Руководители ГНЦ РФ ТРИНИТИ - одного из ключевых исполнителей федерального проекта № 3 КП РТТН - на заседании в конце марта представили промежуточные результаты проекта по созданию инфраструктуры для токамака с реакторными технологиями. Новую экспериментальную установку планируется построить к 2030 году в Троицке, сообщается в пресс-релизе, поступившем в газету ВЗГЛЯД.

"Проект реализуется в два этапа: первый - реконструкция энергетической инфраструктуры, второй - инженерной инфраструктуры и создание токамака. При этом работы по обоим этапам начались практически одновременно. В конце 2021 года мы получили положительное заключение государственной экспертизы на проектную документацию первого этапа реконструкции термоядерного комплекса Токамак с сильным полем. Также в конце года была разработана рабочая документация. В марте начались работы по расчистке территории для будущей строительной площадки. Сейчас прокладываем временные дороги и обустраиваем инженерные сети",

- рассказал научный руководитель по управляемому термоядерному синтезу и плазменным технологиям ГНЦ РФ ТРИНИТИ Александр Романников.

Во время заседания участники также рассмотрели вопросы и предложения по разработке и применению высокотемпературных сверхпроводящих проводников для электромагнитных систем - неотъемлемой части установок управляемого термоядерного синтеза нового поколения.

В заседании приняли участие представители АО "НИИЭФА", АО "НИКИЭТ", Проектного центра "ИТЭР", ФГУП "РФЯЦ ВНИИЭФ", АО "ГНЦ РФ ТРИНИТИ", НИЦ "Курчатовский институт", ИЯФ СО РАН, ФТИ РАН, ИПФ РАН, ВНИИКП, АО "Красная звезда", АО "ВНИИНМ", АО "НТЦ ФСК ЕЭС", НИЯУ МИФИ, госкорпорации "Росатом".

"Уже сейчас очевидно, что организации-участники третьего федерального проекта взяли хороший темп и перешли из стадии разработки и планирования в активную стадию реализации проектов в своих организациях. Плотное рабочее взаимодействие и тесная кооперация организаций госкорпорации "Росатом" и других участников федерального проекта имеет ключевое значение для успешной реализации КП РТТН",

- отметил заместитель генерального директора по реализации комплексной программы развития атомной науки, техники и технологий ГНЦ РФ ТРИНИТИ Кирилл Ильин.

В современном мире на человека воздействуют различные факторы внешней среды - экологические, социальные, профессиональные. Накапливающиеся негативные эмоции и сильные переживания, а также перенапряжение физических и психических функций приводят к возникновению стрессовых состояний. Для оценки стресса применяются устройства, которые оценивают различные параметры организма. Наибольший интерес представляют инструменты, использующие технологию неинвазивного съема биоинформации.

В 2021 году ученые ЛЭТИ создали действующий макет тензометрического треморографа - аппаратно-программного комплекса для неинвазивного контроля нейромоторных реакций и оценки состояния центральной нервной системы (ЦНС) человека. Результаты исследований были опубликованы в сборнике докладов II Международной конференции по нейронным сетям и нейротехнологиям (NeuroNT'2021).

Принцип действия треморографа основан на выявленной корреляции параметров субсенсорных реакций человека и стрессовых состояний. Методами тензометрии определяются параметры непроизвольных движений конечностей человека, возникающих на фоне формируемых им произвольных изометрических усилий. Полученная информация обрабатывается с использованием технологий гибридного искусственного интеллекта: выявляются фрагменты треморограмм, характерные для неврологических расстройств и особых функциональных состояний центральной нервной системы. Далее специалисты сопоставляют их с отдельными стадиями различных заболеваний и физиологическими особенностями организма человека.

"Предлагаемый метод отличается высокой достоверностью, простотой процедуры и минимальным воздействием на человека. Разработка найдет применение в медицине при диагностике стрессовых состояний и выявлении патологий моторных отделов центральной нервной системы, в спортивной медицине, в профессиональном отборе и диагностике состояний, связанных с профессиональным "выгоранием"", - отмечает доцент кафедры вычислительной техники СПбГЭТУ "ЛЭТИ" Ольга Буренева.

Разработка треморографа ведется в рамках НЦМУ Павловский центр "Интегративная физиология - медицине, высокотехнологичному здравоохранению и технологиям стрессоустойчивости", в состав которого входят СПбГЭТУ "ЛЭТИ" и три учреждения РАН - Институт физиологии им. И.П. Павлова, Институт эволюционной физиологии и биохимии им. И.М. Сеченова и Институт медико-биологических проблем.

В рамках научного центра мирового уровня Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" проводит прорывные исследования в области применения сильного гибридного интеллекта в медицине.

Ученые разрабатывают комплексную математически обоснованную модель интероперабельности методов обработки физиологических данных, технологии программно-аппаратного моделирования нейропроцессов, а также модели неинвазивной регистрации параметров и коррекции состояния организма.

"Для интеллектуализации медицины и физиологии необходимо развитие коэволюционирующего гибридного интеллекта как симбиоза искусственного и естественного интеллектов, которые развиваются взаимно, обучая и дополняя друг друга", - отмечает Юлия Шичкина, руководитель отдела "Искусственный интеллект в физиологии и медицине" Международного инновационного института искусственного интеллекта, кибербезопасности и коммуникаций им. А.С. Попова СПбГЭТУ "ЛЭТИ".

Деятельность Центра направлена на создание аппаратных моделей нейропроцессов, диагностических систем на основе ИИ, неинвазивных технологий нейромодуляции двигательных и висцеральных функций, методов профилактики и лечения стресс-индуцированных расстройств, болевых синдромов, болезни Альцгеймера и диабета, а также решение других проблем.

НЦМУ входит в число получателей субсидий из федерального бюджета по приоритетному направлению научно-технологического развития "Персонализированная медицина, высокотехнологичное здравоохранение и технологии здоровьесбережения".

Данные исследования проводятся в рамках деятельности Научного центра мирового уровня (НЦМУ) Павловский центр "Интегративная физиология - медицине, высокотехнологичному здравоохранению и технологиям стрессоустойчивости", который был создан в 2020 году по нацпроекту "Наука и университеты". В состав НЦМУ входят СПбГЭТУ "ЛЭТИ" и три учреждения РАН - Институт физиологии им. И.П. Павлова, Институт эволюционной физиологии и биохимии им. И.М. Сеченова и Институт медико-биологических проблем.

Ученые НИТУ "МИСиС" (Москва, РФ) в составе международного коллектива синтезировали новый материал с уникальными антибактериальными и противораковыми свойствами. По мнению авторов, он имеет высокие перспективы для применения в биомедицине. Исследование опубликовано в журнале Materials Chemistry and Physics, передает РИА Новости.

Исследователи Национального исследовательского технологического университета "МИСиС" разработали технологию получения наностержней оксида цинка. Уникальность этого материала в том, что он нетоксичен, обладает высоким показателем фотокаталитической активности и антиоксидантными свойствами.

Ученые протестировали активность материала против различных болезнетворных бактерий, например, грамположительных бактерий стафилококка. Они также изучили противораковую активность синтезированных наностержней с помощью колориметрических тестов для оценки метаболической активности клеток.

Для создания нового материала авторы работы использовали фитохимические соединения, полученные из экстракта листьев манилкары (Manilkara littoralis) - растения семейства Сапотовые (Sapotaceae), распространенного в тропических лесах. Манилкара представляет собой крупные вечнозеленые или листопадные деревья с млечным соком, иногда кустарники, всего их около 70 видов.

"Большинство методов, используемых для синтеза подобных наноматериалов, дороги в применении или предполагают использование токсичных материалов, которые негативно воздействуют на человека и окружающую среду. Мы же применили "зеленый" синтез с использованием недорогих и экологически чистых материалов", - рассказал инженер кафедры Функциональных наносистем и высокотемпературных материалов НИТУ "МИСиС" Евгений Колесников.

Для подготовки экстракта, ученые собрали молодые листья M. littoralis в тропических лесах Андаманских и Никобарских островов Индии. Затем листья промывали, сушили, измельчали и готовили экстракт при температуре 80°С.

"Мы использовали этот экстракт в качестве стабилизатора при синтезе наностержней оксида цинка, где выступал как окислительно-восстановительный агент при разложении ацетата. В результате нам удалось разработать альтернативный способ получения противораковых и антибактериальных препаратов", - отметил Евгений Колесников.

По его словам, в будущем ученые НИТУ "МИСиС" в рамках программы "Приоритет-2030" планируют развивать "зеленый" метод синтеза наноматериалов для биомедицинского применения и расширять список получаемых материалов с точки зрения состава, структуры и морфологии.

Новые технологии синтеза позволят существенно расширить применимость синтезируемых материалов, при этом сохраняя их безопасность для человека и окружающей среды.

Media.az

10 февраля 2022 года сотрудники международного студенческого офиса (МСО) провели серию встреч для вовлечения иностранных обучающихся подготовительного отделения в жизнь ЛЭТИ. В рамках мероприятий участники затронули широкий круг вопросов, которые влияют на пребывание студентов в России.

Обсуждались темы, которые должны помочь абитуриентам лучше сориентироваться в жизни: обустроить ее так, чтобы учеба принесла максимальный эффект и иностранному студенту, и вузу. Сотрудники МСО обсудили с обучающимися вопросы социокультурной адаптации, новые нормы миграционного законодательства, поговорили о противодействии терроризму и запустили конкурс на знание достопримечательностей Санкт-Петербурга.

Главная цель встреч - профориентация обучающихся на подготовительном отделении. Участие в мероприятии приняли более 80 студентов, которые были разбиты на группы, чтобы не подвергать их риску в условиях пандемии. МСО проводит такие собрания несколько раз в год, чтобы помочь обучающимся определиться с будущей профессией, ознакомиться со всеми возможными уровнями и направлениями подготовки по основным образовательным программам ЛЭТИ.

"Подобные профориентационные собрания очень важны, так как именно на подготовительном этапе студенту важно сделать правильный выбор, чтобы самоопределиться и в дальнейшем успешно и с интересом учиться".

Начальник подготовительного отделения СПбГЭТУ "ЛЭТИ"Александра Викторовна Килина

Будущим студентам рассказали об особенностях обучения во втором семестре на "подфаке", дальнейших возможных траекториях обучения в вузе, направлениях и программах, которыми заинтересовались ребята. Состоялся диалог и анкетирование по планам на поступление и учебу в ЛЭТИ.

Выпускники подготовительного отделения имеют возможность продолжить обучение в университете не только на контрактной, но и на бюджетной основе, участвуя в олимпиадах для иностранных обучающихся, например, Олимпиаде "Газпром".

"Поскольку мы заинтересованы в том, чтобы наиболее успешные и целеустремлённые выпускники подготовительного отделения продолжали обучение в бакалавриате и магистратуре ЛЭТИ, нам важно быть в контакте с ребятами, понимать их нужды и интересы. По результатам анкетирования мы видим, что около 70% обучающихся планируют продолжать обучение в ЛЭТИ; наиболее востребованными направлениями являются "Программная инженерия", "Лингвистика" и "Биотехнические системы и технологии", - рассказала менеджер МСО СПбГЭТУ "ЛЭТИ" Мария Юрьевна Титаренко.

В завершение, участники прошли компьютерное тестирование по предметам инженерно-технического профиля, чтобы выявить уровень знаний обучающихся и помочь преподавателям "подфака" в выборе методов проведения занятий и их тематик.

"В условиях пандемии многие наши иностранные студенты учились дистанционно. Это явно не помогало им лучше адаптироваться в жизни в России и требованиям к обучению в ЛЭТИ. Мы очень надеемся, что постепенно все будет возвращаться в нормальное русло. Роль очных профориентационных мероприятий весьма важна. Личное общение открывает гораздо больше возможностей помочь нашим будущим абитуриентам и нашему вузу вместе с ними идти правильным путем!"

Руководитель МСО СПбГЭТУ "ЛЭТИ" Ренат Амируллович Ялышев

Весной планируется познакомить обучающихся с кафедрами и лабораториями, чтобы они смогли увидеть перспективы обучения на программах ЛЭТИ своими глазами.

