1. Машинное обучение
2. Глубокие обучение
3. Численный анализ

Моделирование обратных задач с помощью глубоких нейронных сетей

НҰРТАС Марат получил степень доктора философии (PhD) по специальности «Математическое и компьютерное моделирование» в Казахско-Британском техническом университете (КБТУ) и степень бакалавра по математике в Казахском национальном университете имени аль-Фараби. В настоящее время он работает ассоциированным профессором Международного университета информационных технологий (IITU) и ведущим научным сотрудником Института ионосферы. Имея 14 лет научно-педагогического стажа, Нуртас М. является обладателем престижной международной стипендии «Болашак», учрежденной Президентом Республики Казахстан. С 24 октября 2025 года Нуртас М. назначен приглашённым профессором (Visiting Professor) в Чжунъюаньском технологическом университете (ZhoungYuan University of Technology) (г. Чжэнчжоу, КНР) в рамках программы «Overseas High-Level Talent Program» на период 2026–2028 гг., где он ведет научные исследования в области искусственного интеллекта и вычислительного моделирования.

Он является руководителем грантового проекта, финансируемого Министерством науки и высшего образования Республики Казахстан на 2024–2026 годы, под названием: «Машинное и глубокое обучение в сейсмологии: новый подход к прогнозированию сейсмических рисков».

НҰРТАС Марат также выполняет обязанности заместитель редактора по направлению «Численное моделирование и наука о данных» в издательстве “Engineered Science Publisher” (США), входящем в базу Scopus и занимающем первый квартиль (98-й перцентиль) в мировой рейтинговой системе.

Он принимал участие в ряде международных научных проектов, включая проект Erasmus+ ELBA — «Создание учебных и исследовательских центров и разработка курсов по интеллектуальному анализу больших данных в странах Центральной Азии» (грант № 610170-EPP-1-2019-1-ES-EPPKA2-CBHE-JP, 2019–2022 гг.). В период 2021–2023 гг. он руководил проектом для молодых ученых AP09058367 на тему «Численное моделирование напряженно-деформированного состояния земной коры Казахстана по данным долговременных GPS-наблюдений».

Основные научные интересы НҰРТАС Марат включают машинное обучение, глубокое обучение, численную оптимизацию, обучение и компрессию нейронных сетей, а также применение физически-информированных нейронных сетей (Physics-Informed Neural Networks, PINNs) для решения дифференциальных уравнений и моделирования геофизических процессов.

В период 2016–2025 гг. НҰРТАС Марат опубликовал ряд научных статей в изданиях, индексируемых в базах Web of Science, Scopus и КОКСОН. Его индекс Хирша составляет 8 (Scopus) и 4 (Web of Science). Он является автором 41 публикации в Scopus и 12 в Web of Science.

Научные идентификаторы:

- ORCID: https://orcid.org/0000-0003-4351-0185;

- Scopus Author ID: 57189710532;

- Researcher ID: JWP-4213-2024 ; AAW-7412-2020.

Ниже приводятся последние публикации в том числе, в журналах с импакт-фактором Web of Science и Scopus:

[1] M. Nurtas, A. Altaibek, A. Ydyrys, A. Vilayev and T. Nessipbay, Development of a Long Short-Term Memory (LSTM)-Based Statistical Model for Earthquake Forecasting in Central Asia, in IEEE Access, vol. 13, pp. 162304-162319, 2025, doi: 10.1109/ACCESS.2025.3610168 [Web of Science, JCI Category: Q2, IF: 3.9. Scopus, Quartiles: Q1, Percentile: 90%, CiteScore: 9.0]

[2] Nurtas, M., Altaibek, A., Ydyrys, A., T. Nessipbay. Analyzing historical seismic data for region-specific earthquake prediction through deep neural networks. Springer Nature in Journal of Seismology (2025). Doi: 10.1007/s10950-025-10316-w [Web of Science, JCI Category: Q2, IF: 2.0. Scopus, Quartiles: Q2, Percentile: 61%, CiteScore: 3.3.]

