Главная страница Биографическая справка Полезные WWW-ссылки

	Доктор физ.-мат. наук, профессор Леонид Борисович Соколинский Заведующий кафедрой системного программирования Южно-Уральский государственный университет (НИУ) Россия, 454080, г. Челябинск, проспект им. В. И. Ленина, 87, к. 479/3а. Рабочий телефон: (351) 272-30-80 E-mail: leonid.sokolinsky@susu.ru Личная страница: http://sok.susu.ru Skype: BpZ9wgmtUscK		Диссертационный совет

Леонид Борисович Соколинский является 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 150 научных работ. Л.Б. Соколинским подготовлены восемь кандидатов и один доктор наук.

Индекс Хирша: 7 (WoS), 10 (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.

• Математическая модель фасеточного зрения на плоскости (2021)
• Апекс-метод для решения задач линейного программирования (2020)
• Модель параллельных вычислений BSF (2019)
• Колоночные индексы и колоночный сопроцессор баз данных для обработки ресурсоемких OLAP-запросов в реляционных СУБД (2017)
• Алгоритм планирования POS в распределенных многопроцессорных проблемно-ориентированных вычислительных средах (2016)
• Алгоритм LFU-K замещения страниц в кэше (2004)

Гранты

Гранты на проведение научно-исследовательских работ

1. Грант РНФ № 23-21-00356 (2023-2024 гг.): Развитие методов многомерной линейной оптимизации на основе синтеза суперкомпьютерных технологий и машинного обучения.
2. Государственное задание FENU-2020-0022 Минобрнауки РФ (2020-2022): Математические основы, модели и алгоритмы цифровой индустрии.
3. 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.
4. 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.
5. 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.
6. 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.
7. 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".
8. 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.
9. 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.
10. Грант РФФИ-Урал № 10-07-96007-р_урал_а  (2010-2012 гг.): Разработка комплекса полезных моделей человеческого тела для предсказательного моделирования на суперкомпьютерных системах.
11. 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.
12. 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.
13. 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.
14. Грант РФФИ No. 06-07-89148 (2006-2008 гг.): Технология и методы организации систем баз данных для вычислительных кластеров и GRID.
15. Грант РФФИ No. 03-07-90031 (2003-2005 гг.): Модели и методы проектирования и разработки параллельных систем баз данных с кластерной архитектурой.
16. Грант РФФИ No. 00-07-90077 (2000-2002 гг.): Разработка параллельной системы управления базами данных для мультипроцессорных вычислительных систем МВС-100/1000.
17. 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. Sokolinsky L.B., Sokolinskaya I.M. Apex Method: A New Scalable Iterative Method for Linear Programming // Mathematics. 2023. Vol. 11, no. 7. Article number 1654. DOI:10.3390/math11071654. (WOS Impact Factor TOP10%, Scopus CiteScore Q1) [Full Text in PDF]

2. 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]

3. Olkhovsky N.A., Sokolinsky L.B. Visualizing Multidimensional Linear Programming Problems // Parallel Computational Technologies. PCT 2022. Communications in Computer and Information Science, vol. 1618.  Cham: Springer, 2022. P. 172-196. DOI:10.1007/978-3-031-11623-0_13. (WoS, Scopus CiteScore Q3) [Full Text in PDF]

4. 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]

5. Sokolinsky L.B., Sokolinskaya I.M. 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]

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

• Методы и системы обработки больших данных
• Глубокие нейронные сети

Методические разработки

• Параллельные системы баз данных / Электронный учебный курс  (совм. с М.Л. Цымблером)
• Образцы для оформления списка литературы

Изменено: 06 июня 2023 г.