В носу человека расположен особый отдел - внутренний носовой клапан, незначительные изменения площади которого могут повлиять на функции носа, в том числе на восприятие проходимости дыхательных путей. Заложенность носа влияет на функциональное состояние сердечно-сосудистой системы и может вызывать неврологические расстройства. Кроме того, нарушения носового дыхания (ринит, искривление носовой перегородки) могут привести к патологическим воспалениям слуховой системы, глотки и гортани.

Распространенным способом лечения заболеваний, связанных с недомоганиями внутреннего носового клапана являются хирургические операции, для проведения которых требуется предварительная диагностика. Выявление нарушений проводится с помощью эндоскопа - аппарата, который может делать изображения внутренних полостей носа, или КТ-диагностики. Однако сегодня интерпретация полученных изображений делается врачами самостоятельно и требует от них высокой сконцентрированности и опыта.

"Для повышения скорости и точности эндоскопии, а также облегчения труда врачей мы разработали мобильное приложение, которое поможет врачу оперативно поставить диагноз пациенту по изображениям носового клапана. Это необходимо для определения лечебной тактики и динамического наблюдения за пациентом, а также для сокращения сроков измерения характеристик носа до и после операции", - поясняет ассистент кафедры автоматики и процессов управления СПбГЭТУ "ЛЭТИ", руководитель молодежной IT-лаборатории VibeLabГеоргий Ефименко.

Приложение анализирует фотографии, сделанные с помощью эндоскопа, которые можно загрузить в смартфон или для оперативности сфотографировать на камеру смартфона. Кроме того, приложение позволяет врачу внести всю необходимую информацию о пациенте: личные данные, историю болезни, архив фотографий и прочее. Для обработки изображений и измерения дыхательных путей приложение использует специальную библиотеку алгоритмов компьютерного зрения, обработки изображений и численных алгоритмов общего назначения с открытым кодом (OpenCV). Отчет о ходе лечения через приложение можно отправить пациенту в виде текстового документа. Результаты исследования опубликованы в сборнике конференций International Conference on Control in Technical Systems.

Испытания мобильного приложения проводились на кафедре оториноларингологии Санкт-Петербургского государственного первого медицинского университета им. И. П. Павлова научной группой под руководством доктора медицинских наук, профессора С.А. Карпищенко на протяжении 1,5 лет. За это время врачи вуза наблюдали 111 пациентов, для которых проводилось лечение с хирургическим вмешательством.

"Мобильное приложение позволяет точно проводить все необходимые измерения носового клапана (в кв. мм), исходя из индивидуальных параметров пациента, оперативно отслеживать его состояние. Испытания приложения прошли успешно. В дальнейшем он может использоваться врачами любых медучреждений в качестве цифрового помощника и как дополнение для КТ", - добавляет Георгий Ефименко.

Приложение для диагностики внутреннего носового клапана является одним из проектов новой молодежной IT-лаборатории VibeLab, открытой в СПбГЭТУ "ЛЭТИ".

Обеспечение продовольствием постоянно растущего населения Земли является одной из глобальных задач, которые сегодня так или иначе стоят перед всеми странами мира. Одним из важных способов решения данной задачи - поиск новых недорогих и легко масштабируемых методов повышения продуктивности и производительности сельскохозяйственных животных и растений.

"Наш исследовательский коллектив разработал специальные золь-гель композиции или кремнезоли. В упрощенном виде их можно представить как водную дисперсию кремнезема. Нанесение такого кремнезоля на поверхность семян создает функциональное покрытие, которое позитивно влияет на процесс роста ряда овощных и зерновых растений", - рассказывает профессор базовой кафедры нанотехнологий и наноматериалов в радиоэлектронике СПбГЭТУ "ЛЭТИ" при Институте химии силикатов (ИХС РАН), главный научный сотрудник лаборатории неорганического синтеза ИХС РАН Ольга Алексеевна Шилова.

В состав кремнезоля могут быть добавлены различные полезные для растений реагенты - соли и кислоты в микро- и макроколичествах, наночастицы оксидов металлов или углеродные наночастицы. Например, в качестве такой функциональной добавки была использована шихта детонационного наноалмаза производства ФГУП "СКТБ Технолог". Детонационный наноалмаз (ДНА) известен как биологически активная добавка, в том числе, обладающая бактерицидными и фунгицидными свойствами. Использование шихты ДНА как полупродукта, получаемого в цикле изготовления ДНА, не только удешевляет конечную стоимость продукта. Помимо алмазов, она содержит ряд других неалмазных форм углерода, в том числе благоприятно сказывающихся на росте и развитии растений. В данном исследовании для предпосевной обработки семян была использована шихта, обогащенная бором.

Золь-гель композиция для обработки семян экологически безопасна, поскольку изготавливается на водной основе. Концентрация функциональных соединений (наночастицы кремнезема и шихта ДНА) невысока (несколько процентов), она практически не имеет цвета и запаха. Эксперименты, осуществляемые в содружестве с НИИ АФИ (Санкт-Петербург), показали, что предпосевная обработка семян пекинской капусты полученной золь-гель композицией повысила их всхожесть примерно на 50-70%. Было зафиксировано значительное увеличение размера проростков растений на начальном этапе их развития, а через 20 дней после посева в два раза увеличилась биомасса пекинской капусты. Результаты исследования опубликованы в научном журнале Biointerface Research in Applied Chemistry.

"Обработка семян растений золь-гель композициями на основе тетраэтоксисилана с добавками шихты ДНА улучшает обмен веществ растений, облегчает усвоение ими необходимых для их роста и развития питательных веществ. Сам кремний в составе функциональной пленки полезен семенам, поскольку кремний участвует в метаболизме растений. Использование пленкообразующих кремнезолей позволяет лучше других аналогов (жидких реагентов, супензий) защитить и закрепить на поверхности семени полезные для развития наночастицы".

Профессор базовой кафедры НРР СПбГЭТУ "ЛЭТИ" при Институте химии силикатов (ИХС РАН), главный научный сотрудник лаборатории неорганического синтеза ИХС РАН Ольга Алексеевна Шилова

В дальнейшем ученые планируют изучать растворы кремнезолей с другими функциональными компонентами, которые можно будет адаптировать для обработки семян иных видов сельскохозяйственных растений. В проекте также приняли участие исследователи из ФГБНУ "Агрофизический институт" и ФГБУ "Петербургский институт ядерной физики им. Б.П. Константинова" (входит в НИЦ "Курчатовский институт").

Для справки

Базовая кафедра нанотехнологий и наноматериалов в радиоэлектронике организована в СПбГЭТУ "ЛЭТИ" совместно с Институтом химии силикатов РАН им. И.В. Гребенщикова в 2010 году. Кафедра работает со студентами старших курсов ЛЭТИ и готовит специалистов для инновационных отраслей промышленности, в которых используются наноструктурированные материалы.

С 24 января по 1 февраля 2022 года прошла зимняя школа "Инновации и управление качеством в автомобильной индустрии 4.0", разработанная Институтом инновационного проектирования и технологического предпринимательства (ИНПРОТЕХ) СПбГЭТУ "ЛЭТИ" и Университетом прикладных наук Юго-Восточной Финляндии (ХАМК).

Программа включала два образовательных трека по ключевым направлениям организации работы высокотехнологичной компании - "Управление инновациями" и "Обеспечение качества". В рамках занятий участники получили понимание современных концепций и практику управления технологическими инновациями наукоемкого предприятия.

Кроме сотрудников кафедр двух вузов, в число преподавателей вошли эксперты предприятий. Лекторы поделились опытом и знаниями по темам "Лидерство", "Основы менеджмента качества и бережливого производства", "Маркетинг инноваций", "Теория и практика управления технологическими инновациями". Занятия проходили в смешанном формате на английском языке. Для участников школы был разработан курс в системе Moodle.

"Курс был насыщенным, мы старались комбинировать актуальную информацию по качеству с реальными кейсами из производства, а также подчеркнуть роль персонала в стратегии постоянных улучшений. Ребята успешно справлялись с групповыми заданиями, проявляли активность и интерес". - Старший преподаватель кафедры менеджмента и систем качества (МСК) СПбГЭТУ "ЛЭТИ" Ольга Сергеевна Артамонова

При составлении программы школы акцент был сделан на практику и тематическую насыщенность курса. Организаторы использовали метод кейсов и включили в материалы школы мнения экспертов и интервью. Этот опыт будет учтен при разработке и реализации образовательной программы нового уровня и формата.

"С целью включения в активную коммуникацию и я, и коллеги использовали интерактивные методы подачи материала. Студенты ЛЭТИ, которые захотели и смогли поучаствовать в школе, получили хорошую возможность углубленного изучения конкретной индустрии и управления качеством в ней", - поделилась доцент кафедры МСК СПбГЭТУ "ЛЭТИ" Ольга Александровна Ерочкина.

Школа интегрирована в международный проект "Race4Scale - Развитие междисциплинарных образовательных, бизнес, научно-исследовательских и инновационных возможностей для финско-российской экосистемы автопрома и мотоспорта", поддерживаемого программой трансграничного сотрудничества ЕС CBC.

Участники получили сертификаты от СПбГЭТУ "ЛЭТИ" и ХАМК. Студенты, завершившие курс, имеют право сдачи экзамена на присвоение квалификации "Профессионал в области качества" Европейской организации по качеству (ЕОК) без прохождения дополнительного обучения.

Подробнее с программой и материалами для самостоятельного изучения можно ознакомиться на странице школы.

Коррозия металла является важной проблемой для различных технических систем (автомобили, суда, самолеты) и объектов инфраструктуры (мосты, опоры ЛЭП, телевышки). Их разрушение может привести к значительным убыткам и угрозе для жизни людей, поэтому важной задачей является разработка новых способов борьбы с коррозией.

Одним из наиболее эффективных методов нанесения антикоррозийных покрытий является термодиффузионное цинкование. С его помощью можно покрыть металл тонким слоем цинка (не более 150 мкм), который прочно встраивается в структуру материала и значительно повышает стойкость стальных, чугунных изделий в агрессивных средах (холод, влажность, морская вода и другие). Однако технологический процесс довольно сложно контролировать, особенно при покрытии объектов большого объема (требуются крупные емкости с цинком). Помимо этого, требуется поддерживать условия среды, в которых происходит цинкование, такие как высокая температура и давление. Эти факторы приводят к удорожанию и значительным временным затратам для производства этих покрытий и материалов.

"Мы разработали "цифровой двойник" установки (т.е. программный аналог реального устройства) для термодиффузионного цинкования, в которой процесс цинкования происходит под воздействием индукционного магнитного поля. Это программное обеспечение позволяет прогнозировать работу данной установки на всех этапах жизненных циклов. При помощи этой технологии цифрового проектирования можно оптимизировать и ускорить процесс создания оборудования. После запуска установки цифровой двойник поможет оператору точно узнать, что происходит внутри реактора,и легко управлять процессом нанесения покрытий", - объясняет доцент кафедры электротехнологической и преобразовательной техники СПбГЭТУ "ЛЭТИ" Юрий Юрьевич Перевалов.

Сейчас ученые приступили к созданию макета установки на основе разработанной "цифровой копии" для отработки действия системы на практике. Предлагаемый вариант технологии позволит покрывать металлические детали и конструкции практически любого размера. Это стало возможным благодаря применению электромагнитного поля в процессе создания покрытий.

Для создания электромагнитного поля с необходимыми характеристиками система будет включать специальный индуктор. Он будет создавать и направлять электромагнитное поле на реактор установки, куда будут подаваться металлические детали (пластины, болты, винты) и смесь для термодиффузионного цинкования. При этом, технология применения электромагнитного поля при температуре до 500 ℃ позволяет покрывать цинком конструкции практически любых размеров с минимальными затратами энергии и расходом материалов. Процесс управления установкой и поддержания необходимой для цинкования среды будет осуществляться с помощью "цифрового двойника".

"Технология представляет большой интерес для защиты от коррозии крупных металлических конструкций-корпусов кораблей, составных частей трубопроводов и газопроводов", - добавляет Юрий Юрьевич Перевалов.