[3] Altaibek A, Zhumabayev B, Sarsembayeva A, Nurtas M*, Zakir D. Enhancing Geomagnetic Disturbance Predictions with Neural Networks: A Case Study on K-Index Classification. Atmosphere. 2025 Feb 25;16(3):267. DOI: https://doi.org/10.3390/atmos16030267 [Web of Science, JCI Category: Q3, IF= 2.6. Scopus, Quartiles: Q2, Percentile: 69%, CiteScore 4.9]

[4] Altaibek A, Nurtas M*, Zhantayev Z, Zhumabayev B, Kumarkhanova A. Classifying Seismic Events Linked to Solar Activity: A Retrospective LSTM Approach Using Proton Density. Atmosphere. 2024 Oct 27;15(11):1290. DOI: https://doi.org/10.3390/atmos15111290 [Web of Science, JCI Category: Q, IF= 2.6. Scopus, Quartiles: Q2, Percentile: 69%, CiteScore 4.9]

[5] R. Krasnozhonov and M. Nurtas*, Modeling the Propagation of Acoustic Waves in an Elastic Medium Using Physics-Informed Neural Networks, 2025 IEEE 5th International Conference on Smart Information Systems and Technologies (SIST), Astana, Kazakhstan, 2025, pp. 1-7, doi: 10.1109/SIST61657.2025.11139217. [IEEE conference paper in Scopus]

[6] M. Nurtas, A. Kumarkhanova, T. Nessipbay. Deep Learning-Based Earthquake Magnitude Estimation Using Seismic Waveform Images. IEEE 5th International Conference on Smart Information Systems and Technologies (SIST 2025), Astana, Kazakhstan. [IEEE conference paper in Scopus] doi: https://doi.org/10.1109/SIST61657.2025.11139211

[7] M. Nurtas, A. Altaibek, A. Kumarkhanova, T. Nessipbay. CNN-LSTM-Based Forecasting of Peak Ground Acceleration from Early Seismic Waveforms. IEEE International Conference on Artificial Intelligence, Computer, Data Science and Analysis (ACDSA 2025), Antalya, Turkey. [IEEE conference paper in Scopus] doi: https://doi.org/10.1109/ACDSA65407.2025.11165806

[8] Marat Nurtas, Zhumabek Zhantaev, Aizhan Altaibek, Serik Nurakynov, Berik Iskakov and Aizhan Ydyrys. Predicting the likelihood of an earthquake by leveraging volumetric statistical data through machine learning techniques. Engineered Scince Publisher. ISSN: 2576-988X (Print Version) ISSN: 2576-9898 (Online Version), V. 26, Desember 2023. doi: https://dx.doi.org/10.30919/es1031 [Scopus, Quartiles: Q1, Percentile: 98%, CiteScore 14.9.]

[9] M. Nurtas, F.Tokmukhamedov, A.Ydyrs , S. Nurakynov, B. Iskakov, A. Altaibek. Application of finite element method for solving seismoacoustic modeling problems in poroelastic composite media. Engineered Scince Publisher. ISSN: 2576-988X (Print Version) ISSN: 2576-9898 (Online Version), V. 26, Desember 2023. doi: https://dx.doi.org/10.30919/es1030. [Scopus, Quartiles: Q1, Percentile: 98%, CiteScore 14.9.]

[10] Altaibek A., Nurtas M., Nurakynov S., Kaken A. A Study on Deep Learning-Based Predictive Modeling of Vegetation Dynamics in Kazakhstan through the Integration of CNNs, RNNs, and Satellite Imagery for Ecological Monitoring //Engineering, Technology & Applied Science Research. – 2025. – V.15(4). – P.24705-24714. (Scopus: Quartiles: Q2, Percentile: 56%, CiteScore: 2.9, SJR 0.332) DOI: https://doi.org/10.48084/etasr.11188
[11] Nurtas M., Zhantaev Z., Altaibek A. Earthquake time-series forecast in Kazakhstan territory: Forecasting accuracy with SARIMAX //Procedia Computer Science. – 2024. – V. 23. – P. 353-358. (Scopus: Quartiles: Q2, Percentile: 62%, CiteScore: 4.1, SJR 0.471) DOI: https://10.1016/j.procs.2023.12.216

ETC.

Языки программирования:

• C/ C++
• MatLab
• Python
• R

Знание программных обеспечении:

• Latex
• Tableau
• Comsol Multiphysics

Является исполнителем международного проекта совместно с Erasmus + Programme of the European Union ELBA – “Создание учебных и исследовательских центров и разработка курсов по интеллектуальному анализу больших данных в Центральной Азии” 610170-EPP-1-2019-1-ES-EPPKA2-CBHE-JP. 15/10/2019 - 14/10/2022.