VIK_prezentatsia_Nemtsev_A_Yu_29_03_22

Научная тематика и апробация
Тематика
Научные проекты и конференции
Синергетика.
Неоднородные среды.
Клеточные автоматы.
Нейронные сети.
Конечные автоматы.
Диффузия.
Сорбция.
Конвекция.
Методы Монте-Карло.
Грант конкурса «УМНИК-Сбербанк» Фонда содействия инновациям, реализованного совместно с ПАО «Сбербанк».
Финалист Всероссийского конкурса молодых технологических предпринимателей.
Международная научно-практическая конференция «Наукоемкие технологии разработки и использования минеральных ресурсов» в рамках XXVII международной специализированной выставки технологий горных разработок «Уголь России и Майнинг» (Новокузнецк, 2021).
XIII Международная научно-практическая конференция «ИНФОРМАЦИЯ И ОБРАЗОВАНИЕ: ГРАНИЦЫ КОММУНИКАЦИЙ» INFO'2021, (Горно-Алтайск, 2021).
ХIII Всероссийская научно–практическая конференция (с международным участием) СИСТЕМЫ АВТОМАТИЗАЦИИ (в образовании, науке и производстве), AS’2021 (Новокузнецк, 2021.
Научные публикации
Немцев А.Ю., Калашников С.Н. Клеточно-автоматное моделирование кинетики сорбции в конечном объеме угля // Наукоемкие технологии разработки и использования минеральных ресурсов. – 2021. – № 7. – С. 368–371.
Немцев А.Ю., Калашников С.Н., Бабушкина О.С., Гаун М.А. Клеточно-автоматное моделирование кинетики газовыделения в конечном объеме угля // Инженерный вестник Дона. 2021. № 7. URL: ivdon.ru/ru/magazine/archive/n7y2021/7104.
Немцев А.Ю., Калашников С.Н. Клеточно-автоматное моделирование кинетики массопереноса в конечном объеме угля // Информация и образование: границы коммуникаций INF0'21. – 2021. – № 13 (21). – С. 144–148.
Немцев А.Ю., Калашников С.Н. Моделирование движения молекул газа в угольном пласте клеточным автоматом с окрестностью Марголуса в однотактном исполнении // Актуальные вопросы науки 2021. – 2021. – С. 33–38.
Немцев А.Ю., Калашников С.Н. Алгоритм функционирования блочно-синхронного клеточного автомата для моделирования динамических процессов в газоугольном растворе // Системы автоматизации (в образовании, науке и производстве) : AS’2021. – 2021. – С. 84–89.

Информация о конкурсной работе
Актуальность
При моделировании процессов в пористых материалах актуальным вопросом является учет внутренних свойств материалов, среди которых такие как морфология среды и характер взаимодействия стенок пор с проходящим через них газом или жидкостью. А рассмотрение пористых материалов как сплошных сред, характеризуемых определенным коэффициентом пористости, не удовлетворяет исследователей горных пород. То есть использование для представления морфологии пористого материала на микроуровне дифференциальных уравнений в частных производных, затруднено из-за невозможности описания непрерывными функциями нарушения сплошности. Так как вычислительные мощности современных компьютеров дают возможность для решения данной проблемы, необходимы методы для раскрытия полного потенциала их вычислительной мощности, с помощью мелкозернистого параллелизма, а конкретнее клеточных автоматов.
Работа посвящена клеточно-автоматному моделированию на основе класса клеточных автоматов с окрестностью Марголуса, с вероятностными функциями перехода, в однотактном исполнении – суперпозиции двух тактов в вероятностном исполнении, с обработкой крайних клеток (внешние краевые условия) замыкание. Выполнено моделирование процесса кинетики массообмена в конечном объеме угля (пористой среде – дисперсная система, где дисперсная среда – это «твердое тело» являющиеся твердым раствор соединения угля и газа (газоугольный раствор), а дисперсная фаза – это «свободный газ» газ находящийся в порах – равномерно распределенных и закрытых), который имитирует три вида движений молекул газа: конвекцию, направленную в сторону прилегающей выработки; диффузию и взаимодействие со стенками пор (сорбция) в конечном объеме угля глубокозалегающего пласта под нагрузкой, сорбция задается внутренними краевыми условиями и для диффузии и для конвекции, а диффузия и конвекция их суперпозицией задаваемой вероятностью, а это вероятность есть выражение пропорции диффузии к конвекции. Для организации подобного рода эволюционного процесса метод клеточно-автоматного моделирования был дополнен методом Монте-Карло.

