Начальная страница
 Леонид
Борисович
Соколинский

Биографическая справка

Область научных интересов

Научные достижения

Гранты

Публикации

Выступления на конференциях

Читаемые учебные курсы

Методические разработки

Полезные
WWW-ссылки

English version

 

Главная страница Биографическая справка Полезные WWW-ссылки

Леонид Соколинский

Доктор физ.-мат. наук, профессор

Леонид Борисович Соколинский

Проректор по информатизации

Южно-Уральский государственный университет (НИУ)

Россия, 454080, г.Челябинск, проспект им. В. И. Ленина, 76, к. 910.
Рабочий телефон: (351) 272-35-00

E-mail: leonid.sokolinsky@susu.ru
Личная страница: http://sok.susu.ru

Skype: leonid_sokolinsky

05.13.18 - математическое моделирование, численные методы и комплексы программ (физико-математические и технические науки)
Диссертационный совет

Леонид Борисович Соколинский является проректором по информатизации и заведующим кафедрой системного программирования Южно-Уральского государственного университета (национального исследовательского университета). Доктор физико-математических наук, профессор, почетный работник высшего профессионального образования РФ, главный редактор серии "Вычислительная математика и информатика" Вестника ЮУрГУ. Является автором и соавтором более 140 научных работ. Л.Б. Соколинским подготовлены восемь кандидатов и один доктор наук. Член ACM с 1997 г.

 Индекс Хирша: 7 (WoS), 9 (Scopus), 17 (РИНЦ)

РИНЦ: SPIN-код 6077-5142; Author ID 99314

WoS ResearcherID: E-2421-2013

Scopus ID: 6506818504

ORCID: 0000-0001-9997-3918

ResearchGate: www.researchgate.net/profile/Leonid_Sokolinsky

Academia.edu: susu.academia.edu/Leonid_Sokolinsky

Область научных интересов

  • Искусственные нейронные сети и машинное обучение
  • Параллельные вычисления
  • Системы создания и поддержки проблемно-ориентированных баз данных
  • Вычислительная математика

Научные достижения

Л.Б. Соколинским совместно с его учениками разработаны следующие новые концепции, подходы, модели, методы и алгоритмы.

  • Модель параллельных вычислений BSF
  • Алгоритм LFU-K замещения страниц в кэше
  • Алгоритм планирования POS в распределенных многопроцессорных проблемно-ориентированных вычислительных средах
  • Колоночные индексы и колоночный сопроцессор баз данных для обработки ресурсоемких OLAP-запросов в реляционных СУБД
  • Апекс-метод для решения задач линейного программирования

Гранты

Гранты на проведение научно-исследовательских работ

  1. Государственное задание FENU-2020-0022 Минобрнауки РФ (2020-2022): Математические основы, модели и алгоритмы цифровой индустрии.
  2. Грант РФФИ № 20-07-00092-а  (2020-2022 гг.): Разработка сверхмасштабируемых моделей, методов и алгоритмов для решения нестационарных задач оптимизации на основе синтеза суперкомпьютерных и нейросетевых технологий.
  3. Государственное задание 2.7905.2017/8.9 Минобрнауки РФ (2017-2019): Модели, методы и алгоритмы обработки больших данных в задачах искусственного интеллекта, интеллектуального анализа и глубокого машинного обучения.
  4. Грант РФФИ № 17-07-00352-а  (2017-2019 гг.): Разработка сверхмасштабируемых методов и алгоритмов для решения задач линейного программирования большой размерности с быстро меняющимися исходными данными.
  5. Грант РФФИ № 15-29-07959 офи-м  (2015-2017 гг.): Разработка методов и алгоритмов планирования выполнения потоковых приложений при решении задач инженерного анализа в распределенных вычислительных средах.
  6. Государственный контракт ФЦП № 14.574.21.0035  (2014-2015 гг.): "Разработка технологий параллельной обработки сверхбольших объемов данных с использованием колоночного представления и сжатия информации на кластерных вычислительных системах с многоядерными ускорителями и создание на их основе параллельной СУБД".
  7. Государственный контракт ФЦП № 14.514.11.4106 (2013 г.): Разработка принципов построения и формирование банков прототипированных приложений на основе модели потоков работ для больших суперкомпьютерных комплексов с многоядерными ускорителями.
  8. Грант РФФИ № 12-01-00452-а  (2012-2014 гг.): Разработка методов и алгоритмов для решения нестационарных задач линейной оптимизации и распознавания образов на гибридных многопроцессорных системах экзафлопного уровня производительности.
  9. Грант РФФИ-Урал № 10-07-96007-р_урал_а  (2010-2012 гг.): Разработка комплекса полезных моделей человеческого тела для предсказательного моделирования на суперкомпьютерных системах.
  10. Грант РФФИ № 09-07-00241-а (2009-2011 гг.): Алгоритмы и методы параллельной обработки запросов в системах баз данных для многопроцессорных систем с иерархической архитектурой.
  11. Гос. контракт Роснауки No. 2007-4-1.4-20-01-026 (2007-2008 гг.): Создание грид-сервисов для построения структурированных проблемно-ориентированных оболочек для использования инженерных пакетов в распределенных вычислительных средах.
  12. Грант программы СКИФ-ГРИД Союзного государства Россия-Белоруссия No. 2007-СГ-04/4 (2007-2008 гг.): Создание адаптеров для использования пакетов инженерного моделирования и анализа в грид-среде.
  13. Грант РФФИ No. 06-07-89148 (2006-2008 гг.): Технология и методы организации систем баз данных для вычислительных кластеров и GRID.
  14. Грант РФФИ No. 03-07-90031 (2003-2005 гг.): Модели и методы проектирования и разработки параллельных систем баз данных с кластерной архитектурой.
  15. Грант РФФИ No. 00-07-90077 (2000-2002 гг.): Разработка параллельной системы управления базами данных для мультипроцессорных вычислительных систем МВС-100/1000.
  16. Грант РФФИ No. 97-07-90148 (1997-1999 гг.): Разработка высоко-параллельной масштабируемой системы управления базами данных для мультипроцессорной вычислительной системы без совместного использования ресурсов.

