В этом выпуске собрали проекты на стыке науки и инженерии. Разработки охватывают разные области: экологию, энергетику, промышленную цифровизацию, искусственный интеллект и квантовые вычисления. Каждая из разработок решает конкретную прикладную задачу и уже проходит проверку в реальных условиях.
- В МФТИ разработали ИИ-систему для обнаружения мусора в северных морях
- В Росатоме разработали первый отечественный модульный инвертор для солнечных электростанций
- В Новосибирске создали мобильный комплекс для сбора промышленных данных без остановки производства
- В Бауманке автоматизировали оптимизацию языковых моделей
- Российские учёные показали, как квантовый отжиг может решать задачи движения роботов
В МФТИ разработали ИИ-систему для обнаружения мусора в северных морях
Специалисты Московского физико-технического института совместно с Институтом океанологии РАН создали систему на основе искусственного интеллекта для автоматического обнаружения плавающего морского мусора. Решение предназначено для работы непосредственно с борта судна и адаптировано к сложным условиям Арктики.
Визуальный мониторинг с участием наблюдателей требует больших ресурсов и не позволяет охватывать значительные акватории. Новая система автоматизирует этот процесс и делает возможным масштабный и регулярный контроль.
В основе разработки — два подхода машинного обучения:
- классификация изображений с использованием контрастного обучения;
- прямое детектирование объектов.
Алгоритмы обучались и тестировались на уникальном датасете, собранном во время арктической экспедиции осенью 2023 года.
Мы обработали более 500 тыс. фотографий морской поверхности, сделанных в Баренцевом и Карском морях. Особую сложность представляли сложные условия съемки: морская пена, качка судна и обширные блики от солнца, — которые сильно затрудняют обнаружение мелких объектов на поверхности воды и на небольшой глубине. Разработка особенно актуальна для Арктического региона, где загрязнение нерастворимым антропогенным мусором представляет растущую угрозу для хрупкой экосистемы.
Михаил Криницкий, заведующий лабораторией машинного обучения в науках о Земле МФТИ
Система способна различать четыре типа объектов:
- морской мусор;
- морских птиц;
- солнечные блики на воде;
- капли воды на объективе камеры.
Наиболее эффективным для обнаружения мусора оказался подход на базе контрастного обучения ResNet50 + MoCo в сочетании с классификатором CatBoost. Он показал точность 0,4 по метрике F1-score, что существенно выше результатов популярного детектора YOLO, который в этой задаче достиг лишь около 0,1. При этом YOLO лучше справлялся с обнаружением птиц, что подчёркивает специфику задачи мониторинга мусора.
Почему это важно:
- ИИ позволяет автоматизировать мониторинг загрязнения в труднодоступных регионах.
- Система адаптирована к реальным арктическим условиям съёмки.
- Использован один из крупнейших специализированных датасетов морской поверхности.
- Подход превосходит классические детекторы в задаче поиска редких объектов.
- Разработка создаёт основу для масштабного экологического мониторинга Арктики.
Источник: Известия
В Росатоме разработали первый отечественный модульный инвертор для солнечных электростанций
Инженеры госкорпорации Росатом представили первый в России импортонезависимый стринг-инвертор для солнечных электростанций. Устройство разработано компанией «Парус электро» и отличается архитектурой, не имеющей прямых аналогов на мировом рынке.
Разработка преобразует постоянный ток от солнечных панелей в переменный, пригодный для передачи в энергосети. Стринг-инвертор рассчитан на мощности 200 и 350 кВт, обладает КПД 98,3%, поддерживает сетевой и гибридный режимы работы с накопителями энергии и адаптирована к эксплуатации во всех климатических зонах России.
Ключевая особенность решения — модульная конструкция. Силовой модуль можно заменить без демонтажа всего инвертора, что сокращает обслуживание и ремонт с десятков часов до нескольких минут и снижает потери выработки электроэнергии. У зарубежных аналогов подобной модульности нет: при отказе оборудования требуется полный демонтаж и длительный простой станции.
