Ermakov, Serguéi Mijáilovich
La versión estable se desprotegió el 1 de abril de 2022 . Hay cambios no verificados en plantillas o .| Serguéi Mijáilovich Ermakov | |
|---|---|
| Fecha de nacimiento | 9 de diciembre de 1930 (91 años) |
| Lugar de nacimiento | Lugansk |
| País | |
| Esfera científica | matemáticas , modelado matemático |
| Lugar de trabajo | cabeza Departamento de Modelado Estadístico, Universidad Estatal de San Petersburgo |
| alma mater | LSU |
| Titulo academico | Doctor en Ciencias Físicas y Matemáticas |
| consejero científico | GI Marchuk |
| Premios y premios |
    |
Sergei Mikhailovich Ermakov (nacido el 9 de diciembre de 1930 , Lugansk ) - Matemático soviético y ruso , Doctor en Ciencias Físicas y Matemáticas (1973), Profesor, Jefe del Departamento de Modelado Estadístico de la Facultad de Matemáticas y Mecánica de la Universidad de San Petersburgo , laureado del Premio Estatal de la URSS , miembro de pleno derecho de la Academia Internacional de Ciencias de la Escuela Superior. Especialista en el campo de la teoría y aplicaciones del método Monte Carlo y planificación de un experimento estocástico.
Actividad científica
La actividad científica de S. M. Ermakov, especialmente en el período inicial, sin duda fue influenciada por los académicos G. I. Marchuk , Yu. V. Linnik , S. L. Sobolev . El académico G. I. Marchuk fue el supervisor de su tesis doctoral. Participó en un seminario sobre estadística bajo la dirección del académico Yu. V. Linnik durante varios años (aquí se presentaron los resultados de su tesis doctoral). Sergei Mikhailovich fue un participante indispensable en las escuelas sobre fórmulas de cubatura bajo la dirección del académico S. L. Sobolev. Una de las principales áreas de sus intereses científicos sigue siendo la teoría del método Monte Carlo.El trabajo en la evaluación de integrales multidimensionales, el estudio de generadores de números pseudoaleatorios, la solución probabilística de ecuaciones integrales lineales y no lineales contribuyó a la transformación de este método computacional de un conjunto de técnicas semi-empíricas a una rama bastante estrictamente definida de las matemáticas.
Durante su polifacética actividad, también resolvió una amplia gama de problemas aplicados:
- en el área de radiación que pasa a través de la materia;
- en el campo del modelado de sistemas complejos;
- en el campo de la resolución de problemas no lineales de líquidos y gases;
- en el campo de la fundamentación y desarrollo de métodos computacionales estocásticos.
En los últimos años, junto con sus colegas y alumnos, se han obtenido una serie de resultados científicos de fundamental importancia, entre ellos:
- Estimación de la complejidad comparativa de métodos deterministas y estocásticos para la resolución de sistemas de ecuaciones algebraicas lineales. Se muestra que el método de Monte Carlo puede ser preferible para resolver sistemas de grandes dimensiones. Uno de los trabajos en esta dirección se llevó a cabo en conjunto con el famoso científico estadounidense J. Holton;
- Se descubre un nuevo efecto, la inestabilidad estocástica de algunos algoritmos del método Monte Carlo. El efecto se manifiesta, en particular, al resolver ecuaciones de tipo hiperbólico. Se obtienen condiciones suficientes, cercanas a las necesarias para la estabilidad estocástica, se establece una conexión con las propiedades de asincronía y paralelismo de los algoritmos (Trabajo conjunto con el científico alemán W. Wagner y los estudiantes graduados Adamov y Gladkova);
- En relación con el estudio de métodos deterministas para modelar la aleatoriedad, se estudian algunas propiedades de la secuencia de partes fraccionarias de la función exponencial;
- En relación con los métodos cuasi Monte Carlo, se obtienen generalizaciones de la desigualdad de Koksma-Chławka . Se estudian algunas propiedades estocásticas de los números cuasi-aleatorios. Se proponen nuevos métodos para reducir la dimensión constructiva en el modelado de cadenas de Markov;
- Finalmente, fue posible construir métodos efectivos para modelar la distribución delta-cuadrada, introducidos en consideración por S. M. Ermakov y V. G. Zolotukhin en 1960 . Esto hizo posible, en particular, proponer métodos convenientes para construir planes D-óptimos exactos para un experimento de regresión.