Краткое описание проекта
Цель и задачи
Цель работы.
Разработка математическое моделирование динамических процессов в газоугольном растворе на основе клеточно-автоматного подхода для реализации серии вычислительных экспериментов по исследованию данных процессов.
Задачи.
1. Разработка математической модели динамических процессов в газоугольном растворе.
2. Разработка нового численного метода и его алгоритмизация на основе применения клеточных автоматов для реализации разработанной математической модели.
3. Разработка итерационной табличной модели на табличном процессор Excel с применением интегрированного языка приложений VBA и проведение серии вычислительных экспериментов.
Объект, предмет, методы, личный вклад
Объект исследования.
Конечный набор угля как совокупность газоугольного раствора, нарушений сплошности, флюидов и клатроподобных структур.
Предмет исследования.
Закономерности протекания и параметры динамических процессов в конечном объеме угля.
Методы исследования.
Математическое моделирование, имитационное моделирование, алгоритмизация и реализация вычислительного эксперимента.
Личный вклад автора.
Разработка математической модели динамических процессов в газоугольном растворе на основе клеточно-автоматного подхода, а также численного метода реализации разработанной модели, осуществлении алгоритмизации этого численного метода и реализации алгоритма на табличном процессоре Microsoft Excel с применением интегрированного языка Visual Basic for Application (VBA) и реализацией программных Excel-VBA-приложений.

Алгоритм и результат работы модели
Результаты
финальное состояние.
Алгоритм работы
клеточно-автоматной модели на нечетном и четном шаге.
Входные данные
начальное состояние.
В основе нашего решения лежит клеточно-автоматный подход, на его основе была разработана Математическое моделирование динамических процессов в газоугольном растворе, уникальность которой заключается в учете неоднородности среды и многофазного массопереноса, что делает нашу технологию прорывной.
Задается начальное состояние на входе клеточно-автоматной модели, на нечетном и четном шаге модели происходит обмен состояниями, по стохастическому правилу, между клетками в каждом блоке, на которые разбит клеточный массив, в результате серии итераций на выходе модели получаем конечное состояние в виде квазиравномерного распределения флюида по объему угля.
Технология
Алгоритм работы

План-график реализации
Наименование работ
1 этап.
1. Разработка математической модели динамических процессов в газоугольном растворе с помощью клеточных автоматов.
2. Разработка численного метода, реализующего математическую модель.
3. Разработка алгоритма, реализующего разработанный численный метод.
2 этап
1. Разработка компьютерной модели, реализующая алгоритм.
2. Разработка комплекса программ, реализующего компьютерную модель.
3. Исследование параметров динамических процессов в газоугольном растворе на комплексе программ.
Сроки
1 этап.
12 месяцев.
2 этап.
13 месяцев.
Итого.
25 месяцев.
Стоимость этапа
Вид отчетности
1 этап.
200000 руб.
2 этап.
300000 руб.
Итого.
500000 руб.
1 этап.
Научно-технический отчет о выполнении НИР (промежуточный).
2 этап.
Научно-технический отчет о выполнении НИР (заключительный)
Заявка на регистрацию прав на РИД.
Бизнес-план.
Дорожная карта.
Прохождение преакселерационной программы.
Ресурсное обеспечение
Компьютеризованное рабочие место для ресурсоемких вычислений на графическом адаптере NVIDIA Geforce 3090 с CUDA-ядрами обеспечивающие доступ к ресурсам видеокарты.