Степень локализации комплектующих достигает 90–95%. Инвертор работает по восьми независимым каналам, управляя группами солнечных панелей отдельно. Если часть панелей теряет эффективность из-за тени, снега или облачности, остальные продолжают работать на полной мощности. Это повышает устойчивость генерации, особенно зимой и в пасмурную погоду.
Наша молодая команда создала новый продукт с полностью суверенным ПО, который необходим рынку. Мы традиционно уделили особое внимание разнообразию климатических зон России — температурный рабочий диапазон от -50°C до +65°C. Также разработана специальная схемотехника стринг-инвертора для обеспечения устойчивости к нестабильному напряжению в удаленных районах, где импортные устройства могут отключаться.
Максим Жовнер, генеральный директор ООО «Парус электро»
Решение подходит как для крупных наземных солнечных электростанций, так и для компактных СЭС на крышах зданий. Также поддерживается адаптивное управление реактивной мощностью под требования сетевых операторов и интеграция с системами накопления энергии. Серийное производство планируется развернуть в 2026 году.
Почему это важно:
- Создан первый отечественный стринг-инвертор для СЭС с высокой локализацией.
- Модульная архитектура резко снижает время простоя и затраты на обслуживание.
- Повышена устойчивость выработки в сложных погодных условиях.
- Устройство адаптировано под климат и энергосети России.
- Разработка усиливает технологическую независимость в сфере ВИЭ.
Источник: Росатом
В Новосибирске создали мобильный комплекс для сбора промышленных данных без остановки производства
Учёные Новосибирского государственного технического университета НЭТИ разработали мобильный измерительный комплекс для сбора технологических данных на промышленных объектах.
Особенность комплекса — возможность анализировать технологические процессы без остановки оборудования. Система состоит из компактного аппаратного модуля и специализированного программного обеспечения и предназначена для быстрого первичного обследования производственных участков.
Комплекс поддерживает подключение до 32 измерительных устройств по стандартному промышленному интерфейсу RS-485. Частота сбора данных гибко настраивается, начиная с одной секунды. Полученная информация передаётся по защищённому каналу связи в облачную платформу НГТУ НЭТИ или на локальные серверы предприятия.
Пилотным полигоном стало предприятие «Сибирское стекло». С помощью мобильного комплекса были собраны суточные данные с 22 линий сжатого воздуха с рабочим давлением 4–6 бар. Измерения проводились с периодичностью раз в минуту, что позволило получить детальную картину работы оборудования в реальном времени.
Разработка рассчитана на промышленную эксплуатацию:
- поддерживает оборудование с интерфейсом RS-485 на расстоянии до 1 км по проводной линии;
- обеспечивает защищённую и контролируемую передачу данных;
- соответствует требованиям для работы в составе критической информационной инфраструктуры (КИИ);
- совместима с различными операционными системами.
Следующим этапом работы станет углубленная обработка и анализ собранного массива данных в нашем облачном центре. Это позволит выявить резервы для оптимизации энергопотребления и повышения эффективности технологических процессов.
Александр Дворцевой, руководитель проекта от НГТУ НЭТИ, доцент кафедры тепловых электрических станций
Почему это важно:
- Сбор промышленных данных возможен без остановки технологических процессов.
- Решение быстро разворачивается и не требует сложной интеграции.
- Поддерживается широкий спектр датчиков и оборудования.
- Снижаются затраты на первичный мониторинг и цифровизацию производства.
- Комплекс подходит для использования на объектах КИИ.
Источник: Новосибирский государственный технический университет
В Бауманке автоматизировали оптимизацию языковых моделей
Учёные МГТУ им. Н. Э. Баумана совместно с НОЦ ФНС России разработали систему автоматической настройки языковых моделей, которая позволяет сократить вычислительные затраты примерно на 40% без потери качества. Новая методика автоматизирует процесс, который раньше требовал ручного перебора сотен параметров. Система самостоятельно подбирает оптимальные конфигурации моделей под конкретные задачи, оценивая их по нескольким критериям: точность, скорость генерации ответов и соблюдение заданного формата.