Исследователи считают, что в перспективе технология может использоваться не только для нанесения антикоррозийных составов, но и ударопрочных, термостойких и даже противорадиационных покрытий. "Цифровой двойник" позволит быстро адаптировать установку для работы с различными видами покрытий.

С 4 по 6 февраля в СПбГЭТУ "ЛЭТИ" прошли сразу три олимпиады: региональный этап всероссийской олимпиады для школьников по математике и региональный этап олимпиады имени Леонарда Эйлера, а также заключительный этап объединенной межвузовской математической олимпиады школьников. Более 280 учащихся с 5 по 11 классы стали участниками мероприятий.

"Участие в олимпиадах выявляет и развивает таланты школьников, учит мыслить нестандартно и подходить творчески к поставленным задачам. А мы как представители университета готовы поддержать заинтересованных ребят, создать благоприятные условия для успешной самореализации. Помимо бесценного опыта, ребята смогут получить дополнительные баллы при поступлении. Результаты олимпиад действуют 4 года, но только за 9 класс и выше, и суммируются с результатами ЕГЭ".

Руководитель центра "Абитуриент" СПбГЭТУ "ЛЭТИ" Антон Анатольевич Кузнецов

Региональный этап всероссийской олимпиады проводился с 4 по 5 февраля. Для решения задач у школьников было 4 часа. За это время учащимся 9-11 классов предстояло решить 5 усложненных задач из школьного курса математики.

Параллельно для учащихся младших классов проводился региональный этап олимпиады имени Леонарда Эйлера. Несмотря на то, что задания были рассчитаны на восьмиклассников, среди участников есть и пятиклассник.

"Участвовать в подобных олимпиадах, в первую очередь, интересно ребятам, которые увлечены математикой, так как это хорошая возможность применить знания на практике. Мне больше интересна информатика, но, тем не менее, я решил попробовать свои силы и в математическом состязании - удалось быстрее всех решить первое задание. Очень важно участвовать в олимпиадах такого масштаба, потому что прохождение на следующий, всероссийский этап дает возможность поступить в любой российский университет без вступительных испытаний, а это, думаю, интересно всем выпускникам".

Одиннадцатиклассник президентского физико-математического лицея №239 Арсений Куликов

Победители и призеры регионального этапа олимпиады по математике и заключительного этапа объединенной межвузовской математической олимпиады школьников получат дополнительные баллы при поступлении в СПбГЭТУ "ЛЭТИ", дипломы и памятные призы. Итоги туров будут опубликованы в конце февраля 2022 года.

СПбГЭТУ "ЛЭТИ" является одной из крупнейших площадок проведения предметных олимпиад для школьников в Санкт-Петербурге. С 2016 года на базе университета сотни школьников решают нестандартные задачи, рассчитанные на продвинутый уровень знаний.

Результаты по дисциплине "Математика" являются обязательными для поступления на 21 направление подготовки бакалавриата и специалитета.

Сердечно-сосудистые заболевания (ССЗ) являются основной причиной смерти и инвалидизации населения по всему миру. Специфика заболевания требует оперативной диагностики и медицинской помощи для пациентов с ССЗ, в этих условиях возрастает значение методов для быстрого и точного выявления возможных заболеваний.

"Мы создали прототип компактного биочипа, который может с высокой точностью обнаруживать маркеры заболеваний в биологических жидкостях, например, в крови, с помощью особых пептидных молекул - аптамеров. Способность этих веществ определять конкретные заболевания определяется их химическим составом. Для нашего биочипа мы разработали и синтезировали аптамеры, определяющие некоторые белковые маркеры инфаркта миокарда", - рассказывает доцент кафедры микро- и наноэлектроники СПбГЭТУ "ЛЭТИ" Татьяна Зимина

Биочип представляет собой компактное устройство, на которое методом фотолитографии нанесены специальные микрофлюидные каналы, а также установлен программируемый контроллер. Для проведения диагностики проба крови загружается во входной резервуар биочипа и протекает по каналам. Если в анализах присутствуют специфические белки-маркеры заболеваний, то они распознаются и останавливаются аптамерами. Затем из системы удаляются неинформативные белковые фрагменты, и с помощью флюоресценции измеряется концентрация белков, сигнализирующих о заболевании.

"Диагностика с помощью биочипа занимает несколько минут, что значительно быстрее используемых сегодня методов для тестирования населения. Пока наш прототип определяет ограниченное число параметров. Однако в будущем биочип может стать мультипараметрическим, то есть способным идентифицировать целую группу белков-маркеров различных хронических заболеваний и острых инфекций, что сделает диагностику более точной, подробной и информативной", - добавляет Татьяна Зимина

Устройство является результатом многолетней работы ученых ЛЭТИ по разработке и внедрению в широкую медицинскую практику различных видов недорогих и экологичных технологий "умной" и гибкой электроники, а также систем биомедицинского анализа.

Большой еловый лубоед - это крупный жук, личинки которого питаются корой ели и сосны в Северной и Центральной Европе, а также в России. Насекомое относится к особо опасным вредителям ценных пород дерева.

Обычно лубоед обитает на старых трухлявых деревьях. Однако из-за увеличения популяции, вызванного, в том числе климатическими изменениями, в последние годы такие жуки нападают даже на здоровые деревья. Этот процесс наносит серьезный ущерб лесным территориям разных стран и требует разработки инструментов для оперативного контроля популяции елового лубоеда.

"Современные изображения в высоком разрешении, созданные камерами с беспилотных летательных аппаратов, позволяют визуально определить участки леса, которые повреждены лубоедами. Мы собрали датасет таких изображений и на его основе обучили несколько нейросетей самостоятельно выявлять жуков".

Инженер кафедры автоматики и процессов управления СПбГЭТУ "ЛЭТИ" Анастасия Сафонова

Для обнаружения зараженных деревьев на снимках, собранных с помощью дронов, ученые решили адаптировать несколько версий уже существующей нейросети YOLO, которая в ходе экспериментов продемонстрировала высокую точность распознавания - до 95%.

Данные для исследования были собраны в Чупрене - крупнейшем биосферном заповеднике Болгарии, около 90% которого покрывают хвойные и смешанные леса. Для обучения нейросетевых моделей ученые использовали 400 предварительно обработанных изображений, предоставленных Болгарской академией наук. Результаты исследования опубликованы в научном журнале IEEE Access.

"В дальнейшем результаты наших исследований могут применяться для своевременной профилактики распространения елового лубоеда и других короедов, которые будут угрожать лесным массивам", - добавляет доцент кафедры автоматики и процессов управления СПбГЭТУ "ЛЭТИ" Дмитрий Ильич Каплун.

Помимо специалистов ЛЭТИ в исследовании принимали участие ученые Сибирского федерального университета (Красноярск) и университета им. Имама Джа`афара Аль-Садика (Ирак). Работа ученых ЛЭТИ была поддержана Министерством образования и науки Российской Федерации в рамках проекта по Государственному заданию № FSEE-2020-0002.

Новый китайский спутник Beijing-3 захватывает более широкую полосу наблюдения и работает на более высокой скорости, нежели аналоги, передаёт The Daily Telegraph. Как отмечает издание, спутник выполнил ряд задач, которые ранее считались технически невыполнимыми, что, по словам экспертов, отражает тот факт, что "китайские космические технологии догоняют американские".

Новый китайский спутник, оснащённый искусственным интеллектом, намного превосходит возможности американских спутников последнего поколения WorldView-4, сообщает The Daily Telegraph со ссылкой на учёных, участвующие в проекте.

Пермь, 25 декабря. Прикамские ученые разработали метод, который поможет избежать изнашивания деталей и выхода техники из строя при экстремально низких температурах. Как пояснили ФАН в пермском политехническом университете, Арктика и северные территории РФ активно осваиваются, но осадки и отсутствие технической инфраструктуры затрудняют работу машин.Аспирант кафедры "Автомобили и технологические машины" Ильнур Шаякбаров говорит, что в арктической зоне большое количество снега и льда усложняет работу и техобслуживание транспорта. Поэтому важно обеспечивать надежность систем и агрегатов.

"Из-за температурных деформаций детали машин изнашиваются. Это может происходить в том числе потому, что отдельные элементы гидравлических систем расположены далеко от основных частей, которые подогревает двигатель", - говорит ученый.Для прогревания системы рабочую жидкость сначала прогоняют по малому кругу. Чтобы снизить влияние низких температур, ее подогревают с помощью специальных устройств.

"Эти способы не всегда действуют эффективно. Жидкость неравномерно нагревает внутренние элементы. Детали расширяются с разной скоростью. Это называют "тепловым ударом". Мы предложили проложить дополнительную магистраль, связывающая бак и гидроцилиндр или мотор", - поясняет профессор пермского политеха Константин Пугин.

Разработка, считают ученые, будет полезна для применения в арктической зоне и других экстремальных климатических условиях.

Это изобретение открывает широкие перспективы промышленного применения новой технологии 

Исследователи Университета электроники и технологий КНР (UESTC), Университета Аризоны и Университета Хьюстона сообщили об открытии разновидности жидкости, которая может заметно деформироваться под действием лазерной "кисти", сообщило информагентство"Синьхуа".

Световой меч из научно-фантастического фильма "Звездные войны" нашел художественное и практическое применение, поскольку китайскими и американскими учеными разработаны жидкие пигменты, которые могут разрезаться лазерными ручками. Прежние разработки с помощью лазерного луча позволяли деформировать лишь небольшую поверхность жидкости за счет градиента поверхностного натяжения, но это происходило в нанометровом масштабе и наблюдалось только под микроскопом.

Исследование, опубликованное в декабрьском выпуске журнала Materials Today, продемонстрировало, как смешивание прозрачного лампового масла с различными красителями для свечей под лазером или даже солнечными лучами вызывает на поверхности магнитных жидкостей деформацию глубиной в 1 мм вплоть до разрыва.

В видеоролике исследователь использует обычный лазерный проектор или лазерную указку, чтобы разрезать жидкости, придавая им различные формы и размеры.

Как сообщил "Синьхуа" профессор китайского университета и автор статьи Ван Чжимин, помимо создания графических изображений на поверхности жидкостей, данный метод позволяет управлять передвижением жидкостей в капиллярах и химической реакцией между различными каплями с помощью дистанционного управления.

Десятиклассница Диана Гафурова изобрела управляемый протез. Об этом сообщает пресс-служба главы региона.

Девушка - ученица регионального технопарка. Ее протез действует почти как человеческая рука. Уникальность разработки в том, что операция по вживлению устройства в часть конечности не нужна.

Протезом можно управлять с помощью нейрогарнитуры, которая считывает мозговые импульсы и передает их искусственной руке. Изобретение завоевало "серебро" на международном молодежном конкурсе "Ученые будущего".

Губернатор Астраханской области Игорь Бабушкин пообещал школьнице поддержку по запуску разработки в производство.

ТАСС, 15 декабря. Китайские химики создали наночастицы на основе индия, благодаря которым смесь из чистого азота и углекислого газа превращается в мочевину - ключевой компонент азотных удобрений. Описание разработки опубликовал научный журнал Chem Catalysis.

"Поскольку молекулы углекислого газа и азота крайне инертны, их сложно заставить соединиться друг с другом. Эта реакция давно привлекает умы химиков, ведь она одновременно упростит производство удобрений и позволит напрямую бороться с глобальным потеплением. Мы создали нанокристаллы на основе гидрокиси индия, которые могут ускорять эти химические взаимодействия", - пишут исследователи.

Мочевина - это простое органическое соединение, состоящее из азота, водорода, кислорода и углерода. Его используют для производства удобрений, смол, гербицидов и других химикатов. Почти вcю мочевину вырабатывают благодаря простой реакции, в которой аммиак соединяется с углекислым газом при высокой температуре и давлении.

Для этого процесса, а также для производства аммиака нужно много энергии, поэтому стоимость удобрений напрямую зависит от цены на природный газ. В ходе нового исследования химики под руководством профессора Института технологических процессов Китайской академии наук Чжана Гуанцзиня разработали катализатор на основе соединений индия, который может удешевить производство карбамида и сделать его более экологичным.