La escuela científica creada por S. M. Ermakov es bien conocida por especialistas en Rusia y en el extranjero. Directamente bajo su liderazgo, se completaron 38 tesis doctorales y 7 de candidato. Entre sus alumnos se encuentran científicos tan destacados como Wolfgang Wagner, especialista en el campo de la solución de Monte Carlo de las ecuaciones de Boltzmann y Smoluchowski (Instituto de Análisis Aplicado y Estocástica, Berlín), A. A. Zhiglyavsky, generalista en el campo de la estadística matemática y su aplicaciones (Jefe del Departamento de Estadística, Universidad de Cardiff , Reino Unido ), V. B. Melas - Profesor del Departamento de Modelado Estadístico, quien desarrolló nuevos métodos para planificar un experimento con parametrización no lineal, etc.
Dirigido por S. M. Ermakov desde 1978, el Departamento de Modelado Estadístico es el iniciador de conferencias internacionales (St. Petersburg Workshop on Simulation: 1994, 1996, 1998, 2001, 2005). La última reunión reunió a 130 científicos de todo el mundo.
S. M. Ermakov escribió 8 monografías y 3 libros de texto. La lista de sus obras incluye más de 200 títulos.
Extracto de un artículo dedicado al setenta y cinco cumpleaños de S. M. Ermakov. Boletín de la Universidad Estatal de San Petersburgo , ser. 1, número 2, 2006, págs. 3-6)
Obras principales
Monografías- Método Ermakov S. M. Monte Carlo y temas relacionados, ser. "Teoría de la probabilidad y estadística matemática", Moscú, ed. "Nauka", 1971
- Método Ermakov S. M. Monte Carlo y cuestiones relacionadas, segunda edición, complementada, serie "Teoría de la probabilidad y estadística matemática", Moscú, edición "Nauka", 1975. El libro se tradujo a varios idiomas extranjeros:
- Die Monte Carlo Methode und verwandte Fragen, VEB Deutscher Verlag der Wissenschaften, 1975, Berlín
- Die Monte Carlo Methode und verwandte Fragen, R. Oldenburg Verlag, 1975, Múnich, Viena.
- Metoda Monte Carlo i zagad-«nienia pokrewne, Panstwome Wydawnictwo naukowe, 1976, Warszawa
- Metoda Monte Carlo si probleme intrudite, Editura technica, 1976, Bucuresti.
- Ermakov S. M., Zhiglyavsky A. A., Kozlov V. P., Melass V. B. et al Teoría matemática de la planificación de experimentos, ser. “Biblioteca matemática de referencia”, Moscú, ed. "Ciencia", 1983
- Ermakov S. M., Nekrutkin V. V., Sipin A. S. Procesos aleatorios para resolver ecuaciones clásicas de física matemática, Moscú, ed. "Ciencia", 1984
- Ermakov SM, Nekrutkin VV, Sipin AS Procesos aleatorios para ecuaciones clásicas de física matemática, Kluwer Acad. Publicación, 1989.
- Ermakov S. M., Melas V. B. Experimento matemático con modelos de sistemas estocásticos complejos, San Petersburgo, ed. Universidad Estatal de San Petersburgo, 1993
- Ermakov SM, Melas VB Diseño y análisis de experimentos de simulación, Kluwer Acad. Editores, 1995.
- Ermakov S. M., Rasulov A. S., Bakoev, Veselovskaya A. Z. Algoritmos seleccionados de Monte Carlo, Tashkent, ed. Universidad Estatal de Tashkent, 1992
- Ermakov S. M. Método Monte Carlo en Matemática Computacional. Curso introductorio. Binomio. Moscú, Dialecto Nevsky. San Petersburgo, 2009
- "Curso de modelado estadístico", Moscú, ed. "Ciencia", 1976, junto con Mikhailov G. A.
- Modelado estadístico, segunda edición, complementada, Moscú, ed. "Ciencia", 1982, junto con Mikhailov G. A.
- "Teoría matemática del experimento óptimo", Moscú, ed. "Ciencia", 1987, en colaboración con Zhiglyavsky A. A.
- Libro de texto para el curso "Modelado Estadístico", Parte 1. Modelado de distribuciones", Parte P. Integrales. Ecuaciones integrales", Parte III. Procedimientos recursivos, Ecuaciones no lineales", St. .
Enlaces
- Curriculum vitae Archivado el 6 de enero de 2018 en Wayback Machine .
 sitios temáticos | ||||
|---|---|---|---|---|
| ||||