Ключевую роль в ускорении играет использование суррогатных моделей. Они заранее оценивают перспективность различных конфигураций и позволяют сократить количество ресурсоёмких проверок. В результате уменьшается объём вычислений, ускоряется обучение и повышается стабильность качества по сравнению с традиционными подходами.
Вместо одной универсальной настройки разработчик получает набор оптимизированных вариантов под разные сценарии:
- конфигурации с максимальной скоростью работы;
- режимы с приоритетом точности;
- сбалансированные варианты для повседневных задач.
Такой подход особенно актуален для крупных языковых моделей, где стоимость обучения и донастройки напрямую влияет на экономику проектов.
Разработка была представлена на международной конференции ASE 2025 в Сеуле и уже рассматривается как перспективный инструмент для создания специализированных ИИ-решений. Эксперты отмечают, что подобные системы будут востребованы и в более сложных сценариях — например, в мультиагентных ИИ-системах, где одна и та же модель используется разными агентами с разными параметрами.
Почему это важно:
- Автоматизирована настройка языковых моделей без ручного перебора параметров.
- Снижение вычислительных затрат примерно на 40% без ухудшения качества.
- Разработчик получает набор конфигураций под разные задачи, а не одно решение.
- Технология ускоряет внедрение ИИ в промышленности и госсекторе.
- Подход создаёт основу для масштабного использования мультиагентных ИИ-систем.
Источник: МГТУ им. Н. Э. Баумана
Российские учёные показали, как квантовый отжиг может решать задачи движения роботов
Российские исследователи продемонстрировали proof of concept применения квантовых компьютеров для решения задач робототехники. Совместная работа команд Q Deep, Университета Иннополис, МФТИ и AIRI показала, что современные квантовые отжигатели способны решать упрощённые задачи планирования движений роботов.
В фокусе исследования — задача обратной кинематики: определение углов сочленений робота, необходимых для достижения заданного положения в пространстве. Обычно она решается классическими численными методами, однако авторы предложили альтернативный подход — переформулировать задачу в виде двоичной оптимизации (QUBO) и решить её на квантовом оборудовании компании D-Wave.
Для этого непрерывные углы сочленений были дискретизированы и представлены в виде бинарных переменных с ограничениями «один выбор на сустав». Такой подход позволил отобразить задачу на архитектуры квантовых чипов Pegasus и Zephyr и затем восстановить корректные значения углов из квантового решения.
Исследователи сравнили различные стратегии размещения задачи на квантовом процессоре и методы решения. Наиболее эффективным оказался глобальный эмбеддинг на топологии Zephyr, который требовал меньше кубитов и обеспечивал более быстрый доступ к вычислениям. При использовании гибридного квантово-классического решателя время получения решения для крупных экземпляров задачи сокращалось до 30 раз по сравнению с чисто классическими подходами к той же QUBO-формулировке.
Результаты показывают, что современное квантовое «железо» уже способно решать реальные, пусть и упрощённые, задачи робототехники с измеримой точностью и выигрышем по времени.
Почему это важно:
- Впервые показано применение квантового отжига к задаче робототехнической кинематики.
- Задача сведена к QUBO и решена на реальном квантовом оборудовании.
- Гибридные квантово-классические методы дали кратный выигрыш по времени.
- Исследование подтверждает практический потенциал квантовых вычислений вне «игрушечных» задач.
- Проект открывает путь к дальнейшим работам по применению квантовых методов в робототехнике и управлении движением.
Источник: Quantum Insider
Подписывайся на наш Telegram-канал — там мы рассказываем о главных достижениях России в IT, науке, космосе и инженерии. Если у тебя есть интересные новости о российских технологиях, присылай их на support@codenrock.com.