Экологически чистые удобрения

Этот катализатор представляет собой наночастицы, на поверхности которых есть как чистый индий, так и его гидроксид. В индии очень много электронов, а во втором - наоборот, в результате чего они постоянно пытаются взаимодействовать друг с другом, но не могут соединиться из-за особенностей пространственной структуры.

Чжан Гуанцзинь и его коллеги предположили, что из-за этой особенности наночастицы должны "притягивать" к себе молекулы углекислого газа и азота, в которых также наблюдается есть недостаток и избыток электронов. Руководствуясь этой идеей, ученые изготовили наноструктуры разных размеров и проследили за их взаимодействиями с CO2 и N2.

Оказалось, что индиевые наночастицы действительно могут соединяться с азотом и углекислым газом, если пропускать через них электрический ток. В этом случае они активно поглощают оба газа и заставляют их участвовать в сложной цепочке реакций, в ходе которых СО2 сначала превращается в угарный газ, а затем соединяется с молекулой азота, к которой в это же время добавляются атомы водорода.

В результате молекулы углекислого газа и азота напрямую превращаются в мочевину при комнатной температуре и давлении. Эта особенность реакции позволит заметно снизить расходы на выработку удобрений и уменьшить объемы выбросов СО2, связанные с их производством, подытожили ученые.

Впоследние десятилетия общество стремительно меняется, а вместе с ним и наука. Интерес к научным достижениям и их возможностям неуклонно растет, поэтому сегодня для исследователя важно не только сделать открытие, но и правильно о нем рассказать. Меняются и условия работы - ученые чаще используют цифровые технологии, улучшить которые в ближайшем будущем поможет прогресс в области создания квантовых компьютеров. "Лента.ру" и Homo Science рассказывают, как изменится деятельность ученых и методы научных открытий в будущем.

Пандемия COVID-19 существенно изменила уклад нашей повседневной жизни, сделала ученых самыми востребованными ньюсмейкерами, превратила их в самостоятельных инфлюэнсеров, которым внимают миллионы людей. В то же время руководители, принимающие стратегические решения, все чаще обращаются к отраслевым специалистам, ожидая, что их данные помогут предпринять верные шаги для стабилизации ситуации.

Ученый обязан публиковаться, представлять свои знания и результаты в научном сообществе. Наукометрия - не пустой звук, статус ученого нужно подтверждать

Вячеслав Першуков
профессор, спецпредставитель госкорпорации "Росатом" по международным и научно-техническим проектам

 Научный и технический прогресс требует гораздо больше времени, чем ожидает обыватель. Три статьи Эйнштейна, выпущенные в 1905 году, или, например, публикации Уотсона и Крика об открытии структуры ДНК прогремели на весь мир, но, как правило, одна статья в научном журнале редко что-то меняет в жизни ученого и всего человечества. Трудно предсказать, какие именно исследования принесут плоды. Даже знаменитый физик Генрих Герц считал открытые им электромагнитные волны совершенно бесполезными и не мог предсказать, какое значение электромагнетизм приобретет в будущем.

Фундаментальная наука не может принести немедленных результатов, однако часто происходит так, что теоретические изыскания со временем находят применение. Любые технологии, в том числе те, что спасают человеческие жизни, опираются исключительно на фундаментальные знания, и именно кропотливая работа ученых создает задел для технологического развития и более комфортной жизни в будущем.

Доступно и популярно

"Наука помогает людям не только понять законы вселенной и все, что есть в ней здесь и сейчас, но и сделать прогноз, заложить прочный фундамент на будущее", - отмечает советник частного учреждения "Наука и инновации" Госкорпорации "Росатом", кандидат технических наук Екатерина Солнцева.

То, насколько важно общественное доверие к науке, становится понятно в периоды катастрофических событий вроде пандемии COVID-19. Люди, которые не понимают, как работает человеческий иммунитет, как действует вакцина, могут стать косвенными виновниками распространения заболевания, отказываясь от прививок без достаточных на то оснований. Схожая проблема возникает и при обсуждении климатического кризиса: далекие от науки люди считают, что роль человечества в глобальном потеплении переоценена, несмотря на то, что климатологи утверждают прямо противоположное.

Именно поэтому для ученых становится обязательной публичная активность. К примеру, научные фонды, выделяющие гранты, часто требуют, чтобы результаты работы освещались в СМИ. Как правило, этим занимаются пресс-службы научных учреждений, но некоторые ученые сами берутся за популяризацию своей области знаний, пишут книги для широкого круга читателей, выступают с публичными лекциями. Многие ученые стали настоящими иконами массмедиа и поп-культуры, как, например, астроном Карл Саган, физик Стивен Хокинг, биолог Ричард Докинз.

В России популяризация науки стала активно развиваться в 2010-х годах: появились научные блогеры, профессиональные научные журналисты и даже ученые, вокруг которых сформировалась своя фан-база. Проводятся фестивали науки и другие мероприятия, способные пробудить у общественности интерес не только к простым, но и к достаточно сложным научным темам вроде квантовой механики.

Далеко не каждый ученый может уделять время публичным лекциям, поскольку почти все оно уходит на профессиональную деятельность и обучение молодых специалистов. Однако молодые люди, которые хорошо разбираются в научных достижениях и цифровых технологиях, вполне способны взять на себя роль посредников между исследователями и обществом.

Некоторые популяризаторы активно следят за качеством информации, критикуют коллег за допущенные неточности и искажение фактов, рассказывают широкой публике, как тренировать критическое мышление, как распознавать фейки в социальных сетях и новостных изданиях.

Мне кажется, неважно, будет ли это сам ученый или коммуникатор, способный донести сложные научные термины до обывателей простым языком. Важно, чтобы это было сделано правильно, своевременно, интересно и без искажения фактов

Екатерина Солнцева
кандидат технических наук, советник частного учреждения "Наука и инновации" госкорпорации "Росатом"

 Взрыв данных

Стремительное развитие цифровых технологий существенно расширило исследовательские ресурсы и инструментарий ученых. На повседневной основе они используют в работе не только данные экспериментов, но и результаты, полученные с помощью компьютерного моделирования. Речь идет о возможности выполнять вероятностные расчеты такой сложности, которые ранее были недоступны.

В связи с этим число публикаций растет с каждым годом. Национальный научный фонд США провел масштабное исследование, которое показало, что за последнее десятилетие объем научных статей и докладов на конференции рос на четыре процента в год. Согласно подсчетам компании Altmetric, в 2020 году, когда мир столкнулся с коронавирусом, ежегодное число научных публикаций во всем мире резко выросло и составило более трех миллионов, причем самые цитируемые статьи были связаны с исследованием SARS-CoV-2 и отслеживанием пандемии COVID-19.

Очевидно, что объем данных, которые приходится учитывать исследователю, тоже растет. В современной физике обрабатываемое количество информации намного больше, чем в банковской сфере. Что такое Big Data для современной физики, прекрасно продемонстрировала Европейская организация по ядерным исследованиям (ЦЕРН). Ежегодно Большой адронный коллайдер (БАК) производит 90 петабайт данных (один петабайт равен квадриллиону байт), а еще 25 петабайт - в ходе других экспериментов ЦЕРН. Общий объем информации, который хранится в информационных центрах ЦЕРН, уже превысил 300 петабайт. Для обработки этого колоссального количества данных используется несколько подходов.

Во-первых, создаются коллаборации, объединяющие сотни вычислительных центров по всему миру. Так называемые распределенные вычисления могут производиться не только суперкомпьютерами, но и тысячами добровольцев с персональными компьютерами.

Еще в 2004 году был запущен проект LHC@Home, который в настоящее время объединяет усилия около десяти тысяч волонтеров по всему миру, в том числе в России. Однако данные, получаемые на БАК, продолжают расти, из-за чего в скором времени может потребоваться увеличение пропускной способности сети в несколько раз. Чтобы справиться с взрывным ростом информации, которую необходимо обработать для получения ценных результатов, нужны новые подходы - например, разработка новых алгоритмов высокопроизводительных вычислений.

Это актуально не только для физики частиц, но и для других научных областей - например, молекулярной биологии и фармацевтики. Свойства жизненно важной биологической молекулы зависят от того, в какую трехмерную структуру она свернется. С размером молекулы экспоненциально растет число возможных конфигураций, и на то, чтобы предсказать правильную структуру методом перебора, у компьютера могут уйти сотни тысяч лет непрерывной работы. Решить эти проблемы могут, например, технологии машинного обучения.

Сейчас почти невозможно предсказать, что именно нужно будет знать исследователю даже в недалеком будущем. Именно поэтому появляются ученые, которые одинаково хорошо разбираются как в своей специальности, так и в вычислительных методах. Хорошим примером такого междисциплинарного подхода является биоинформатика, которая объединяет в себе не только компьютерные науки и машинное обучение, но и генетику, молекулярную и эволюционную биологию, химию и кибернетику. Компетентные ученые, занятые в этой области, могут и создавать новые алгоритмы, и со знанием дела использовать уже имеющиеся, получая ценные результаты.

Междисциплинарный подход в науке в целом способствует новаторскому мышлению, позволяет взглянуть на сложную проблему со стороны и найти необычные способы ее решения. Сейчас ученый не может ограничиваться только одной узкой областью науки. Границы между разными областями знаний стираются, поэтому необходимо понимать, что происходит в смежных направлениях. Например, химик может использовать информацию об эволюции живых организмов, чтобы получить белковые молекулы с нужными свойствами; нейробиология помогает лингвистам понять, является ли языковая грамотность врожденной способностью; ядерная медицина включает в себя достижения из физики, химии и биологии.

Новаторские исследования, проводимые на стыке различных наук, имеют больше шансов выделиться из океана публикуемых статей, попасть в престижные научные журналы и получить признание мирового научного сообщества. Чтобы оставаться в тренде, ученые должны не только поддерживать прочные связи с коллегами и выступать на конференциях, но и осваивать новые методы исследований и быть в курсе последних научных достижений. Только так можно остаться конкурентоспособным в эпоху больших данных.

Цифровая революция

По оценкам эксперта в области искусственного интеллекта Ли Кайфу, через 15 лет ИИ сможет заменить до 40 процентов профессий. В то же время большинство экспертов сходятся во мнении, что это не станет угрозой для ученых. Хотя компьютеры могут делать открытия, характеризуя явления и генерируя научные объяснения, полностью заменить исследователей они не в состоянии.

Искусственный интеллект, по-видимому, всегда будет конечен, и его все равно нужно будет слегка направлять в нужное русло. В работе исследователя требуется нечто большее - интуиция, творчество и разум, который является бесконечным

Дмитрий Ягнятинский
научный сотрудник АО НИИ НПО "ЛУЧ"

 Действительно, искусственный интеллект более приспособлен к одним аспектам научной деятельности и менее - к другим. Лучше всего у него получается обработка числовой информации, но о творческом мышлении говорить пока не приходится.

Как научить тому, чего еще нет? Именно этим занимаются настоящие ученые: они открывают новое, а не просто ведут обработку статистики. Они создают новые модели - то, чего не было раньше

Вячеслав Першуков
профессор, спецпредставитель госкорпорации "Росатом" по международным и научно-техническим проектам

 По мнению лауреата Нобелевской премии Роджера Пенроуза, сознание человека зависит от неалгоритмических физических процессов, что делает его воспроизведение с помощью искусственного интеллекта практически невозможным. Философ Дэвид Гиллиес подчеркивает, что у людей есть "политическое превосходство" над ИИ: он создан и разработан человеком для того, чтобы решать его проблемы. Разрешение компьютером определенного ряда проблем создает новые проблемы, которые ИИ уже не будет способен решить.

Этот подход называется генеративным моделированием (ГМ), и он заключается в поиске наиболее вероятного объяснения наблюдаемых данных. Например, астрофизики использовали ГМ для исследования эволюции галактик, при этом задача состояла в том, чтобы найти в данных скрытые закономерности. ИИ определил, что чем больше плотность окружения галактик, тем краснее становятся сами галактики.

Чтобы объяснить, почему это происходит, ученые вмешиваются в модель и изменяют некоторые параметры, а потом исследуют результат. Меняя скорость формирования звезд, ученые сумели изменить цвет галактик в модели, что указывает на связь этих параметров. Это похоже на обычную симуляцию, однако для этой модели не требуются предварительные знания о процессах, происходящих в галактиках. Данные сами показывают то, что ученые хотят знать. Это похоже на то, как человек определяет пол другого человека по лицу, не строя для этого подробные теоретические модели.

