает более эффективное сотрудничество в искусственном экономическом сообществе, чем аналогичное сотрудничество без итераций.

    Научный сотрудник ЦЭМИ РАН Дмитрий Сергеевич Евдокимов в докладе «Особенности применения суперкомпьютерных технологий в моделировании социально-экономических процессов» обозначил основные этапы построения типовой имитационной модели, а затем определил ключевые этапы реализации ее суперкомпьютерной версии.

    Старший лаборант ЦЭМИ РАН Марк Игоревич Демин сделал доклад «Суперкомпьютерные технологии как инструмент снижения трансакционных издержек» в котором он сделал вывод, что высокая величина трансакционных издержек снижает эффективность деятельности организации и требует системы управления затратами, в том числе разработку методов по их снижению, как на макроуровне, так и на уровне отдельного предприятия. К основным методам на макроуровне можно отнести совершенствование нормативно-правовой базы, регулирующей хозяйственные субъектов экономики; на микроуровне – развитие информационных технологий и кооперация предприятий. Снижения трансакционных издержек можно добиться, увеличив размер предприятия. Предприятие может расширять свой размер до тех пор, пока издержки на организацию внутри дополнительной трансакции не будут равны издержкам на аналогичную трансакцию через обмен на открытом рынке.
    Для количественной проверки высказанных гипотез предполагается использовать симулятор с возможностью проведения параллельных вычислений.