О проекте
Для выполнения научно-исследовательских работ в интересах ОАО «РЖД» требуется ведущий исследователь в области математического моделирования, оптимизации логистических систем, машинного обучения и квантовых (квантовоподобных) вычислений.
Проекты связаны с разработкой математических моделей для оптимизации цепочек поставок, управления запасами материально-технических ресурсов, прогнозирования потребления, логистики грузов и исследованием перспектив применения квантовых и квантовоподобных алгоритмов для решения прикладных задач транспортной отрасли.
Работы выполняются по заказу научно-исследовательских подразделений железнодорожной отрасли и предполагают проведение полноценных НИР с подготовкой научно-технической документации и программных прототипов.
Основные задачи
- Анализ предметной области и постановка математических задач.
- Исследование современных методов оптимизации логистических процессов.
- Построение математических моделей в режимах «как есть» и «как должно быть».
- Разработка моделей управления запасами и логистическими цепочками.
- Разработка оптимизационных алгоритмов для транспортных и складских систем.
- Исследование и адаптация квантовых и квантовоподобных алгоритмов для решения прикладных задач оптимизации.
- Сравнение классических и квантово-инспирированных подходов.
- Разработка моделей прогнозирования временных рядов потребления ресурсов.
- Разработка нейросетевых моделей и ML-бейзлайнов.
- Проведение вычислительных экспериментов и стресс-тестирования моделей.
- Анализ устойчивости решений к внешним возмущениям и изменениям параметров системы.
- Верификация моделей на ретроспективных данных.
- Оценка экономической эффективности предлагаемых решений.
- Подготовка аналитических отчетов, презентаций и научно-технической документации.
- Разработка прототипов и программных скриптов для проведения расчетов.
Требования
Обязательные
- Высшее образование:
- прикладная математика;
- математическое моделирование;
- исследование операций;
- системный анализ;
- компьютерные науки;
- физика;
- Data Science.
- Опыт работы от 5 лет в области:
- математического моделирования;
- оптимизационных задач;
- машинного обучения;
- аналитики данных.
- Отличное знание:
- Python;
- NumPy;
- Pandas;
- SciPy;
- Scikit-Learn;
- PyTorch или TensorFlow.
- Опыт решения задач:
- транспортной логистики;
- управления запасами;
- прогнозирования временных рядов;
- дискретной оптимизации.
- Знание методов:
- линейного программирования;
- целочисленной оптимизации;
- динамического программирования;
- стохастического моделирования;
- имитационного моделирования.
Будет преимуществом
- Практический опыт работы с:
- Qiskit;
- D-Wave Ocean;
- PennyLane;
- Cirq.
- Понимание:
- Quantum Annealing;
- QAOA;
- Variational Quantum Algorithms;
- Quantum Machine Learning.
- Опыт научно-исследовательских работ (НИР).
- Публикации в профильных научных журналах.
- Наличие ученой степени кандидата или доктора наук.
- Опыт работы с транспортными системами, железнодорожной логистикой или крупными промышленными предприятиями.
Результаты работы
По итогам проекта необходимо подготовить:
- математические модели оптимизации логистики и управления запасами;
- прототипы программных решений и расчетные скрипты;
- модели прогнозирования потребления ресурсов;
- сравнительный анализ классических и квантовоподобных алгоритмов;
- результаты вычислительных экспериментов;
- технико-экономическое обоснование предложенных решений;
- аналитические отчеты;
- презентационные материалы;
- рекомендации по внедрению разработанных подходов в бизнес-процессы заказчика.
Мы предлагаем
- Участие в уникальных проектах на стыке логистики, искусственного интеллекта и квантовых вычислений.
- Возможность публикации научных результатов по согласованию с заказчиком.
- Полностью удаленный формат работы.
- Гибкий график.
- Работа с крупным заказчиком федерального уровня.
- Возможность формирования собственной исследовательской команды.
Дополнительно
Рассматриваем как отдельных экспертов, так и небольшие исследовательские коллективы (2–5 человек), способные самостоятельно выполнить полный цикл НИР: от разработки математической модели до подготовки итоговой документации и программных прототипов.