Астрофизик Кевин Шавинский называет генеративное моделирование третьим способом изучения Вселенной - наряду с наблюдением и экспериментом. Однако многие ученые рассматривают ИИ лишь как "усердного ассистента", готового взять на себя рутину и оставляющего исследователю простор для творчества. ИИ также способен значительно ускорить научные исследования, что очень важно в эпоху больших данных.

С компьютерным моделированием тесно связано еще одно направление цифровых технологий - создание цифровых двойников. Так называются виртуальные копии физических объектов или процессов, которые точно воспроизводят свойства оригинала. Ученые создают цифровых двойников, чтобы предсказывать, как поведет себя та или иная система в определенных условиях. Например, можно создать виртуальную копию какого-либо материала, чтобы посмотреть, как на него будет действовать высокая или низкая температура, давление или сильная деформация.

Цифровые технологии значительно изменят науку будущего, предоставляя ученым новые инструменты для познания Вселенной. Компьютерное моделирование, ИИ и роботизированные системы сделают исследовательские процессы более интересными, позволят талантливым ученым сделать еще больше открытий и ускорят научный прогресс.

Квантовая революция

Одним из перспективных направлений является разработка квантовых компьютеров, которые способны дать толчок развитию многих сфер науки. Например, такие машины могут улучшить понимание искусственным интеллектом естественного языка, дать ему возможность анализировать целые предложения и фрагменты текста вместо отдельных слов. Квантовый компьютер способен совершить революцию в разработке синтетических лекарств и биоактивных материалов, а также значительно ускорить обработку больших данных. От обычных компьютеров квантовые машины отличаются принципиально иной архитектурой, которая позволяет им проводить множество вычислений одновременно.

Квантовый компьютер имеет серьезное преимущество в вычислительной мощности. Представьте, что на обычном компьютере нужно сделать вычисление из десяти последовательных шагов, обработать полученный результат на первом шаге, запустить второй шаг моделирования, снова обработать результат, запустить третий - и так далее. В квантовом компьютере нужно будет сделать только один шаг со всеми условиями, и программа позволит смоделировать все возможные результаты эксперимента

Максим Герасимов
главный специалист входящего в "Росатом" акционерного общества "Наука и инновации"

 Считается, что квантовые компьютеры могут предоставить ученым и медицинским специалистам возможность решать задачи, на которые даже с помощью самых мощных суперкомпьютеров уйдут тысячи лет. Ученые надеются, что квантовые вычисления и моделирование ускорят разработку вакцин против инфекционных заболеваний, помогут предотвращать эпидемии, позволят быстрее создать препараты от рака и нейродегенеративных нарушений, таких как болезни Альцгеймера и Паркинсона.

Квантовые компьютеры могут быть полезны не только в биологии или моделировании процессов, они также помогут в разработке катализаторов для утилизации углекислого газа из атмосферы, что позволит бороться с изменением климата. Они ускорят решение задач, сложность которых растет экспоненциально, - например, так называемой задачи коммивояжера, которая заключается в поиске оптимального маршрута. Соответственно, с помощью квантовых вычислений можно оптимизировать потоки данных в сети, что имеет огромное значение, например, для обработки петабайтов данных, полученных в ЦЕРН и других ускорительных лабораториях.

Однако, как отмечает информатик-теоретик Скотт Ааронсон, квантовые компьютеры в том виде, в котором они есть сейчас, представляют собой "ненатуральные" устройства - иными словами, наилучшего эффекта от их использования можно достичь лишь при ограниченном наборе применений, в частности, связанных с моделированием квантовых систем. "Несмотря на то что квантовые компьютеры сохранят свое теоретическое превосходство, их практический вклад будет невелик", - предупреждает исследователь.

"Полезный" же квантовый компьютер, который будет решать важные задачи, с которыми иначе бы справиться не удалось, потребует наличия гораздо большего количества кубитов, чем имеют нынешние прототипы. Впрочем, по заявлениям одного из разработчиков квантовых компьютеров PsiQuantum, производить универсальные устройства - пока размером с целую комнату - начнут уже в ближайшие годы.

В России разработкой таких компьютеров занимается Национальная квантовая лаборатория, основанная под эгидой "Росатома". Полноценное устройство для квантовых вычислений планируется создать к 2024 году, стоимость проекта составляет 24 миллиарда рублей. Сегодня в России уже имеются прототипы, состоящие из нескольких кубитов.

Квантовые компьютеры не смогут полностью заменить обычные компьютеры, но расширят возможности ученых в моделировании сложных процессов. Поскольку стоимость таких машин очень велика, далеко не каждое научное учреждение сможет его себе позволить, не говоря уже о том, чтобы приобрести персональный квантовый компьютер. Решить эту проблему может удаленный доступ через облачные платформы. В этом случае пользоваться квантовыми компьютерами смогут как государственные организации и корпорации, так и научные центры и университеты.

***

В настоящее время наука как никогда ранее важна для человечества. Не имея специализированных знаний о природе, нельзя справиться с вызовами современности - пандемией, изменением климата и другими кризисами. В то же время происходит взрывной рост объемов данных, который влияет на развитие новых информационных технологий. Многие молодые люди понимают, что научная карьера может быть перспективной и актуальной, однако для этого нужно много и упорно работать, быть открытым ко всему новому и одновременно развивать критическое мышление. Ученый будущего должен постоянно осваивать новые технологии и взаимодействовать с коллегами, чтобы быть в курсе современных тенденций. Только в этом случае наука будет развиваться, улучшая жизнь человечества.

Но наука будущего - это не только мир профессиональных ученых. Общество должно понимать, насколько важны научные открытия и разработки. Научная безграмотность не только делает людей уязвимыми для опасной дезинформации, например, о вреде или бесполезности вакцин, но и ставит под угрозу само развитие науки.

Ученым удалось зафиксировать землетрясение на рекордной глубине, составившей 751 километр. При этом на поверхности планеты оно осталось незамеченным.

Самое глубокое землетрясение произошло в регионе, где находятся острова Бонин и Тайвань. Зафиксировать его удалось при помощи высокоточного оборудования, поскольку на поверхности оно даже не ощущалось.

Ранее ученые скептически относились к тому, что землетрясения могут происходить в нижней мантии планеты. На такой глубине твердые объекты должны деформироваться из-за воздействия высокого давления, но не ломаться.

Теперь геологам предстоит найти объяснение этому событию.Стоит напомнить, что ранее ученые заявили о замедлении вращения Земли. Природные явления оказали влияние на планету, поэтому продолжительность суток начала колебаться в течение года.

По словам генерального директора Росатома Алексея Лихачева, только сочетание АЭС, гидроэлектростанций, ветряков и солнечных батарей может быть устойчивым вариантом для энергосистемы будущего: такой "зеленый квадрат" низкоуглеродных источников энергии обеспечит решение климатических целей, которые сегодня стоят перед человечеством.

Неудивительно, что глава Росатома просит не забывать о стабилизирующей роли атомной энергетики. Но в чем она состоит?

Заявление Росатома

"Мы называем эти четыре низкоуглеродных источника энергии "зеленым квадратом", где атомная энергия и гидроэнергетика в нижней части обеспечивают генерацию базовой нагрузки, а ветер и солнце в верхней части отвечают за пиковую нагрузку", - заявил генеральный директор Росатома Алексей Лихачев в видеообращении к участникам сессии "Ядерная энергетика и возобновляемые источники энергии для углеродно-нейтрального будущего" на климатической конференции ООН в Глазго.

По словам Лихачева, ядерная энергетика является необходимым условием для завершения планируемого перехода к углеродно-нейтральной энергетике, а те варианты, в которых от использования АЭС сознательно отказываются, являются предельно рискованными и неустойчивыми. Глава Росатома подчеркнул, что такая позиция - не его личное мнение, она поддержана экспертами Международного энергетического агентства (МЭА) и профильных комитетов и комиссий ООН.

"Сегодня на карту поставлен важнейший вопрос - признание атома источником зеленой энергии. В России наше правительство уже приняло это решение, в сентябре утверждена таксономия зеленых проектов, в список входит атомная энергетика, - заявил глава российской корпорации. - Мы видим проблемы с ценами на электроэнергию в Европе и разделяем мнение Франции, Венгрии, Польши и других стран о том, что ядерная энергия является ответом на переход к более эффективной энергетике. Мы надеемся, что Брюссель вскоре примет решение в пользу включения атомной энергии в европейскую таксономию".

Так что же такое базовая нагрузка, почему для ее обеспечения нужны атомные и гидроэлектростанции, а вот ветряки и солнечные батареи малопригодны? Или же и вовсе - бесполезны? Попробуем объяснить.

Без базы нет надстройки

Потребление электроэнергии нерегулярно: обычно люди используют ее больше утром и вечером для освещения. В жарком климате присутствует еще один выраженный пик - обычно с 10 часов утра и до 16 часов вечера, который связан с использованием кондиционеров.

Кроме того, потребление электроэнергии растет и при снижении температуры, поскольку часть ее используется для отопления помещений. В холодном климате говорят о двух сезонах потребления: низком (весенне-летнем) и высоком (осенне-зимнем). Более-менее устойчиво потребление электроэнергии только в сферах промышленности и транспорта, которые обычно работают в круглосуточном режиме.

Это создает основную сложность в балансировке любой энергосистемы: человечество пока не научилось эффективно запасать электроэнергию, а все предлагаемые способы такой аккумуляции обычно очень дороги и напрямую влияют на тарифы для конечного потребителя. Как следствие, в любую энергосистему стремятся включить два вида генерирующих мощностей: базовые, дающие более дешевую электроэнергию, и пиковые, дающие энергию более дорогую, но которую можно быстро "влить" в энергосистему на пике потребления и избежать ее развала от недостатка мощности.

На роль базовых генераторов действительно хорошо подходят ГЭС и АЭС: оба вида этих электростанций дают дешевую энергию. Гидроэлектростанции к тому же можно использовать и на пике, поэтому богатые гидроресурсами страны, например, Швейцария, так и делают. В швейцарской системе почти всю энергию - и базовую, и пиковую - дают именно ГЭС. А вот те страны, где рек мало и они не столь полноводны, стараются в базовую генерацию поместить надежные АЭС, которые к тому же не зависят от внезапной засухи и не нуждаются в затоплении больших площадей плодородной земли под водохранилища, как у ГЭС.

Ветряки же и солнечные батареи в базовую генерацию вписываются плохо, причем сразу по двум параметрам. Во-первых, полученная с их помощью электроэнергия дорогая и уже вряд ли станет дешевле - оба вида электростанций уже прошли долгий путь совершенствования конструкции. Во-вторых, и ветер, и солнце - это непостоянная энергия, целиком зависящая от природных, климатических и погодных условий.

Алексей Анпилогов

 

*

Беседа с Константином Воронцовым, доктором физико-математических наук, профессором РАН, заведующим кафедрой машинного обучения и цифровой гуманитаристики МФТИ, профессором кафедры математических методов прогнозирования ВМК МГУ.

"ЗАВТРА". Константин Вячеславович, мы всё чаще слышим об "искусственном интеллекте". Что он собой представляет, и с чего всё началось?

Константин ВОРОНЦОВ. Когда в конце 1980-х годов я студентом Физтеха начал заниматься данной темой, термин "искусственный интеллект" звучал лишь в узких научных кругах, иногда мелькал на страницах научно-фантастической литературы. Когда друзья спрашивали, чем я занимаюсь, я говорил: "Распознаванием образов". В ответ слышал: "И много образов ты уже распознал?"

"Распознавание образов", "машинное обучение", "науки о данных" - это популярные в разные годы названия одной и той же области исследований. В последние годы к ней вернулось одно из прежних названий - "искусственный интеллект" (ИИ). Американские учёные, которые придумали этот термин (Artificial Intelligence, AI) в 1950-е годы, конечно же, понимали, что никакого интеллекта там нет. На тот момент и до сих пор это просто способность компьютерной программы решать очень сложные задачи, которые раньше могли решать только люди. Распознавать, делать прогнозы, принимать решения. Я бы предпочёл расшифровывать аббревиатуру ИИ как "имитация интеллекта", так будет точнее и честнее.

