Сделано в России: дайджест №44 новостей из мира ИТ, науки, космоса и технологий

Новая порция инноваций от российских компаний. Разработчики внедрили умные алгоритмы в медицину, защитили софт от сложных угроз и заложили базу для квантовых компьютеров.

Медицина и здравоохранение

ИИ взял на себя мониторинг пациентов и бумажную рутину. Студенты МФТИ разработали приложение для присмотра за людьми с деменцией. Кардиоцентр Чазова внедрил алгоритмы для анализа тысяч медкарт.

Студенты МФТИ разработали ИИ-приложение для помощи семьям пациентов с болезнью Альцгеймера

Студенты центра «Пуск» МФТИ создали приложение MemoryCare, предназначенное для поддержки людей с деменцией и снижения уровня ежедневного стресса у ухаживающих за ними родственников. По оценкам экспертов, в России с этим диагнозом живут около 1,4 млн человек, и новая разработка призвана кардинально повысить их безопасность.

Сервис устанавливается на смартфоны заболевшего и членов его семьи. В основе продукта лежит алгоритм машинного обучения, который анализирует поведение пользователя и оперативно сообщает о форс-мажорных ситуациях.

Как работает система мониторинга:

• Фоновый анализ: ML-модель на устройстве пациента непрерывно считывает геолокацию и данные акселерометра (положение телефона в пространстве).
• Детекция аномалий: алгоритм выявляет тревожные паттерны — бесцельное хождение по кругу, резкое и нелогичное изменение маршрута, замирание или длительное нахождение в незнакомом месте.
• Моментальное оповещение: при фиксации инцидента (даже если он происходит в пределах «безопасной зоны») система мгновенно отправляет push-уведомление родственнику с точными координатами пациента.
• Индивидуальная адаптация: нейросети требуется всего 1–2 недели, чтобы выучить базовые привычки и маршруты человека (например, дорогу в поликлинику). В дальнейшем модель постоянно дообучается, повышая точность срабатывания.

Наш продукт — это пример успешного соединения глубоких технических знаний, полученных на Физтехе, с предпринимательским подходом к решению социально значимых проблем. Уникальность нашего предложения — в использовании самообучающейся модели, которая позволяет определять, что пациент упал или находится в фазе блуждания, точнее и быстрее простых трекеров.

Алексей Осипов, сооснователь проекта, студент центра «Пуск» МФТИ

Почему это важно:

• Внедрение предиктивной аналитики снимает с родственников тяжелую эмоциональную нагрузку от необходимости тотального физического контроля.
• Использование смартфона в качестве умного датчика избавляет от необходимости надевать на пожилого человека GPS-трекеры или маячки.
• Проект демонстрирует успешную работу отечественных университетских акселераторов.
• Наукоемкие разработки на базе ИИ сразу получают жизнеспособную финансовую модель и четкий план вывода на B2B2C-рынок здравоохранения.

Источник: МФТИ

Кардиоцентр имени Чазова и «Яндекс» запустили нейросетевой регистр пациентов

Национальный медицинский исследовательский центр кардиологии имени академика Е. И. Чазова совместно с Центром технологий для общества «Яндекса» ввели в эксплуатацию первый цифровой регистр пациентов, перенесших острый коронарный синдром (ОКС). Инновационная система на базе искусственного интеллекта берет на контроль больных из группы риска и радикально ускоряет принятие врачебных решений.

Для обработки документов используются сразу две модели — YandexGPT Lite и Alice AI LLM. Как устроен процесс работы алгоритмов:

• На первом этапе нейросеть полностью обезличивает документы, удаляя персональные данные согласно требованиям 152-ФЗ, но сохраняя при этом связь между медкартами одного человека через уникальные идентификаторы;
• Система автоматически извлекает из историй болезней и эпикризов более 90 критически важных параметров, корректно распознавая сложную врачебную специфику, латинские термины и медицинские аббревиатуры;
• Собранная информация напрямую передается в аналитическую платформу, выполняя за несколько минут работу, на которую ранее уходили часы ручного труда.

