Том 8, № 2 (2021)

В рамках полноэлектронной версии безорбитального подхода на основе теории функционала плотности рассчитаны энергия когезии Ecoh и объемный модуль упругости B больших наносистем: Cn, Sin, Aln и Tin, где количество атомов n достигает для углерода и кремния 4096, для алюминия - 23 328, для титана - 2662. Наносистемы взяты как фрагменты соответствующих кристаллических твердых тел. Определено, что Ecoh и B стремятся к их значениям, характерным для массивных материалов. Таким образом, убедительно показано, что наш безорбитальный подход может быть успешно использован для исследования механических свойств больших наносистем.

Интегральная излучательная способность (степень черноты) является важнейшей характеристикой, определяющей интенсивность теплообмена излучением. При проектировании различных тепло- и энергоустановок, тепловой защиты космических аппаратов и т.д. нужно знать температурную зависимость степени черноты используемых материалов ε(T). В настоящее время востребованы, создаются, используются новые конструкционные и композиционные материалы с заданными характеристиками, степень черноты которых подлежит определению. В работе приведена методика определения степени черноты пористых материалов с низкой теплоемкостью, с помощью которой выполнен расчет температурной зависимости керамического композиционного материала ВМК-5 ε(T) = 0,0002867T + 0,114.

Цель исследования. В статье рассматривается проблема эффективного использования вычислительных ресурсов. Описывается механизм аппаратной предвыборкой данных. Целью исследования является поиск решения, обеспечивающего возможность оценки количественного использования области памяти в программе ЭВМ. Что, в свою очередь, необходимо для повышения эффективности использования аппаратных возможностей ЭВМ. Выводы. В результате проведенного исследования автор приходит к выводу, что искомым решением является алгоритм определения интенсивности доступа к структурам данных в программе ЭВМ. В статье представлена терминология, поясняющая наименование показателей, используемых в алгоритме, описана математическая модель расчета показателя и ее ограничения. Сформулирована система уравнений, выражающая область значений показателя интенсивности доступа к данным, а для получения полной картины восприятия области значений, построены трехмерная модель и два двухплоскостных графика. Подробное описание алгоритма и представленная математическая модель итогового и промежуточных расчетов позволяют разработать автоматизированное решение для определенных инструментов (например, компиляторов), используемых при разработке программы ЭВМ. Автор делает вывод, что полученный показатель обеспечивает количественное представление об использовании долей информации (областей данных) в программе ЭВМ для последующей оценки эффективности программы ЭВМ и используемых структур данных. По результатам оценки могут быть приняты решения о соответствии/несоответствии предложенного решения и необходимости модификации программы ЭВМ или используемых структур данных.

В данной статье рассматривается кинематическая модель задачи группового преследования множества целей. В статье рассматривается вариант модели, когда все цели достигаются одновременно. В данной модели направление скоростей преследователем может быть произвольным, в отличие от метода параллельного сближения. В методе параллельного сближения векторы скоростей преследователя и цели направлены в точку на окружности Аполлония. Предложенная модель преследования основана на том, что преследователь старается следовать прогнозируемой траектории движения. Прогнозируемая траектория является составной кривой. Составная кривая состоит из дуги окружности и прямолинейного сегмента. Вектор скорости преследователя, приложенный к точке нахождения преследователя, касается данной окружности. Прямолинейный сегмент проходит через точку нахождения цели и касается указанной окружности. Полученная составная линия служит аналогом линии визирования в методе параллельного сближения. Итерационный процесс расчета точек траектории преследователя состоит в том, что следующая точка положения есть точка пересечения окружности с центром в текущей точке положения преследователя, с линией визирования, соответствующей точке следующего положения цели. Радиус такой окружности равен произведению скорости преследователя на промежуток времени, соответствующий временному шагу итерационного процесса. Время достижения цели каждого преследователя есть зависимость от скорости движения и минимального радиуса кривизны траектории. Многофакторный анализ модулей скоростей и минимальных радиусов кривизны траекторий каждого из преследователей для одновременного достижения своих целей основан на методах многомерной начертательной геометрии. Для этого, вводятся на эпюре Радищева плоскости проекций: радиуса кривизны траектории и скорости, радиуса кривизны траектории и времени достижения цели. Оптимизирующими факторами служат задаваемое время достижения цели и заданное значение скорости движения преследователя. Данный метод построения траекторий преследователей для достижения множества целей в заданные значения времени может быть востребован разработчиками автономных беспилотных летательных аппаратов.

Цель исследования. Развитие методических подходов к изучению взаимосвязи состояния института интеллектуальной собственности и инновационной деятельностью промышленного комплекса в российских условиях. Достижение цели видится посредством решения следующих задач: дана характеристика состояния института интеллектуальной собственной в модели открытых инноваций; систематизированы тенденции развития рынка интеллектуальной собственности в промышленности России; проведено моделирование взаимосвязи развития института интеллектуальной собственности и инновационной деятельности в промышленности. Выводы. Установлено, что основным источником вознаграждения на рынке интеллектуальной собственности является инновационная рента, представляющая собой сверхдоходы инвестора, инноватора, инновационной фирмы и инновационно-активного предприятия, возникающие в процессе диффузии инноваций. Источниками дохода при этом могут выступать: продукты и технологии, новый бизнес, специфические активы, лицензии, spin-off, дочерние компании, бренды, отдельные этапы жизненного цикла инноваций. В российской промышленности отмечается рост патентной активности, однако стабильной динамики по развитию института интеллектуальной собственности не выявлено. Уровень технологичности производства промышленных предприятий напрямую коррелирует с уровнем используемых объектов интеллектуальной собственности и подаваемыми заявками на выдачу охранных документов на результаты научно-технической деятельности. Не установлено прямой положительной взаимосвязи между индикаторами инновационной деятельности в промышленности и показателями, характеризующими состояние института интеллектуальной собственности. Однако выявлены временные лаги между приростом числа используемых объектов интеллектуальной собственности промышленными предприятиями и последующим за этим увеличением удельного веса отгруженной инновационной продукции - 3 года, а также между приростом числа используемых объектов интеллектуальной собственности промышленными предприятиями и последующим за этим приростом доли затрат на технологические инновации в общем объеме отгруженной инновационной продукции - 5 лет.