Personal Websites
https://scholar.google.ru/citations?user=AmeE8qkAAAAJ&hl=ru&oi=ao
Alexander Gasnikov
Research Center in Artificial Intelligence in the Direction of Optimization of Management Decisions to Reduce Carbon Footprint
Доктор физико-математических наук. С 2005 г. работает на кафедре математических основ управления Московского физико-технического института (МФТИ). С 2022 г. — заведующий кафедрой. Также с 2022 года возглавил лабораторию Математических методов оптимизации школы ПМИ МФТИ. В 2007 г. под руководством академика РАН А. А. Шананина защитил кандидатскую диссертацию, в которой было получено решение задачи И. М. Гельфанда о распаде разрыва для уравнения типа Бюргерса. С 2008 г. ведет курс в МФТИ «Математическое моделирование транспортных потоков». В 2013 г. выпустил книгу «Введение в математическое моделирование транспортных потоков», предисловие к которой написал руководитель департамента транспорта г. Москвы М. С. Ликсутов. В 2016 г. защитил докторскую диссертацию, в которой (на основе совместных работ с Ю. Е. Нестеровым) был предложен новый способ формализации задач поиска равновесий в многостадийных моделях транспортных потоков и эффективные численные методы решения таких задач. В 2019 г. получил награду от компании «Yahoo!» за разработку эффективных децентрализованных алгоритмов решения задач выпуклой оптимизации. В 2020 г. получил премию им. Ильи Сегаловича (за создание оптимальных тензорных методов) и премию правительства Москвы по направлению «математика» (за создание многостадийной модели транспортных потоков). Автор более 200 статей, в том числе более 90 статей за последние 5 лет, индексируемых в Scopus. В том числе 9 статей на NeurIPS 2022.
Математическое моделирование транспортных потоков
Оптимизация (большой размерности, распределенная и параллельная, стохастическая, онлайн)
Машинное обучение с точки зрения оптимизации
2006г. — окончил факультет управления и прикладной математики МФТИ.
2007г. — кандидат физико-математических наук, окончил аспирантуру МФТИ, тема диссертации: «Асимптотическое по времени поведение решения начальной задачи Коши для закона сохранения с нелинейной дивергентной вязкостью» (научный руководитель А.А. Шананин).
2016г. — доктор физико-математических наук, тема докторской диссертации: «Эффективные численные методы поиска равновесий в больших транспортных сетях» (научные консультанты A.А. Шананин и Ю.Е. Нестеров).
2011–2020 гг. — доцент, факультет управления и прикладной математики, Московский физико-технический институт (государственный университет)
с 2020 г. — профессор, Московский физико-технический институт (государственный университет)
2015–2020 гг. — доцент, факультет компьютерных наук, Высшая школа экономики
с 2020 г. — профессор, факультет компьютерных наук, Высшая школа экономики
с 2015 г. — ведущий научный сотрудник, сектор №7, Институт проблем передачи информации
с 2016 г. — член редколлегии Сибирского журнала вычислительной математики
с 2019 г. — руководитель научной группы Huawei в Московском физико-техническом институте (государственном университете)
с 2021 г. — руководитель группы в ИИ Центре Института системного программирования РАН
с 2022 г. — заведующий кафедрой математических основ управления, Московский физико-технический институт (государственный университет)
с 2022 г. — заведующий лабораторией математических методов оптимизации, Московский физико-технический институт (государственный университет)
с 2022 г. — академический руководитель направления ПМФ в школе ФПМИ
с 2022 г. — член редколлегии Journal of Optimization Theory and Applications - Q1 (один из ведущих мировых журналов по численным методам оптимизации)
с 2023 г. — член редколлегии Журнала вычислительной математики и математической физики
с 2023 г. — член редколлегии Сибирского журнала индустриальной математики
РФФИ 18-29-03071 мк «Решения Big Data для моделирования, анализа и оптимизации транспортных процессов» (2018-2021) — исполнитель
РФФИ 18-31-20005 мол_а_вед «Разработка общих принципов построения и анализа скорости сходимости численных методов оптимизации на основе концепции модели целевой функции» (2018-2020) — руководитель
РФФИ 19-31-51001 Научное наставничество «Распределенные и параллельные алгоритмы решения задач анализа данных» (2019-2021) — руководитель
РФФИ 19-31-90062 Аспиранты «Единый взгляд на рандомизированные численные методы решения задач выпуклой оптимизации» (2019-2021) — руководитель
РФФИ 19-31-90170 Аспиранты «Поиск равновесий в транспортных сетях с помощью прямо-двойственных ускоренных методов с вспомогательной одномерной оптимизацией» (2019-2021) — руководитель
РНФ 17-11-01027 Алгоритмическая оптимизация для задач с большим числом переменных (2017-2019) — участник
РНФ 18-71-10108 Оптимальный транспорт: численные методы и приложения к анализу данных (2018-2021) — участник
Государственное задание №075-00337-20-03 «Разработка эффективных алгоритмов решения задач оптимизации больших размеров» (2020-2023) — исполнитель
РФФИ № 19-31-51001 Научное наставничество «Распределенные и параллельные алгоритмы решения задач анализа данных» (2020-2021) — руководитель
РНФ 21-71-30005 Разработка численных методов оптимизации в приложениях к задачам управления, обратным задачам и обучению (2021-2024) — основной исполнитель
РНФ 23-11-00229 Разработка эффективных распределенных алгоритмов решения оптимизационных задач (2023-2025)— руководитель
Разговор о трендах индустрии и современных задачах математики в интервью «Спроси учёного» (22.04.2023)
Участие в съемках фильма «Человек труда» (06.07.2022). Интервью о съемках с Александром Гасниковым на радио передачи «Вечерние встречи» (22.01.2023)
Статья в журнале «За науку» о решении Дмитрием Ковалевым задачи Ньютона (19.01.2023)
Статья в журнале «За науку» об участии сотрудников лаборатории в конференции NeurIPS-2022 (17.01.2023)
Статья в журнале «За науку» о создании отечественного пакета оптимизации городских транспортных потоков учеными МФТИ. На нашем сайте также можно ознакомиться с материалом на эту тему.Материал Известий о математической модели, которая поможет решить проблему с пробками в столице (30.12.2022)
Популярная лекция заведующего лабораторией о том, как бороться с пробками на дорогах (сентябрь 2022)
Лекция «Введение в распределенную оптимизацию» для Путеводителя по науке в Москве (16.11.2021)
Математическое доказательство того, почему вдвоем жить лучше, чем одному, в рамках серии интервью «Эйнштейн в любви, навигация и машинное обучение. Мир – это математика» от авторского канала «Это Осетинская (Русские норм!)» (15.11.2021)
Лекция «Как найти минимум функции, вычисляя значение функции наименьшее число раз?» для Путеводителя по науке в Москве (11.11.2021)
Статья в Коммерсанте про подходы к многостадийному моделированию транспортных потоков, подготовлена Александром Гасниковым и Павлом Двуреченским (22.07.2020)
Лекция о Современных численных методах оптимизации (5.12.2018)
Лекция о Математическом моделировании транспортных потоков (24.05.2017)
Интервью с Александром Гасниковым от Путеводителя по науке в Москве