На болезни системы кровообращения приходится 45% всей смертности. Пациенты, перенёсшие острый коронарный синдром, нуждаются в особенно тщательном наблюдении. В настоящее время до 20% таких пациентов не охвачены ранним диспансерным наблюдением. Ведение автоматизированного регистра позволяет оперативно выявлять этих больных и инициировать их наблюдение.

Сергей Проваторов, главный научный сотрудник лаборатории совершенствования оказания медицинской помощи больным с ИБС, НМИЦК имени Чазова

Пилотной площадкой для внедрения регистра стала Тульская область — в систему уже загрузили свыше 13 тысяч медицинских документов за последние пять лет. В будущем технологию планируют масштабировать на другие регионы России и адаптировать для работы с иными профилями, включая онкологические заболевания.

Почему это важно:

• Внедрение подобных систем в масштабах страны поможет преодолеть кризис «потерянных» больных, обеспечивая непрерывный мониторингй.
• Накопление колоссальных массивов качественно размеченных и структурированных клинических данных открывает дорогу к созданию новых протоколов лечения и развитию персонализированной медицины.
• Встроенный механизм надежного обезличивания медицинских карт создает прецедент законного и этичного использования чувствительной информации для обучения отечественных LLM.
• Передача сложного и рутинного анализа текстов большим языковым моделям меняет саму парадигму здравоохранения, смещая фокус на спасение жизней.

Источник: Кардиоцентр имени Чазова

ИИ-решения

Алгоритмы стали быстрее и умнее. Positive Technologies выпустили нейросеть, которая вычислила опасный код по его поведению. «Яндекс» запустил сверхбыструю языковую модель для бизнеса.

Positive Technologies научила ИИ вычислять вредоносные программы по сценарию их поведения

«трансформер», обученную обнаруживать вредоносный код в проектах на Python, JavaScript и TypeScript. Инструмент уже внедрен в анализатор PT Application Inspector, что делает его вторым в мире SAST-продуктом, способным выявлять угрозы не по статичным правилам, а по поведенческому паттерну программы.

Традиционные средства анализа кода ориентированы на поиск уязвимостей — случайных ошибок, через которые приложение могут взломать извне. Однако они часто пропускают намеренно внедренные «закладки» (угрозы класса CWE-506), так как по отдельности такие действия выглядят легитимно: чтение файла, шифрование строки, отправка запроса.

Как работает нейросеть MOLOT:

• Сбор артефактов: система извлекает из кодовой базы все функциональные действия приложения (обращения к сети, запуск процессов, работу с файлами и криптографией).
• Анализ логики: подобно большим языковым моделям, понимающим текст по связке слов, MOLOT оценивает разрозненные действия как единую последовательность, вычисляя подозрительные сценарии.
• Точная локализация: модель на 15% точнее классических правил отсеивает ложные срабатывания, выдает итоговый вердикт и сразу подсвечивает для аналитика конкретные строки опасного кода.

Тестирование на реальных вредоносных пакетах из репозиториев PyPI и npm показало, что MOLOT находит вредоносный код точнее open-source аналогов, разница доходит до 30 процентных пунктов на части тестов.

Максим Митрофанов, руководитель ML-команды Application Security в Positive Technologies

Почему это важно:

• Инструмент решает проблему проверки стороннего кода от внешних подрядчиков или из open-source библиотек.
• Решение блокирует умышленные вредоносные внедрения, которые обходят классические сканеры безопасности.
• Применение нейросетей-трансформеров для оценки смысловой цепочки действий, задает новый технологический стандарт на мировом рынке кибербезопасности.
• Подсветка конкретных уязвимых строк кода в сочетании с пониманием бизнес-логики приложения кратно сокращает время специалистов на разбор инцидентов и валидацию гипотез.

Источник: Positive Technologies

«Яндекс» запустил сверхбыструю модель Alice AI LLM Flash для высоконагруженных задач

«Яндекс» представил Alice AI LLM Flash — новую языковую модель, которая целенаправленно оптимизирована под самые востребованные сценарии бизнеса. Решение ориентировано на работу с текстами и документами, на которые сегодня приходится порядка 60% всех B2B-запросов. Инструмент уже доступен на платформе Yandex AI Studio и позволяет компаниям обрабатывать массивы информации почти в 5 раз дешевле по сравнению с предыдущими версиями.

