Синтез речи (или text-to-speech) — это задача формирования сигнала, похожего на человеческую речь, по тексту. Обычно решение этой задачи разделяется на три части (модели): G2P, акустическая модель и вокодер.

Основная проблема подхода в том, что эти три модели обучаются независимо друг от друга. Именно поэтому в последнее время распространяется использование end2end обучения, которое использует единую модель для решения всей задачи, без разбиения на несколько независимых моделей. Глобальная задача этого проекта — построить end2end модель для синтеза речи.

Цель проекта — создать алгоритм (и имплементировать достаточно быстро работающий прототип), который решит автоматически задачу прокладки проводов, соединяющих компоненты на печатной плате.

Размеры компонент и их расположение на верхнем и нижнем слое уже дано, нужно только соединить их так, чтобы провода удовлетворяли определенным ограничительным условиям.
Проект выполнен совместно с лабораторией Huawei.

Необходимо разработать эффективный численный алгоритм оптимизации, который помогал бы выбрать оптимальную последовательность скважин, в которые будет закачиваться газ (такой метод помогает увеличивать нефтеотдачу). Целевая функция — экономическая эффективность проекта по итогам 20 лет.

Образ результата: либо адаптация «классического» численного алгоритм для black-box оптимизации со штрафной функцией, либо разработка алгоритма, напрямую учитывающего упомянутые особенности задачи.

Довольно часто в многопоточных программах случаются нестабильные баги. Чтобы ловить их, можно использовать модел-чекеры (далее MC). Это специальные программы, которые на вход берут ваш многопоточный код и стараются некоторым способом обойти все возможные сцены его исполнения. Работа велась над одним из таких MC.