ИИ-ассистенты в руках 20-летних: как студенты автоматизируют рутину для реальных отраслей

Пока в обществе спорят о том, заменит ли ИИ человека, студенты в российских ИТ-колледжах уже вовсю «приземляют» нейросети на суровые задачи промышленности. Сегодня расскажем, как студент и преподаватель колледжа информационных и креативных технологий IThub создали уникальный алгоритм для прогнозирования свойств высокоэнтропийных сплавов с точностью в 98% и получили на него государственное свидетельство.

В классическом материаловедении создание нового сплава напоминает поиск иголки в стоге сена. Чтобы найти идеальную комбинацию компонентов для высокоэнтропийных сплавов, ученым приходится проводить сотни натурных плавок. А это огромные бюджеты, месяцы работы лабораторий и неизбежные ошибки.

Александр Дьяков, руководитель направления «ИИ в работе с данными» в IThub, имеющий богатый опыт разработки решений в области ИТ, химии и материаловедения, распознал в этой проблеме идеальный полигон для отработки алгоритмов машинного обучения на стыке фундаментальной науки и реального производства. Но для реализации нужен был не просто программист, а человек, готовый глубоко погрузиться в физику процесса.

За задачу взялся студент кафедры программирования и управления ИТ-продуктом Дмитрий Волынов. В этом проекте роли распределились четко: Александр выступал как наставник и носитель фундаментальных знаний о материалах, а Дмитрий — как архитектор нейросетевых моделей.

«В этом проекте я был в роли специалиста по машинному обучению, а Александр — по материаловедению. В итоге получился своего рода симбиоз. Задача требовала не только технических знаний, но и творческого подхода. Я даже представить себе не мог, как много эта работа мне даст — по сути, она стала моим билетом в большой мир науки», — вспоминает Дмитрий Волынов.

Работа над программой шла интенсивно. Чтобы добиться максимальной точности, Дмитрий протестировал десятки различных гипотез. Команде пришлось:

Результат: Нейросеть научилась прогнозировать свойства материалов с точностью 98, 2%. Это впечатляющий показатель: почти каждый виртуальный тест способен заменить реальную дорогостоящую плавку.

«Мы поставили перед собой амбициозную цель — создать уникальный метод быстрой и точной векторизации химических составов. Год кропотливой работы позволил нам разработать прототип алгоритма и обучить модель, подтвердившую эффективность нашего подхода. Результат превзошел ожидания: расчет 12-ти свойств сплава теперь занимает менее 0,5 секунды при точности 98,2%», — рассказывает выпускник IThub Дмитрий Волынов.

Новая технология моделирования востребована там, где от свойств материалов зависят жизни людей и успех сложнейших миссий: в космическом машиностроении, авиации и энергетике.

Основная проблема современных производств — создание многокомпонентных сплавов (например, ВЖЛ-12У и его аналогов). Такие материалы содержат десятки элементов, при этом доля некоторых добавок крайне мала.

Традиционное компьютерное моделирование требует огромных мощностей. Чтобы в расчетную модель попал хотя бы один атом редкого элемента, программистам приходится закладывать в «виртуальную ячейку» гигантское количество атомов других металлов. Чем сложнее состав сплава, тем выше требования к железу и тем медленнее идет расчет.

Разработанный алгоритм снимает это ограничение. Нейросеть позволяет моделировать сложные структуры без лавинообразного роста объема вычислений. Теперь инженеры могут с высокой точностью предсказывать свойства сплавов с любым количеством микродобавок, не дожидаясь многомесячных расчетов на суперкомпьютерах. Это открывает путь к созданию двигателей нового поколения и сверхпрочных конструкций для глубокого космоса.

История быстро вышла за пределы колледжа. Разработка была представлена на международной научной конференции «Перспективные высокоэнтропийные материалы» и алгоритм вызвал живой интерес ученого сообщества.

Работа заняла 3-е место на конкурсе конференции и позже стала основой дипломного проекта Дмитрия. Итогом признания серьезности разработки стало получение свидетельства о государственной регистрации программы. Теперь это официально признанный интеллектуальный продукт, защищенный государством.

Наряду с прикладной ценностью проекта, кейс IThub примечателен уникальной методикой формирования команд разработки. В колледже делают ставку на междисциплинарные связи и обучение через решение актуальных индустриальных задач. Разработчик здесь — не просто «руки», а полноправный участник исследования, который быстро погружается в специфику отрасли.

Эффективность этой модели подтверждается на практике: сразу шесть выпускников IThub по направлению «Дата-инженер» успешно защитили квалификационные работы, в основу которых легли различные аспекты данного проекта.

«В колледже у меня есть возможность проводить проектное обучение и привлекать к исследовательскому процессу самых способных и мотивированных студентов. Это уникальная возможность формировать исследовательские группы, отталкиваясь от сильных сторон участников. Вместо традиционного подхода, где в группе из десяти исследователей лишь пара владеет программированием, я могу собрать команду разработчиков и обучить их необходимым научным аспектам. Этот подход эффективен, поскольку в определённый момент работа сводится к обработке чисел, меняется лишь их смысловая нагрузка», — поясняет Александр Дьяков.

Такой подход меняет саму парадигму найма в высокотехнологичных секторах. Если раньше компаниям приходилось годами искать узких специалистов на стыке наук, то кейс IThub доказывает: инвестиции в «программистов-исследователей» окупаются быстрее. Когда разработчик понимает физический смысл данных, с которыми работает, дистанция между гипотезой и работающим кодом сокращается. Для индустрии это означает появление нового класса универсальных специалистов, способных оперативно закрывать задачи в авиации, космосе или медицине, просто адаптируя свои алгоритмы под новую смысловую нагрузку данных.