"Хайп" вокруг "искусственного интеллекта" начался относительно недавно, когда эти слова зазвучали с высоких трибун. В 2016 году их произнёс бессменный президент Всемирного экономического форума Клаус Шваб, а следом за ним - президенты всех ведущих экономических держав. В том же 2016 году администрация Обамы провела пять научных конференций в ведущих университетах США на тему "Искусственный интеллект и автоматизация будущего", в ходе которых были опрошены две с половиной тысячи учёных. Их мнения свели в четыре лаконичных отчёта, которые легко найти в Интернете. Очень, кстати, хороший пример грамотной организации взаимодействия власти с профессиональным сообществом: широкое обсуждение, никакой кулуарности. После этих событий во многих странах, включая Россию, стали принимать документы о национальной стратегии развития "искусственного интеллекта".

"ЗАВТРА". А почему именно в 2016 году актуализировалась эта тема?

Константин ВОРОНЦОВ. То, что этот процесс неизбежен, было ясно ещё в девяностые годы, и даже в шестидесятые. Уже тогда прорабатывались разные приложения: от медицинской диагностики до геологической разведки. С девяностых годов начался повсеместный компьютерный сбор данных. Тогда мы с коллегами прогнозировали цифровой бум через пять лет, но, как оказалось, понадобилось более двадцати лет на то, чтобы общество стало готово к внедрению таких технологий. Примерно в 2015 году произошёл прорыв в области компьютерного зрения, благодаря конкурсу ImageNet и глубоким нейронным сетям. Появились обучаемые алгоритмы, способные распознавать объекты на изображениях не хуже человека, и бизнес увидел в этом огромный потенциал для автоматизации и сокращения издержек.

"ЗАВТРА". А с чего начиналось так называемое машинное обучение?

Константин ВОРОНЦОВ. В 1950-е в области ИИ доминировала идея экспертных систем, когда профессиональная деятельность экспертов описывается правилами "если - то", которые закладываются в компьютерную программу. Это уже относили к "искусственному интеллекту", хотя на самом деле правила вырабатывали люди, программу писали тоже люди, поэтому нельзя сказать, что такая система сама может что-то решать. Например, стратегии игры в шашки и шахматы формализовать хоть и трудно, но можно, поэтому такие программы появились в первую очередь.

С 1960-х стало параллельно развиваться машинное обучение. Там идея была более продвинутой: машина должна сама вырабатывать правила на основе большого числа наблюдений. Каждое наблюдение - это некая ситуация, для которой правильное решение известно. Требуется построить модель, которая по описанию ситуации будет принимать решение, желательно, правильное. В качестве модели могут использоваться логические правила, оценки сходства объектов, вероятностные распределения, нейронные сети и другие математические конструкции.

Были придуманы тысячи различных моделей. Со временем их обобщали, появлялись универсальные модели, способные неплохо решать прикладные задачи в различных областях. Например, одна и та же модель может использоваться и для кредитного скоринга, и для медицинской диагностики, и для предсказания качества продукции. Во всех трёх случаях параметры модели обучаются по разным данным, но структура модели одна и та же. Чем больше у нас данных, тем более универсальной может быть модель. Искусственные нейронные сети - это одна из самых универсальных моделей.

"ЗАВТРА". Приведите, пожалуйста, примеры машинного обучения.

Константин ВОРОНЦОВ. Одной из первых решённых задач, ещё в 50-е годы, была задача поиска полезных ископаемых по данным геологоразведки. Руководитель нашей научной школы академик Юрий Иванович Журавлёв в 1966 году получил Ленинскую премию за математические модели, успешно спрогнозировавшие несколько крупных месторождений золота на территории СССР. Несколько лет спустя ему удалось собрать намного более универсальный алгоритм. Ученики Юрия Ивановича применяли его для решения сотен задач в различных отраслях народного хозяйства: для медицинской диагностики, прогнозирования свойств химических соединений, определения свойств белков, контроля качества промышленной продукции и многих других. Алгебраический подход Журавлёва обогнал своё время лет на двадцать: на Западе бум алгоритмических композиций начался лишь в 1995 году. В те же 90-е поток государственных заказов иссяк, сменившись коммерческими применениями интеллектуального анализа данных (Data Mining, DM) и бизнес-интеллекта (Business Intelligence, BI) - названия новые, но суть примерно та же.

Сейчас все, кто пользуется электронной почтой, должны знать, что без модели распознавания спама они вряд ли смогли бы отыскать нужные письма в куче мусора.

Ещё один пример задачи машинного обучения - психотипирование личности, когда людей просят ответить на вопросы психологического теста, затем сопоставляют эти данные с их профилями в соцсетях. Вместе они образуют обучающую выборку, по которой можно построить модель, способную предсказывать некоторые аспекты поведения человека.

Машинное обучение сродни проведению функции через заданные точки на школьных уроках физики. Так, при изучении закона Гука мы откладывали точки на графике, как сила зависит от растяжения пружины. Должна была получаться прямая линия, хотя точки могли оказаться немного разбросанными вокруг неё из-за погрешности измерений. В машинном обучении всё примерно так же, но намного сложнее, поскольку прогнозируемая величина может зависеть не от одного измеряемого признака, а от десятков, тысяч или даже миллионов. Например, признаками, характеризующими человека, могут быть и ответы на вопросы анкеты, и поисковые запросы, и частоты слов, которые он использует в комментариях.

"ЗАВТРА". А если машина даст сбой?

Константин ВОРОНЦОВ. В любой технической системе возможны и сбои, и аварии, и неожиданные хитросплетения технических недостатков с пресловутым человеческим фактором. Для сведе́ния рисков к минимуму инженеры используют моделирование и испытания, пишут правила безопасности и инструкции по эксплуатации. Компьютер с "искусственным интеллектом" - это тоже техническая система, предназначенная для автоматизации рутинного труда. За работу любой технической системы отвечают люди. "Искусственный интеллект" не является исключением: обучающую выборку составляют люди, модель для прогнозирования или принятия решений тоже придумывают люди, алгоритм, который определяет параметры модели по выборке, тоже создают люди, наконец, компьютеры, на которых это всё работает, тоже делают люди. Много звеньев в этой цепочке, и всюду люди. Если профессионалы что-то не предусмотрели, то они должны это исправить, сделать выводы на будущее, в отдельных случаях понести ответственность. Называть такие системы "искусственным интеллектом" - это терминологическое недоразумение, на мой взгляд. А перекладывать на систему ответственность можно только от "незнания матчасти".

"ЗАВТРА". А как работают нейросети?

Константин ВОРОНЦОВ. Понимание нейросетей начинается с того, о чём я говорю студентам на первой лекции по машинному обучению: "Задача поставлена, если у неё есть ДНК - Дано, Найти, Критерий". Что дано? Обучающая выборка. Что найти? Предсказательную модель для принятия решений; это может быть нейросеть или что-то другое. По какому критерию оцениваем модель? Например, вероятность ошибок у модели меньше, чем у человека. Мы всегда должны чётко оговорить эти три вопроса. Пока ответов на них нет, задача не поставлена и решать её невозможно. К сожалению, на практике мы часто сталкиваемся с тем, что заказчики ожидают от "искусственного интеллекта" какой-то магии. Но чудес на свете не бывает. Бывают фантазии от непонимания возможностей и ограничений этих технологий; бывает даже, что задачу вообще невозможно решить в имеющихся условиях.

Второй шаг к пониманию: нейросеть - это лишь предсказательная модель, а не готовый алгоритм для принятия решений. В чём разница? Модель имеет параметры, которые необходимо обучить по данным (мы также говорим "настроить" или "оптимизировать", а статистики чаще говорят "оценить по данным"). После того, как параметры обучены, модель становится алгоритмом - точной инструкцией для вычисления предсказаний.

Например, закон всемирного тяготения - это модель; в ней есть параметр, который надо определить для каждой планеты. Это можно сделать по выборке экспериментальных наблюдений. Обучив параметр, вы получаете алгоритм, способный предсказывать, с какой силой данная планета притягивает к себе космический корабль. Основной признак, который вам необходимо для этого знать - масса корабля. Это я рассказал о законе всемирного тяготения в терминах машинного обучения. Принципы обучения параметров нейросетей те же самые, что и в классическом математическом моделировании. Карл Фридрих Гаусс применял метод наименьших квадратов для определения орбит планет по астрономическим наблюдениям 220 лет назад. Сегодня мы применяем тот же метод для обучения нейросетей. Но у Гаусса в модели была дюжина параметров, а в самых последних нейросетях их уже триллионы.

Третий шаг к пониманию: определение параметров модели по обучающей выборке - это всегда задача оптимизации некоторого критерия. Например, средней ошибки модели на объектах обучающей выборки. Если менять значения параметров модели, то значение критерия также будет меняться. А нам надо найти такое сочетание параметров, при котором критерий окажется оптимальным. Для наглядности давайте представим себе горный ландшафт, параметрами служат широта и долгота точки на местности, а критерием - высота точки над уровнем моря, и мы ищем самую глубокую впадину. Находясь в некоторой точке, мы видим её ближайшую окрестность и должны решить, в какую сторону идти дальше. Обучаясь, нейронная сеть решает похожую задачу. Отличие в том, что наши модели могут иметь миллиарды параметров вместо двух (долготы и широты). Тем не менее мы умеем решать такие задачи на компьютере с помощью численных методов оптимизации. Нейронные сети, да и всё машинное обучение - это на самом деле методы оптимизации, если "заглянуть под капот".

Четвёртое, мы всё время говорим об архитектуре нейронных сетей. Сеть состоит из нейронов. Каждый нейрон - это простой вычислитель, умеющий сложить несколько признаков, умножив каждый из них на свой весовой коэффициент, и к полученной сумме применить ещё какое-нибудь элементарное преобразование (например, обнулить сумму, если она окажется меньше нуля). Весовые коэффициенты - это и есть обучаемые параметры нейрона, его память. Результат, вычисленный нейроном, можно передать на вход другим нейронам. Так образуется второй слой нейронной сети. Мы сами вправе решать, сколько в сети будет слоёв, сколько нейронов в каждом слое, как нейроны соединяются друг с другом. Всё это определяет архитектуру сети и заметно влияет на качество решения.

Глубокие нейронные сети могут иметь десятки и даже сотни слоёв. Глубокие архитектуры оказались весьма удачными для распознавания изображений, сигналов, речи, текстов и других сложно устроенных объектов. К слову, число слоёв в естественной нейронной сети головного мозга человека оценивается всего в один-два десятка. На самом деле искусственные нейросети имеют мало отношения к нашим мозгам. Мы лишь "подглядываем" в нейрофизиологии некоторые идеи и поверхностные аналогии.

"ЗАВТРА". А в чём суть кардинальных изменений, произошедших в начале 2010-х годов, о которых вы упомянули в начале беседы?

Константин ВОРОНЦОВ. Речь идёт о качественном прорыве в области распознавания изображений. Это одна из классических задач компьютерного зрения. В 2009 году стартовал конкурс ImageNet challenge по распознаванию изображений. Для него собрали выборку из миллиона изображений (спустя годы объём выборки довели до 15 миллионов) и разметили их с помощью краудсорсинга - люди подписывали каждую фотографию тегами в зависимости от того, какие объекты они на ней видят. Число различных тегов превышает 22 тысячи. Раньше в распоряжении учёных не было таких гигантских выборок.

Когда только начали применять известные алгоритмы компьютерного зрения, уровень ошибок был более 25% - это слишком много для реальных применений. В 2012 году британский учёный, один из ведущих в мире специалистов по искусственным нейронным сетям, Джеффри Хинтон и два его аспиранта предложили первую глубокую нейросеть AlexNet для обработки изображений. Тогда же они придумали обучать сеть на видеокартах. Уровень ошибок снизился до 16%, а к 2015 году был преодолён барьер 5% - человеческий уровень ошибок в данной задаче. Сейчас нейросети классифицируют объекты на изображениях уже вдвое лучше, чем человек. Для бизнеса это означает тысячи различных применений: распознавание номерных знаков, лиц, печатного текста, товаров на полках, дефектов изделий на конвейере, биомедицинских изображений и многого другого. Эти же методы затем быстро адаптировали к обработке и синтезу сигналов, речи и другой разнообразной сложно структурированной информации.

