Многоцелевая программно-аппаратная платформа аналитики больших данных

Рассматриваются научно-прикладные задачи с использованием программных компонентов Больших данных и искусственного интеллекта (ИИ), аппаратных ускорителей (GPU), программных средств организации вычислений (в том числе квантовых) и инструментов анализа, моделирования и визуализации. Задача организации процесса распределенной обработки, интегрирующей фреймворк Spark, пакет ROOT и экосистему Python, рассматривается как пример реализации конвейера обработки и анализа данных. Разрабатывалась методология и программные средства для интеллектуальной обработки текстовых данных в научно-технической области, а также сфере образования и экономики с использованием методов NLP (задача массовой обработки патентной информации и задача анализа соответствия системы высшего образования потребностям рынка труда). Создан прототип многоцелевой локальной интегрированной исследовательской среды ИИ на основе пула серверов с локально установленными большими языковыми моделями (LLM) и организованным доступом через веб-сервер и API. Разрабатывается методика интеллектуальной обработки, анализа и генерации научно-технической информации на основе интеграции решений NLP и универсальных LLM. С использованием подхода «программирования на естественном языке» (нейро-кодинг) продемонстрирована возможность ускоренного создания веб-сайтов и порталов на основе стека современных технологий LLM+node.js/next.js/supabase etc., позволяющего создавать сложные и одновременно гибкие проекты. Разработаны программные решения для задач машинного обучения на основе квантовых и квантово-классических алгоритмов, в которых вариационные квантовые схемы интегрированы в классический конвейер обработки и анализа данных. На примере задачи генерации изображений исследовался потенциал квантовых генеративно-состязательных сетей (QGAN). Рассматриваются планы дальнейших исследований.