Модель адаптирована для задач, требующих моментального отклика — потоковой модерации контента, классификации обращений в техподдержку и ведения диалогов с клиентами.

Яндекс выходит на новый для себя рынок моделей, созданных специально под запросы бизнеса. Alice AI LLM Flash поможет российским компаниям перейти на российские нейросети для автоматизации работы с огромными объемами данных. Новая модель — это собственная разработка, прошедшая полный цикл обучения на данных Яндекса. Она сопоставима по стоимости с ближайшим аналогом GPT-5.4 mini, при этом мы обеспечиваем безопасность обрабатываемых данных и стабильную работу в России.

Артур Самигуллин, руководитель платформы Yandex AI Studio

По результатам слепого попарного тестирования Alice AI LLM Flash обходит зарубежную GPT-5.4 mini в 56% бизнес-задач. В частности, отечественная разработка лучше справляется с диалоговыми сценариями (в 73% случаев) и структурированием текстов (66%).

Почему это важно:

• Смещение фокуса на облегченные «быстрые» версии радикально снижает стоимость машинных вычислений.
• Небольшие компании могут позволить себе интеграцию продвинутых умных чат-ботов и автоматизацию сервиса без существенного расширения штата или бюджетов на IT.
• Перенос потоковой обработки информации на локальные решения полностью снимает риски утечки коммерческой тайны на зарубежные серверы.
• Стимулирование облачной экосистемы дает мощный толчок к созданию гибридных B2B-продуктов и сложных суверенных ИИ-агентов «под ключ».

Источник: Яндекс

Наука, космос и перспективные алгоритмы

Космонавты успешно отработали за бортом МКС. Физики МГУ заложили математическую базу для квантовых нейросетей, а нижегородские ученые создали ИИ для моментальной оцифровки спутниковых снимков в чертежи.

Российские космонавты совершили первый в 2026 году выход в открытый космос

Космонавты «Роскосмоса» Сергей Кудь-Сверчков и Сергей Микаев открыли сезон внекорабельной деятельности 2026 года на Международной космической станции (МКС). Для Кудь-Сверчкова эта миссия за бортом стала второй в карьере, в то время как для его напарника — дебютной. Предыдущий выход по российской программе состоялся осенью 2025 года.

Для поддержки работ в открытом космосе был задействован европейский робот-манипулятор ERA. На внешней поверхности модулей «Звезда», «Наука» и «Поиск» космонавты выполнили следующий комплекс задач:

• Установка радиотелескопа: монтаж аппаратуры для эксперимента «Солнце-Терагерц», предназначенной для наблюдения за светилом в ранее не изученном терагерцевом спектре электромагнитного излучения.
• Свертывание завершенных экспериментов: демонтаж и возвращение на борт отработанной кассеты из аппаратуры «Экран-М».
• Биологический мониторинг: снятие контейнера с образцами оборудования «Биориск-МСН», находившегося под прямым воздействием космической среды.

На станции продолжает работу международный экипаж из семи человек: трое россиян (включая Андрея Федяева), трое астронавтов NASA (Кристофер Уильямс, Джессика Меир, Джек Хэтэуэй) и астронавт ESA Софи Адено.

Почему это важно:

• Изучение Солнца в терагерцевом диапазоне необходимо для более точного прогнозирования солнечных вспышек и магнитных бурь.
• Анализ микроорганизмов и материалов из снятых контейнеров «Биориск» даст ученым критически важную информацию о выживаемости биологических объектов в вакууме.
• Парная работа опытного космонавта с новичком во время выполнения сложнейших операций за бортом обеспечивает беспрерывную передачу практических компетенций.
• Использование европейского манипулятора ERA демонстрирует, что на уровне экипажей станции сохраняется высокий уровень международной интеграции.