"ЗАВТРА". А почему эти нейросети называются глубокими?

Константин ВОРОНЦОВ. Допустим, мы взяли изображение 200х200, в каждой его точке заданы интенсивности трёх цветов. Получается массив из 120 тысяч чисел - для классических методов машинного обучения объект весьма неудобный. К тому же изображения могут быть разного размера. Надо придумать, какие признаки вычислять по картинке, чтобы они содержали всю важную для распознавания информацию, но чтобы их было относительно немного и, желательно, всегда одинаковое количество. Раньше изобретением признаков для компьютерного зрения занимались коллективы высокооплачиваемых инженеров. Каждый признак - это некая формула, которую надо было придумать, запрограммировать, протестировать. Для каждой задачи набор признаков свой: для распознавания букв - один, для лиц - другой, для автомобилей и номерных знаков - третий. Над всем этим бились вручную.

Современные нейросети синтезируют признаки полностью автоматически. Входное изображение, какого бы оно ни было размера, сжимается в массив (вектор) из нескольких тысяч чисел. В сети AlexNet это 4096, то есть изображение 200х200 сжимается в 30 раз. Тем не менее такие векторы содержат в себе всю информацию из входного изображения, необходимую для распознавания 22 тысяч типов объектов. Превращение изображения в вектор признаков, или векторизация, - это ключевой приём в современных нейронных сетях. А с векторами признаков мы умеем работать давно.

Каким образом нейронная сеть делает векторизацию, и почему она обязательно должна быть для этого глубокой? Глубокая - значит состоящая из большого числа слоёв. Каждый слой выполняет довольно простую работу, вычисляя в каждой точке так называемые свёртки - это усреднённые интенсивности цветов в небольшой окрестности данной точки. В результате изображение заменяется новым, размер которого становится меньше в несколько раз, но зато мы в каждой точке увеличиваем число вычисляемых свёрток. В конце концов всё изображение стягивается в одну точку, зато размерность вектора признаков вырастает до заданного значения (например, 4096). Когда признаки готовы, на них можно обучить модель распознавания, состоящую из пары слоёв. Основная масса слоёв нужна именно на стадии векторизации, чтобы изображение трансформировалось постепенно.

В первой сети AlexNet было 7 слоёв, спустя несколько лет научились строить сети из сотен слоёв. Специальные эксперименты показали, что каждый следующий слой обучается различать всё более крупные элементы на изображениях. Первый слой различает простые переходы цветов, второй слой начинает замечать текстуры и так далее, последний слой уже способен видеть крупные составляющие части объектов.

На выходе имеем впечатляющий результат. Системе предъявляют новую фотографию, и она выдаёт: "Это - стадион, это - бейсболист, это - другой бейсболист, это - бита, это - мячик". Звучит как какое-то чудо. Но оно стало возможным потому, что огромное количество параметров сложно устроенной сети было оптимизировано так, чтобы на многомиллионной обучающей выборке выделялись именно те объекты, которые люди разметили на краудсорсинге.

"ЗАВТРА". Для обработки текстов, машинного перевода, чат-ботов используются такие же нейросети?

Константин ВОРОНЦОВ. Немного другие, но тоже глубокие. Для обработки текстов нейронная сеть обучается предсказывать слова по окружающему их контексту. Например, она должна не хуже нас с вами догадаться, что во фразе "пусть бегут неуклюже ..." на месте многоточия стоит слово "пешеходы".

Основные идеи остаются теми же, что для изображений. Во-первых, текст - это последовательность символов или слов со всеми их языковыми особенностями, морфологией, синтаксисом, смысловыми взаимосвязями, то есть тоже структурированный объект, ничуть не проще изображений. Отсюда вторая идея: нейросеть должна быть глубокой, чтобы постепенно собирать информацию об окрестности каждого слова и автоматически формировать его векторное представление. Для каждого слова или фразы такая сеть способна вычислить числовой вектор, который будет отражать его смысл. Сеть может работать и в обратную сторону, генерируя связный текст по векторам. Это используется в машинном переводе, для синтеза ответов на вопросы или реплик чат-бота. В-третьих, модель должна обучаться по большим данным, по терабайтам текстов, от Википедии до гигантских библиотек художественной, научной и новостной информации. Про такие модели говорят, что они "видели в языке всё".

"ЗАВТРА". Это те самые модели, которые генерируют фейковые новости?

Константин ВОРОНЦОВ. Да. Есть специальные разновидности глубоких нейронных сетей, называемые генеративными. Такая сеть способна сгенерировать ответ на вопрос, перефразировать новость или написать под заголовком новостной заметки сам текст. Конечно, это будет симуляция "по мотивам" чего-то похожего, что модель видела в обучающей выборке. Однако человек может ошибочно принять такой текст за реальную новость. Обмануть наше восприятие вообще довольно легко: мы видим боковым зрением манекен и вздрагиваем: нам кажется, что это живой человек. Цель фейка в том и состоит: вызвать эмоцию. Человек может обладать критическим мышлением, уметь сопоставлять факты, проверять источники, однако информация, поданная с эмоцией, лучше запоминается. Кроме того, фейковые новости можно генерировать миллионами. В этом потоке будет трудно отличить правду от разнообразной лжи. Конечно, люди и сами, без всяких технологий, продуцируют огромное количество лжи, однако подключение ИИ способно заметно усилить напряжённость информационных войн.

"ЗАВТРА". Много ещё таких возможностей из ящика Пандоры?

Константин ВОРОНЦОВ. Много, и будет всё больше. На одной из конференций по компьютерному зрению в 2019 году была опубликована статья под провокационным названием "Танцуют все". Там описана следующая технология: берётся ролик с профессиональным танцором, исполняющим танец на однородном фоне. Потом берётся одна фотография другого человека, на любом фоне, и алгоритм генерирует видео, где этот человек танцует тот же танец на том же фоне. То есть можно поставить на поток изготовление компрометирующих видео. Аналогичная история с голосом и другими биометрическими данными. Известны случаи, когда такие данные попадали в распоряжение мошенников. И как определить мошенника, если в телефоне слышишь голос близкого человека?

"ЗАВТРА". Может ли дело зайти настолько далеко, что и правоохранительные органы не смогут отличить подлог?

Константин ВОРОНЦОВ. На данный момент любая видео- или аудиозапись, которая сгенерирована нейронной сетью, всё же содержит артефакты, которые глазом или ухом различить невозможно, но специальными алгоритмами это выявляется. Как всегда, происходит соревнование технологий защиты и нападения. Но опасения оправданны. Человечество получает всё более изощрённые технологии электронного обмана.

Впрочем, с нашими технологиями мы и так уже сидим на бочке с порохом, и не на одной. "Искусственный интеллект" - ещё одна технология, которая может быть применена как с пользой, так и во вред. В отдалённой перспективе - вплоть до самоуничтожения человеческой цивилизации.

"ЗАВТРА". А "компромат" уже сейчас на всех обеспечен.

Константин ВОРОНЦОВ. Тут скорее не компромат, а сфабрикованные обвинения. Люди будут вынуждены доказывать, что они такого не совершали. Или, как в одной антиутопии, доказывать, что правитель-тиран, которого транслируют по всей стране, не настоящий, что его в природе не существует. Что касается компромата, то он уже давно обеспечен: это поведение человека в поисковых системах и социальных сетях, которое можно проанализировать и по косвенным данным много интересного о человеке узнать.

"ЗАВТРА". Многое из фантастики сбывается на наших глазах.

Константин ВОРОНЦОВ. Да. Фантастика не только предсказывает, она отчасти и формирует наши мечты о будущем. Есть научная фантастика, а есть фантазии, едва ли возможные даже в отдалённой перспективе, типа фильма "Бегущий по лезвию". "Матрица" пока тоже безумно далека от реализации, но для меня это знаковый фильм-предупреждение о том, что интеллектуальные машины нельзя наделять автономностью и тем более способностью к репликации.

Есть и такие фильмы, которые показывают нам реалистичную ближайшую перспективу. Например, в фильме "Она" американского режиссёра и сценариста Спайка Джонса показана технология, вполне реализуемая уже в ближайшие годы: операционная система свободно разговаривает с человеком, берёт на себя обязанности секретаря, вплоть до ведения деловых переговоров. Но во второй половине фильма главный герой выстраивает человеческие и даже любовные отношения с "операционкой", что, на мой взгляд, полный абсурд. Человек в здравом уме никогда не станет воспринимать эту штуковину на равных. Она ведь не разум и не личность, а всего лишь их имитация. Когда манекен вызывает у нас ощущение присутствия, мы быстро осознаём это как когнитивное искажение. При общении с интеллектуальными помощниками и антропоморфными устройствами нам также придётся более критично относиться к нашим эмоциональным реакциям. Фантастика, очеловечивающая ИИ, навязывает нам искажённое восприятие технологий будущего, и это скорее похоже на пропаганду трансгуманизма.

"ЗАВТРА". А если пользователь не в своём уме?

Константин ВОРОНЦОВ. Тогда вопрос к пользователю, "что его довело до жизни такой?" Вроде бы очевидно, что технологии ИИ, как и любые другие, создаются людьми для того, чтобы повышать производительность труда и качество жизни. Даже мысли не должно возникать ставить машину на один уровень с человеком. И вот перед нами нейросеть, программа, которая, как нам кажется, пишет, говорит и думает, как человек, и даже притворяется, что имеет эмоции и психику. Наша первая реакция - отнестись, как к человеку. Типичное когнитивное искажение! "Эффект манекена". Обучаясь, нейросеть видела миллиарды ситуаций, в которых люди писали, говорили, выражали эмоции. Она на ходу склеивает из этих обрывков нечто, подходящее под ситуативный контекст. Часто угадывает, потому что в большой обучающей выборке находились похожие ситуации. Однако никакого смысла за этим не стоит, сеть не умеет думать о смыслах.

"ЗАВТРА". Но в интеллектуальных играх (шахматы, шашки, го) человек терпит поражение.

Константин ВОРОНЦОВ. Эти игры - замкнутая искусственная среда. Правила игры фиксированы и довольно просты. Поэтому алгоритмы могут обучаться, соревнуясь друг с другом. Миллионы игр - и модель доводится до совершенства. Намного труднее переносить этот подход в реальную жизнь, где отсутствуют чёткие правила, действует масса факторов, возникают непредвиденные обстоятельства. Выборки для беспилотного вождения собирают уже много лет, и всё равно в 2020 году произошёл случай, когда Тесла на автопилоте врезалась в автобус, лежавший на боку после аварии. Со временем даже такие крайне редкие ситуации или хотя бы их аналоги попадут в материал обучения. Нет уже никаких сомнений в том, что автопилот будет водить лучше человека, и аварий будет меньше. В данном случае очень хорошо, что "человек терпит поражение".

"ЗАВТРА". А если роботы начнут действовать во вред людям?

Константин ВОРОНЦОВ. Не начнут, пока люди их этому не научат намеренно или по ошибке. Был скандальный случай, когда чат-бота обучили по большой выборке всех без разбора диалогов из социальной сети. В итоге он научился быстро переходить на оскорбления, нацизм и расизм. Чтобы чат-бот был вежливым, его надо обучать на тщательно отфильтрованной выборке. Разработчик обязан позаботиться об этом.

Фантаст Айзек Азимов первым сформулировал три закона робототехники, чтобы избежать нежелательных для людей сценариев взаимодействия с роботами. С этими правилами уже можно сверяться при создании ИИ-систем. Постепенно они будут обрастать деталями и трансформироваться в технические регламенты, отраслевые стандарты, юридические нормы, как в любой другой технической отрасли.

Мы создаём роботов и системы ИИ ради автоматизации нашей деятельности, чтобы они были нашими послушными помощниками. Поведение робота зависит от того, на каких данных его обучали, насколько сложная предсказательная модель использована, заложена ли в модель возможность давать понятные человеку объяснения принимаемых решений, насколько тщательно он был протестирован в штатных и нештатных ситуациях. Наконец, у любого робота должна быть "кнопка", которой человек может его отключить в любой момент, как пылесос.