Избранные публикации

  1. Starkov A.E., Sokolinsky L.B. Building 2D Model of Compound Eye Vision for Machine Learning // Mathematics. 2022. Vol. 10, no. 2. Article number 181. DOI:10.3390/MATH10020181. (WOS:000746391100001 Impact Factor TOP10%, Scopus CiteScore Q1) [Full Text in PDF]

  2. Sokolinsky L.B. BSF: A parallel computation model for scalability estimation of iterative numerical algorithms on cluster computing systems // Journal of Parallel and Distributed Computing. 2021. Vol. 149. P. 193-206. DOI:10.1016/j.jpdc.2020.12.009. (WOS:000608915300016 Impact Factor Q1, Scopus CiteScore Q1) [Full Text in PDF]

  3. Sokolinsky L.B., Sokolinskaya I.M. FRaGenLP: A Generator of Random Linear Programming Problems for Cluster Computing Systems // Parallel Computational Technologies. PCT 2021. Communications in Computer and Information Science. 2021, vol. 1437. 164-177. DOI:10.1007/978-3-030-81691-9_12. (WOS:000691430300012, Scopus CiteScore Q3) [Full Text in PDF]

  4. Sokolinskaya I.M., Sokolinsky L.B. VaLiPro: Linear Programming Validator for Cluster Computing Systems // Supercomputing Frontiers and Innovations. 2021. Vol. 8, No. 3. P. 51-61. DOI:10.14529/jsfi210303. (Перечень ВАК, Ядро РИНЦ, Scopus CiteScore Q2) [Full Text in PDF]

  5. Sokolinsky L.B., Sokolinskaya I.M. Scalable Parallel Algorithm for Solving Non-stationary Systems of Linear Inequalities // Lobachevskii Journal of Mathematics. 2020. Vol. 41, No. 8. P. 1571–1580. DOI: 10.1134/S1995080220080181. (Перечень ВАК, Ядро РИНЦ, WOS:000581791600017, Scopus Q2) [Full Text in PDF]

Полный список научных трудов

Список публикаций, индексированных в РИНЦ, Scopus, Web of Science, DBLP, ACM DL, Google Академия

Недавние выступления на конференциях и семинарах

  1. VaLiPro: валидатор решений задач линейного программирования для кластерных вычислительных систем. Международная научная конференция "Суперкомпьютерные дни в России 2021". Москва, 27-28 сентября 2021 г. [Презентация в формате PDF]

  2. FRaGenLP: генератор случайных задач линейного программирования для кластерных вычислительных систем. Международная научная конференция "Параллельные вычислительные технологии (ПаВТ) 2021". Волгоград, 30 марта - 1 апреля 2021 г. [Презентация в формате PDF]

  3. Модель параллельных вычислений для оценки масштабируемости итерационных численных алгоритмов. Международная конференция "Марчуковские научные чтения 2020". Академгородок, Новосибирск, 19 - 23 Октября 2020 г. [Презентация в формате PDF]

  4. Исследование масштабируемости апекс-метода для решения сверхбольших задач линейного программирования на кластерных вычислительных системах. Международная научная конференция "Суперкомпьютерные дни в России 2020". Москва, 21-22 сентября 2020 г. [Презентация в формате PDF]

  5. Scalable algorithm for Solving Convex Feasibility Problems. Huawei Central Research Institute Mathematics Workshop (Saint Petersburg, October 14 – 15, 2019). [Презентация в формате PDF]

Все выступления на конференциях, начиная с 1999 г.

Читаемые учебные курсы

Методические разработки

Изменено: 08 февраля 2022 г.

© Л.Б. Соколинский