Источник: Интерфакс

Физики МГУ заложили математическую основу для создания квантовых нейросетей

Учёные физического факультета МГУ имени М.В. Ломоносова совместно со специалистами Физического института имени П.Н. Лебедева РАН (ФИАН) успешно проанализировали динамику квантового мемристора на базе одиночного иона иттербия (¹⁷¹Yb⁺) и вывели точное аналитическое решение для уравнений, описывающих его работу.

Мемристор — это уникальный микроэлектронный компонент, способный одновременно хранить информацию и производить вычисления, меняя свое сопротивление в зависимости от предыстории сигналов. авторы доказали, что, изменяя параметр окна интегрирования (обратную связь), можно гибко настраивать форму петли гистерезиса — главную характеристику памяти мемристора.

Ключевые особенности разработки и суть исследования:

• В отличие от классических аналогов, входные и выходные сигналы устройства опираются на квантовые состояния (населенности энергетических уровней иона в ловушках Пауля).
• Переключение между состояниями достигается за счет последовательного воздействия на ион разнесенных во времени резонансных лазерных импульсов (осцилляции Раби).
• Параметры работы ионного компонента были успешно переведены в математический формализм, который ранее использовался исключительно для фотонных квантовых платформ.

Такая унификация позволит в перспективе сравнить эффективности работы двух устройств, а также применять разрабатываемые алгоритмы использования этих вычислительных систем независимо от платформы, на которой они созданы.

Илья Ковалишин, студент физического факультета МГУ

Почему это важно:

• Совмещение процессов вычисления и хранения данных в одном наноэлементе открывает путь к радикальному ускорению машинного обучения при минимальных энергозатратах.
• Создан единый математический язык для разных физических носителей кубитов — разработчики квантовых алгоритмов могут писать универсальный код уже сегодня.
• Возможность гибко управлять памятью квантовых элементов дает инженерам инструментарий для конструирования устройств, имитирующих синаптические связи человеческого мозга.
• Развитие отечественных фундаментальных исследований на стыке квантовой физики и нейронных вычислений обеспечивает конкурентоспособность страны в самой передовой гонке технологий следующего десятилетия.

Источник: МГУ

Российские ученые создали ИИ для мгновенного превращения спутниковых снимков в чертежи

Специалисты Нижегородского государственного архитектурно-строительного университета (ННГАСУ) представили программный комплекс RTAlgo. Инновационная разработка автоматически находит любые объекты на мультиспектральных спутниковых снимках и безошибочно переводит их в формат векторной графики.

Ранее процесс ручного обвода космических изображений занимал у специалистов часы и даже дни работы. Теперь эту задачу берет на себя самообучающаяся математическая модель, которая действует быстрее и точнее человека.

Как работает новый инструмент оцифровки:

• Пиксельный анализ: нейросеть сканирует изображения по принципу «объект/не объект», безошибочно классифицируя визуальные данные.
• Математическая трассировка: специальный алгоритм с применением кривых Безье трансформирует растровую пиксельную «мозаику» в аккуратные плавные линии и контуры, полностью готовые для импорта в профессиональные геоинформационные системы (ГИС).
• Встроенный аудит: система снабжена собственной панелью метрик, которая не только выдает итоговый чертеж, но и автоматически рассчитывает точность срабатывания нейросети, выполняя независимую проверку качества своей работы.

Модуль визуализации пространственных данных программы отображает результаты бинарной классификации в виде одноканального растра. Модуль оценки результатов автоматизированной классификации осуществляет независимую оценку точности. Модуль трассировки векторизует полученное изображение распознанных объектов.

Евгений Попов, профессор кафедры инженерной графики и информационного моделирования ННГАСУ

Почему это важно:

• Устранение рутины при оцифровке снимков снижает себестоимость подготовки пространственных данных.
• Моментальный перевод растра в векторные САПР-форматы ликвидирует задержки при обновлении генеральных планов и кадастровых карт.
• Интеграция алгоритмов самопроверки качества непосредственно в пайплайн обработки повышает уровень доверия консервативных отраслей к машинному обучению.
• Появление полностью отечественных решений в сфере пространственной аналитики защищает работу государственного и коммерческого секторов от рисков отзыва зарубежных софтверных лицензий.

Источник: ННГАСУ

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.