"ЗАВТРА". В марте прошлого года было сообщение, что в Ливии самоуправляемый турецкий военный квадрокоптер Kargu-2 впервые убил человека без непосредственной команды оператора.

Константин ВОРОНЦОВ. Сейчас все передовые страны разрабатывают автономные системы вооружений. Зачем пилота сажать в самолёт, если беспилотный истребитель противника и маневрирует лучше, и решения принимает быстрее? Воевать в воздухе живыми людьми очень скоро станет невыгодно. С танками похожая ситуация.

И в Ливии была задействована программа, способная различать живую силу противника от собственных солдат и гражданских. Наверняка эта система прошла испытания, и было доказано, что она ошибается не реже, чем это в среднем делают операторы, но приказ применить такое устройство в автономном режиме всё равно отдавал конкретный офицер. Если бы что-то пошло не так, он бы за это отвечал.

Сообщение на самом деле не о том, что робот принял на себя решение убить человека, а о том, что в данном виде вооружений пройдена ещё одна ступень автоматизации. Скоро интеллектуальные рои беспилотников будут воевать друг против друга, самостоятельно принимая тактические и даже стратегические решения, выполняя поставленные перед ними боевые задачи. Но задачи будут ставить конкретные военачальники.

"ЗАВТРА". Всё от этики человека зависит в итоге.

Константин ВОРОНЦОВ. Конечно. Во многих странах сейчас разрабатываются кодексы этики в сфере ИИ. Недавно я принимал участие в обсуждении российского кодекса на финальной стадии его подготовки, и это весьма разумный документ.

Многое также зависит от правильности понимания ИИ в общественном сознании, от уровня технической грамотности. Сегодня очень важна роль популяризации науки, важно объяснять возможности и ограничения технологий, чтобы не было иллюзий. Люди воспринимают слова и не замечают, что реальное наполнение научных терминов может отличаться от обывательских ожиданий. Мы говорим "искусственный интеллект", но это не сам интеллект, а лишь название области научных исследований, компьютерная имитация обучения по прецедентам. Мы говорим "нейронная сеть", но это мало похоже на человеческий мозг.

Если продолжить разговор о языке, то я бы запретил применять к ИИ глаголы активного действия, например, ИИ "обыграл чемпиона мира", "научился диагностировать рак", "находить ошибки в школьных сочинениях" или вот - "впервые принял решение убить человека". Подобные фигуры речи - скорее маркетинговый ход для привлечения внимания. ИИ ничего не может сделать самостоятельно. Это люди придумывают способы применения технологий и постановки задач, организуют сбор данных, создают модели, численные методы и программы, оценивают, внедряют в производство и отдают приказы на применение.

"ЗАВТРА". Как избежать рисков, что полезная технология будет обращена во вред?

Константин ВОРОНЦОВ. Для этого необходимо ответить на идеологические вопросы: для чего мы развиваем эти технологии и в какое будущее хотим прийти?

Давайте исходить из постулата, что целью человеческой цивилизации является обеспечение выживания нас как биологического вида, сохранение биосферы Земли, создание безопасной и комфортной среды обитания для всех людей. Научно-технический прогресс в целом и ИИ в частности нужны для выполнения всех этих задач.

В то же время общественный дискурс наполнен мифами об ИИ: что машины лишат людей работы, что настанет момент сингулярности, когда ИИ получит возможность воспроизводить и совершенствовать сам себя с непостижимой для людей скоростью; что возникнет машинный разум, принципиально отличный от человеческого, и дальнейшую судьбу цивилизации станет трудно предсказать; что машины окажутся настолько совершенны, что человек им будет уже не нужен для существования и развития.

Эти мифы могут стать реальными угрозами, если экстраполировать в будущее современное технократическое мышление "сделал потому, что мог", пронизанное идеологией индивидуализма. Именно такую экстраполяцию допускают Рэймонд Курцвейл, Нассим Талеб, Клаус Шваб и другие всемирно известные визионеры... и каждый раз получают апокалиптический сценарий.

Цивилизационное мышление исходит из другого принципа: "сделал ради сохранения и развития человеческой цивилизации". ИИ должен стать послушным и надёжным помощником, оставляя людям наиболее творческую работу и принятие ключевых решений. Получится ли это, целиком зависит от нас самих, от того, успеем ли мы изменить мышление на цивилизационное или застрянем на уровне "обезьяны с гранатой".

"ЗАВТРА". Вся ответственность лежит на людях, которые придумывают эти технологии.

Константин ВОРОНЦОВ. Да, и ещё на тех, кто их распространяет, и на тех, кто их применяет. Любая технология может быть использована как во зло, так и во благо, как для разрушения, так и для созидания. Очень важно, что́ у человека в голове в тот момент, когда он собирается сделать свой выбор. Мы часто обсуждаем с коллегами, кто какими задачами занимается. Некоторые занимаются технологиями генерации фейковых текстов, изображений, голоса или видео. Люди не только образованные, но и вполне порядочные. На вопрос "как ты можешь, ведь это увеличит количество лжи в информационном пространстве" обычно есть три "отмазки". Первая: если я не сделаю, то кто-то другой сделает. Вторая: для испытания средств защиты необходимо иметь средства нападения. Третья: это дико интересно. Фактически человек отложил свой морально-этический выбор "на потом", приготовился балансировать на грани добра и зла, но кто же даст гарантии, на чьей стороне он в итоге окажется? Третья мотивация продиктована эгоизмом исследователя, она-то и является главной. С цивилизационных позиций, выбор в такой ситуации однозначен: заниматься выявлением фейков нужно, генерацией - никогда!

Когда в наших руках мощные технологии, способные менять общественные отношения и образ жизни людей, оказывать глобальное воздействие на биосферу, мало быть образованными и порядочными. Мы находимся в особой точке истории: либо мы научимся отказываться от индивидуалистских мотиваций в пользу цивилизационных ценностей, либо спровоцируем катастрофу планетарного масштаба, рано или поздно уничтожив не только себя, но и всё живое на Земле. Нет других вариантов, и осознание этого факта одновременно пугает и воодушевляет.

"ЗАВТРА". Спасибо, Константин Вячеславович, за беседу! Будем надеяться, что человечество не рухнет в бездну.

Беседовал Павел Портнов

На фото: передовые математические модели, созданные советскими учёными, могли стать основой цифровизации с человеческим лицом, поскольку наши инженеры работали прежде всего над промышленными ЭВМ для вывода народного хозяйства на новый виток роста эффективности. ЭВМ БЭСМ-6 (Большая электронная счётная машина). СССР, 1959 г. На её основе сконструированы компьютеры на интегральных микросхемах серии "Эльбрус".

Эти величественные и очень важные животные наконец вернулись на свое место обитания. Их не было там несколько столетий.

Зоозащитники рассказали о результатах реинтродукции зубров на территории Карпатской горной системы. Этих парнокопытных не встречали в регионе более 200 лет.

В 2014 году на юго-запад Румынии были завезены первые три зубра. В этом году в Карпатах их уже 105. Цель совместного проекта ВВФ и некоммерческой организации "Ревилдинг Европа" довести эту цифру до 250.

Животные хорошо прижились. За прошедшие годы здесь родилось 38 детенышей. Причем за последние два года не было зарегистрировано ни одного смертельного случая. В настоящее время зубров можно встретить на территории около 8000 гектаров. На территории Европы обитает около 6000 зубров, большинство из которых находятся в Беловежской Пуще, которая расположена на территории Белоруссии и Польши.

Две группы ученых Хэфэйской национальной лаборатории физических наук при Научно-техническом университете Китая создали два новых квантовых вычислительных устройства на фотонах и сверхпроводниках. Как заявляют авторы работы, им удалось достигнуть несомненного квантового превосходства, то есть решить задачу, которая практически невыполнима на классических компьютерах. Об этом сообщается в нескольких статьях, опубликованных в журнале Physical Review Letters.

Обе группы возглавлял физик Цзянь-Вэй Пань, и в обоих случаях цель заключалась в расчете вероятности состояний частиц на выходе квантовых схем. Это задача проста для обычного компьютера, если схема содержит лишь небольшое количество входов и выходов, однако становится очень сложной и даже невозможной с ростом этого числа.

Об этом в ходе пресс-конференции в Москве заявил председатель Комитета Государственной Думы Российской Федерации по энергетике Павел Завальный, передаёт корреспондент "ПолитНавигатора".

"В России реализуется программа замыкания ядерного цикла. Мы единственные в мире обладаем реактором быстрых нейтронов, который позволяет использовать топливо тепловых реакторов после фабрикации в реакторах быстрых нейтронов, чтобы дожимать его там.

Сегодня реактор БН-800, который эксплуатируется, в нём порядка 25 процентов топлива с фабрикации - это топливо с выработанных тепловых ядерных реакторов", - сказал он.

Кроме того, депутат отметил, что разработанная российскими учёными технология позволит обеспечить источник энергии на многие тысячелетия без выбросов СО2.

"Вводятся новые реакторы: проект "Прорыв", реактор "Брест", который будет реактором с тепловым носителем, в котором будет использоваться отработанное топливо из тепловых реакторов. Таким образом, эта технология стопроцентного замыкания ядерного топливного цикла.

С точки зрения результата для человечества, учитывая достижения этой технологии, если оценить все мировые запасы углеводорода и угля они составляют только 15 процентов, а потенциальной энергии, которую можно получать с помощью замыкания топлива ядерной энергии, мы получаем источник энергии даже не на столетия, а на тысячелетия. Причём этот источник не углеродной энергии, иными словами без выбросов СО2", - заключил Завальный.

Напомним, ранее в Москве заявили, что проект строительства "Росатомом" АЭС становится камнем преткновения и новым идеологическим оружием в руках казахских националистов.

Кроме того, в Киеве отметили, что атомные эксперименты над Украиной продолжаются. После топлива Westinghouse на территории страны протестируют так называемые малые модульные реакторы (ММР), которые разрабатывает американская компания NuScale Power.

С 2010 по 2018 год число ученых-исследователей в России сократилось почти на 6%, с 365,9 тыс. до 347,8 тыс. Об этом говорится в исследовании компании FinExpertiza (есть у РБК). Больше всего число ученых сократилось в естественных и технических сферах, говорится в документе.

Аналитики FinExpertiza оценивали количество ученых в шести областях науки, по которым ведет учет Росстат. По их данным, численность исследователей росла до 2015 года, однако затем начала снижаться. В FinExpertiza уточнили, что под учеными имеются в виду специалисты, профессионально занимающиеся исследованиями и разработками, которые обычно имеют законченное высшее образование.

По данным FinExpertiza, за девять лет число ученых в естественных науках уменьшилось на 10,7 тыс. человек, в технических - на 10,4 тыс. Тем не менее эти научные области по-прежнему остаются самыми многочисленными, утверждается в исследовании. В сельскохозяйственных науках число исследователей уменьшилось с 12,7 тыс. до 9,5 тыс. Чуть меньшие потери в области медицинских наук - с 16,5 тыс. до 14,3 тыс. человек.

На фоне сокращения численности исследователей в этих сферах общественные и гуманитарные науки показали рост. За девять лет число исследователей в общественных науках выросло почти на 33%, или на 4,6 тыс. человек. В гуманитарных областях рост составил 6% (710 человек).

Как показало исследование, большинство оставивших науку не имели ученых степеней. Что касается возрастного среза, то покидали науку чаще те, кому было 50-59 лет - за девять лет исследователей в этом возрасте стало меньше на 38%.

Почему число ученых сокращается

Собеседник РБК, близкий к Российской академии наук (РАН), согласился с выводом о сокращении количества ученых. По его словам, это связано с деятельностью по оптимизации численности персонала в рамках реформы РАН 2013 года.

Тогда, напомнил источник РБК, были увеличены зарплаты ученых: они, согласно президентскому указу, должны составлять удвоенную среднюю зарплату по региону. "После этого начались сокращения тех, кто просто занимает место и ничего не делает", - пояснил собеседник.