Ожидаемые результаты
Ожидаемые результаты
1. Математическая модель движения газа сквозь газоугольный раствор из пор и внешней среды, отличающаяся тем, что в ней учитывается динамическая неоднородность среды, заключающаяся в зарождении и исчезновении пор, а также их перемещении в объеме газоугольного раствора, с помощью метода задания внутренних краевых условий на основе композиции двух клеточных автоматов над одним клеточным массивом, где первый клеточный автомат задаёт динамику топологии моделируемого объекта зарождение, исчезновение и движение пор, а второй клеточный автомат имитирует течение эволюции внутренних состояний моделируемого объекта движение газа, что позволяет прогнозировать динамику протекания физико-химических процессов протекающих в газоугольном растворе.
2. Численный метод расчета поля концентрации по объему, отличающийся учетом проникновения газа из газовой в твердую фазу, внешней среды, что реализуется методом задания внешних краевых условий в виде внешнего контура, с четырьмя режимами работы, два из которых являются режимами обработки краевых клеток: краевые клетки либо не обрабатываются, что симулирует замкнутую систему, либо обрабатываются, что симулирует однородную среду или конечный объем однородной среды, а два других режима - это симуляции либо притока, либо оттока энергии, вещества, информации в открытой системе, а так же различные комбинации этих режимов для симуляции сложных систем, и позволяющий спрогнозировать взрывоопасность с помощью метода иерархичной композиции нескольких клеточных автоматов, число которых зависит от числа масштабных уровней учитывающихся при моделировании объекта исследования, представленный как набор неориентированных клеточных автоматов, где каждый клеточный автомат это слой в клеточно-автоматной сети.
3. Комплекс программ, реализующий разработанный алгоритм вычисления движения газа в газоугольном растворе, отличающийся представлением программного кода в виде неориентированной сети конечных автоматов по автоматной парадигме программирования, более эффективной нагрузкой на каждое вычислительное ядро матричного процессора, что обеспечивается модифицированным стохастическим блочно-синхронным методом разбиения клеточного массива, заключающийся в обмене значениями клеток в блоке не по или против часовой стрелки, как с использованием окрестности Марголуса, а по горизонтали и вертикали, что позволяет представить один блок как набор логических полублоков для более плотной вычислительной нагрузки отдельных ядер в матричном процессоре (СБИС, нейроускоритель, графический ускоритель) за один такт, а также визуализацией результатов расчёта в виде клеточно-автоматного представления, и позволяющей вычислять с высокой вычислительной скоростью поле концентрации газа в конечном объеме угля за счет естественной параллельности клеточных автоматов.

Ожидаемые результаты
Научная новизна
Практическая значимость
Экономическая эффективность
1. Разрабатываемая математическая модель движения газа сквозь газоугольный раствор из пор и внешней среды, отличающаяся тем, что в ней учитывается динамическая неоднородность среды, заключающаяся в зарождении и исчезновении пор, а также их перемещении в объеме газоугольного раствора, что позволяет прогнозировать динамику протекания физико-химических процессов.
2. Разрабатываемый численный метод и алгоритм расчета поля концентрации газа по конечному объему угля, отличающийся учетом проникновения газа из внешней среды и газовой фазы в твердую фазу дисперсной системы, и позволяющий спрогнозировать газоугольный выброс.
3. Разрабатываемый комплекс программ, реализующий разработанный алгоритм вычисления движения газа в газоугольном растворе, отличающийся представлением программного кода в виде неориентированной сети конечных автоматов, более эффективной нагрузкой на каждое вычислительное ядро матричного процессора, а также визуализацией результатов расчёта, и позволяющей вычислять с высокой вычислительной скоростью поле концентрации газа в конечном объеме угля.
Возможность использования результатов.
1. Для расчётно-экспериментальной оценки вероятности газоугольного выброса для неразгруженных угольных пластах глубокого залегания, во избегания выбросов на угледобывающих предприятиях.
2. Для расчётно-экспериментальной оценки фильтрационных свойств угля, при его дроблении, во избегания выбросов на углеобогатительных предприятиях.
3. Для расчётно-экспериментальной оценки газофильтрационных свойств неразгруженных угольных пластах глубокого залегания, при проведении работ по их дегазации на горнодобывающих предприятиях.
4. Для расчётно-экспериментальной оценки газофильтрационных свойств угля, при проведении работ по его дегазации на углеобогатительных предприятиях.
Меры по прогнозированию аварийных ситуаций, приводящих к простоям на производстве, недополученная прибыль, день простоя на шахте 10 - 20 миллионов, и снижения вероятности их возникновения путем проведения более эффективной дегазации.

Организации и цель участия
Партнеры
Проведение исследований по теме диссертационной работы, а также выполнение работ в рамках целевого использования средств гранта конкурса «УМНИК-Сбербанк» Фонда содействия инновациям, реализованного совместно с ПАО «Сбербанк», на лабораторной базе Сибирского государственного индустриального университета.
Аналоги
Метод конечных разностей - не учитывают неоднородность среды.
Метод подвижных клеточных автоматов - не учитывает многофазный массоперенос.
Оба метода применяется в отечественных и иностранных проектных организациях для инженерных расчетов в различных отраслях.
Цель участия в Конкурсе
Получить опыт публичного выступления.
Получение сертификата для портфолио.
Прохождение преакселерационной программы.
Преимущества клеточных автоматов
Дискретность — учет неоднородности среды и отсутствие ошибки дискретизации.
Композиция — учет многофазного массопереноса, модульность, мультифизичность.
Параллельность — параллельные вычисления и учет самоорганизации, эмерджентности, синергии.