пересыл МАКС

⚡️ От мегасайенс до термояда: какие технологии будущего обсуждали на «Технопроме-2026» В Новосибирске завершился XIII Международный форум технологического развития «Технопром-2026». В этом году его ключевой темой стала «Российская наука — основа технологического лидерства». Посмотрели, какие технологии оказались в центре внимания форума и какие разработки могут определять технологический ландшафт ближайших десятилетий. 🟢 Мегасайенс — от фундаментальных исследований к новым продуктам Одной из центральных тем форума стал запуск Сибирского кольцевого источника фотонов (СКИФ) — синхротрона поколения 4+. О том, что такое установки класса «мегасайенс» и какие задачи они позволяют решать, рассказывали коллеги из КорСовета. Мы тоже следим за развитием проекта: недавно СКИФ стал одной из ключевых тем заседания Совета по науке и образованию, главные тезисы которого мы собрали здесь. Первые эксперименты на СКИФе планируют начать уже этой осенью. Ученые смогут изучать структуру вещества на атомном уровне — в том числе для создания новых материалов, лекарств и промышленных технологий. 🟢Термояд и новый атомный цикл Еще одна технология с горизонтом в десятилетия — российский токамак ТРТ. Его физический пуск намечен на 2035 год. Параллельно ученые работают над замкнутым ядерным топливным циклом и новыми способами переработки отработавшего топлива. 🟢ИИ выходит в реальный сектор На «Технопроме» много говорили о переходе от экспериментов с ИИ к его практическому применению. И это уже происходит: машинное зрение работает на производственных линиях, а ИИ помогает врачам анализировать маммографию, рентгенограммы и КТ. 🟢Космос становится производственной площадкой Среди разработок — легкая ракета «Воронеж-1000» и возвращаемая космическая капсула. Последняя нужна в том числе для доставки на Землю лекарственных препаратов и новых материалов, созданных на орбите. 🟢Новые материалы — сразу для нескольких отраслей Атомная энергетика, космос, промышленность — всем нужны материалы с новыми свойствами. Ускорить их создание могут ИИ, аддитивные технологии и установки класса мегасайенс, которые позволяют изучать вещество на микро- и атомном уровне. ⭐️ Главный технологический сигнал «Технопрома-2026» — граница между фундаментальной наукой и прикладными разработками становится все менее заметной. Мегасайенс, ИИ, новые материалы, атомные и космические технологии все чаще становятся частями одной технологической цепочки — от научного результата до продукта и промышленного применения. В ролике — фрагмент пленарной сессии, полную запись можно посмотреть по ссылке. ⭐️ Не обновляется лента? Мы в MAX

🔝 От уравнений к стратегии: математическое моделирование как основа сценарного прогнозирования Сценарное прогнозирование формирует не «точки на карте будущего», а позволяет строить набор траекторий, каждая из которых возможна при том или ином развитии событий. В классическом форсайте возможные события и траектории определяются путем опроса экспертов. Вместе с тем мир технологий настолько динамичен, что результаты работы экспертов быстро устаревают. В результате требуется постоянное вовлечение экспертов для актуализации полученного ранее прогноза, что весьма трудозатратно. В этом случае хорошо помогают математические модели, которые позволяют перестраивать траектории в зависимости от изменившихся условий и произошедших событий. 🟢 Математическое моделирование в прогнозировании — это способ предсказания будущего состояния объекта или целой системы с помощью математических описаний (формул, уравнений, алгоритмов). Но не все модели одинаковы — по способу реализации их, как правило, делят на аналитические, имитационные и комбинированные. Приведем пример того, как разные математические модели справляются с, казалось бы, простой задачей — прогнозированием временного ряда на примере мировых корпоративных инвестиций в ИИ (AI Index Report 2026, гл. 4, стр. 178, рис. 4.2.1). В этом примере в период с 2013 по 2025 г. наблюдается рост инвестиций с 14,6 до 581,7 млрд долл., но не плавный: после пика 2021 г. последовал спад 2022–2023 гг., а затем новый взлет. Прогноз на основе линейной регрессии неточен: ошибка составляет в среднем 28,3 %. Такая модель плохо справляется с резкими изменениями тренда — спадами и взлетами. Классическая нейронная сеть — двухслойный персептрон — ошибается в среднем на 5 %, так как, в отличие от линейной модели, позволяет формировать более сложную форму зависимости и улавливать смену трендов. Следует отметить золотое правило математического моделирования: сложность модели должна отвечать объему данных. На временном ряде из 13 точек, безусловно, выигрывает простая, компактная, но точная модель. Вместе с тем современные модели ИИ, которые содержат более 1 млрд параметров, могут применяться для выполнения сразу большого количества различных задач. Например, фундаментальная модель ИИ может использовать входные параметры, определенные экспертами, дообучаться на больших объемах данных и текстов, извлекать сущности, выполнять кластеризацию, находить слабые сигналы, определять индикаторы и показатели, которые могут быть выражены в прогнозе в количественной форме. В то же время мультиагентная система, в основу которой положен принцип имитационного моделирования, может обеспечить эмерджентный эффект (появление у системы новых качеств и свойств, которых не было у ее отдельных частей), недоступный линейным математическим моделям или отдельно взятым нейронным сетям даже с продвинутой архитектурой. ➡️ Применение современных моделей позволяет строить различные сценарии на основе входных параметров, вычисляя соответствующие им выходные характеристики системы. Таким образом, модель берет на себя расчет возможных траекторий, дает оценку чувствительности к входным параметрам (насколько сильно малое изменение значений входных параметров меняет результат), осуществляет стресс-тестирование полученных сценариев и т. д. В результате специалисту остается лишь верифицировать при помощи экспертов полученные моделью сценарии и зафиксировать их в соответствующих прогнозах. Сказанное подтверждает тезис о том, что для прогнозирования сценариев научно-технологического развития важнейшее значение имеют современные методы сбора, хранения и обработки больших объемов данных, в том числе с использованием технологий искусственного интеллекта. ⭐️ Не обновляется лента? Мы в MAX