Логунов Михаил Александрович

Ассистент департамента прикладной математики Московского института электроники и математики им. А.Н. Тихонова НИУ ВШЭ. Окончил Московский физико-технический институт: бакалавриат по направлению «Прикладная математика и физика» в 2018 году и магистратуру по той же специальности в 2020 году. Семинары по суперкомпьютерному программированию ведёт с 2021 года в МФТИ, а с конца 2022 года — в Вышке.

Преподаёт дисциплины, связанные с параллельными вычислениями и вычислительным экспериментом. Читает «Высокопроизводительные вычисления» магистрантам МИЭМ по направлениям «Прикладная математика» и «Прикладная математика и информатика», а также в формате «Маго-лего» — студентам других магистерских программ. Ведёт семинары наставника по трекам «Математические методы и компьютерные технологии» и «Системы управления и обработки информации». Ранее вёл дисциплину общефакультетского пула «Введение в суперкомпьютерное моделирование» и научно-исследовательский семинар для четвёртого курса бакалавриата по направлению «Прикладная математика».

Научные интересы — классическая молекулярная динамика и машинно-обучаемые межатомные потенциалы. В 2017–2021 годах занимался моделированием полимерных нанокомпозитов, с 2021 года исследует аллотропы углерода при экстремальных температурах. Работы посвящены атомистической структуре и теплофизическим свойствам углеродных систем, поведению жидкостей в нанопорах и производительности пакетов молекулярной динамики на графических ускорителях.

Первая заметная публикация — «Molecular dynamics study of cavitation in carbon nanotube reinforced polyethylene nanocomposite» (Journal of Physics: Conference Series, 2018): в ней методом молекулярной динамики изучено образование полостей в полиэтиленовом нанокомпозите, армированном углеродными нанотрубками. Затем вышла работа «Performance and Portability of State-of-Art Molecular Dynamics Software on Modern GPUs» (2020) — сравнение производительности и переносимости современных программ молекулярной динамики на графических процессорах.

Позднее исследования сместились к углеродным материалам. В статье «Atomistic structure and anomalous heat capacity of low-density liquid carbon: Molecular dynamics study with machine learning potential» (Carbon, 2022) с помощью машинно-обученного потенциала описана аномальная теплоёмкость жидкого углерода низкой плотности. В том же году вышла работа «Структура углеводородной жидкости и течения Куэтта в щелевых порах со стенками из пирофиллита» в соавторстве с В.В. Писаревым. Среди более поздних публикаций — «Tracking the quality of graphene oxide suspension during long-term storage» (Surfaces and Interfaces, 2024) и «Thermal stability of monolayer fullerene networks: A molecular dynamics study with machine-learning potential» (Computational Materials Science, 2025) о термической устойчивости монослойных фуллереновых сеток. Идентификаторы исследователя: Scopus AuthorID 57201186714, SPIN РИНЦ 6497-8669. Владеет английским и испанским языками.