Патент Алгоритма: Открытия, сделанные ИИ

В материаловедении произошёл сдвиг, который ещё несколько лет назад казался почти невозможным. Система GNoME от Google DeepMind предсказала более 2,2 миллиона новых кристаллических структур. Из них свыше 380 тысяч модель сочла потенциально стабильными — то есть энергетически правдоподобными для существования в реальном мире. Для сравнения: за десятилетия традиционной науки исследователи экспериментально изучили лишь десятки тысяч стабильных неорганических материалов. Но самое важное здесь даже не масштаб...

В 2023 году произошло событие, которое многие программисты сначала восприняли как маркетинговый шум. Система AlphaDev от Google DeepMind нашла новые варианты алгоритмов сортировки — задачи, которую инженеры оптимизировали больше полувека. Но через несколько месяцев выяснилось: найденный ИИ код действительно быстрее человеческих решений и уже встроен в стандартную библиотеку C++. В некоторых сценариях ускорение достигало 70%. Для больших массивов данных выигрыш оказался скромнее — около 1.7%, — но даже это считается серьёзным результатом для настолько оптимизированной инфраструктуры...

Представьте систему искусственного интеллекта, которой не объясняют ни одного физического закона. Ей не говорят, что такое сила. Не вводят понятие массы. Не рассказывают про ускорение. Ей просто дают данные: И в какой-то момент эта система начинает находить закономерности, очень похожие на второй закон Ньютона. Именно такой эксперимент описан в исследовании AI-Newton из Пекинского университета (препринт arXiv:2504.01538). Но важно сразу уточнить: речь не о «рождении цифрового Ньютона» и не о магии ИИ...

Создание нового лекарства — один из самых медленных и дорогих процессов в современной науке. Даже если исследователи нашли перспективную молекулу, до появления препарата в клиниках обычно проходит 10–15 лет. За это время тысячи соединений отсеиваются из‑за токсичности, слабой эффективности или проблем с безопасностью. По разным оценкам, только один успешный препарат может стоить фармацевтической компании сотни миллионов или даже миллиарды долларов. Именно поэтому история препарата Rentosertib привлекла такое внимание...

Когда Google DeepMind представила проект GNoME, многие в научной среде назвали это одним из самых необычных событий последних лет в материаловедении. Причина — не в громком бренде и не в красивом маркетинге. А в масштабе. Алгоритм машинного обучения проанализировал миллионы возможных кристаллических структур и предсказал сотни тысяч материалов, которые теоретически могут быть стабильны. Для области, где новые соединения иногда ищут годами, это выглядело почти шокирующе. Но за громкими заголовками...

Сверхпроводимость уже больше ста лет остаётся одной из самых загадочных областей физики. Материал, по которому электричество проходит без сопротивления, звучит почти как нарушение законов природы. Без потерь энергии. Без нагрева. Без огромных затрат на передачу тока. Проблема в том, что почти все известные сверхпроводники работают либо при экстремально низких температурах, либо требуют слишком сложных условий охлаждения. Именно поэтому физики десятилетиями пытаются найти материалы, которые могли бы работать ближе к обычным условиям...

Большинство «шутливых» языков программирования быстро забываются. Их создают ради развлечения: чтобы удивить сообщество или посмеяться над индустрией. Но cursed оказался другим случаем. На первый взгляд это выглядит как интернет-мем. Вместо привычных ключевых слов используются выражения из сленга поколения Z. Цикл for превращается в bestie, объявление функции — в slay, а переменные создаются через sus. Например: slay greet(name) { lowkey("Hello " + name); } bestie (sus i = 0; i < 5; i++) { greet("world"); } Код выглядит абсурдно...

Фраза «искусственный интеллект открыл новый закон физики» звучит как научная фантастика. Но реальность одновременно скромнее и интереснее. ИИ действительно помогает исследователям находить закономерности, которые трудно заметить человеку. Особенно это касается сложных систем, где одновременно взаимодействуют тысячи объектов: плазма, турбулентные потоки, климатические модели и новые материалы. Одно из направлений, где машинное обучение уже приносит реальные результаты, — исследование пылевой плазмы...

Ракетный двигатель остаётся одной из самых сложных инженерных систем, созданных человеком. Даже небольшой просчёт в геометрии камеры сгорания, охлаждении или подаче топлива может закончиться разрушением конструкции за доли секунды. Поэтому разработка нового жидкостного двигателя обычно занимает годы: расчёты, симуляции, изготовление прототипов, испытания и бесконечные циклы доработок. Именно поэтому декабрьский эксперимент компании LEAP 71 вызвал столь большой резонанс в отрасли. Компания сообщила,...

Представьте: учёные десятилетиями искали новые магнитные материалы, перебирая тысячи комбинаций в лабораториях. Это требовало лет работы и огромных бюджетов. А теперь ИИ проанализировал десятки тысяч научных статей и за считанные дни нашёл 25 новых соединений, о которых никто раньше не знал. Три из них, по предварительным данным, демонстрируют свойства сверхпроводников при комнатной температуре — это «святой Грааль» физики, за которым охотились более века. Как один алгоритм переписал таблицу Менделеева...

В апреле 2026 года журнал Nature Communications опубликовал статью, которая вызвала в металлургическом сообществе не просто восхищение, а почти мистический трепет. Группа исследователей из Университета Южного Китая совместно с американскими коллегами представила новую марку стали с рекордным сочетанием прочности и пластичности. Прочность на разрыв — 1730 мегапаскалей (МПа) — вдвое выше, чем у обычной конструкционной стали. При этом пластичность — 15,5% — сохраняется на уровне, достаточном для того, чтобы материал не крошился под нагрузкой...

В 2025 году лаборатория Джеймса Коллинза из MIT опубликовала в Nature результаты эксперимента, которые перечеркнули десятилетие бесплодных поисков. Человечество столкнулось с угрозой, сравнимой с пандемией: бактерии, устойчивые ко всем известным антибиотикам, убивали сотни тысяч людей ежегодно. Фармацевтические гиганты потратили миллиарды долларов и десять лет на попытки создать новое лекарство — и потерпели неудачу. А затем в дело вступил генеративный искусственный интеллект. Ему понадобилось 48 часов...