Как мы научили нейросеть экономить газ в нашем сталепрокатном цехе
На станах горячего проката металлургического комбината ЕВРАЗ НТМК прокатывают заготовки разных марок стали. В начале цикла их разогревают в печах до температуры, позволяющей придать нужный профиль. Печей несколько, они различаются конструкцией, состоянием, горелками и износом футеровки — это теплоизолирующий материал. Путь заготовки до первой клети стана тоже разный. Ещё на процесс влияют особенности серий заготовок, сортамента сталей, температуры перед посадом, текущее состояние агрегатов, время перевалки, плановые и внеплановые остановы.
Ваш любимый ИИ не умеет считать. Что ещё скрывает текстовая модель?
Технократический разбор для инженеров и бизнес-аналитиков. Без преувеличений и продающих лозунгов.Данная статья представляет собой результат кабинетного исследования об основных особенностях работы ИИ (LLM, модель). Здесь в систематизированном виде относительно простым языком описано, как реализуется вся та “магия” про ИИ, с которой мы сталкиваемся сами или слышим в восторженно-продающих материалах.Сразу уточню, что под ИИ тут понимается именно публичная Большая языковая (текстовая) модель (LLM), вроде ЧатаГПТ, ГигаЧата, Дипсика и др.В этой статье мы:
У нас есть органы-на-чипе, цифровые двойники и ИИ. Почему лекарства до сих пор испытывают на мышах?
Привет, Хабр! Сегодня разработка нового препарата — это
Цифровое производство: принципы, данные и роль Data Science
ОглавлениеВведениеПонятие цифрового производстваЦифровая нитьЦифровой двойникИсточники данных в цифровом производствеПочему цифровому производству необходим Data ScienceОсновные направления применения Data Science в цифровом производствеПроблемы и перспективы развитияЗаключениеСписок литературыВведение
Применение Data Science в цифровом производстве
ОглавлениеВведениеПонятие цифрового производстваЦифровая нитьЦифровой двойникИсточники данных в цифровом производствеПочему цифровому производству необходим Data ScienceОсновные направления применения Data Science в цифровом производствеПроблемы и перспективы развитияЗаключениеСписок литературыВведение
Цифровая муха сделала первый шаг: как Eon Systems загрузил биологический мозг в симуляцию и почему на очереди — человек
Сегодня технологический мир обсуждает не очередную большую языковую модель, а микроскопическое насекомое в виртуальной среде. 6 марта 2026 года стартап из Сан-Франциско Eon Systems объявил о создании первой в мире полноценной эмуляции мозга плодовой мушки (Drosophila melanogaster), подключенной к физически симулированному телу. Загруженный в компьютер коннектом из 125 тысяч нейронов и 50 миллионов синапсов начал самостоятельно управлять виртуальным телом в гравитационной среде, совершая осмысленные движения — от ходьбы до умывания — без единой строчки кода, предписывающей ему, как именно нужно двигаться.
Data-driven корова: как мы строим SaaS для геномной селекции и решаем проблемы «грязных» данных в агротехе
Вам когда-нибудь казалось, что современное ИТ — это в основном про перекладывание JSON-ов, покраску кнопок и борьбу за миллисекунды в банковских транзакциях? Недавно я наткнулся на статистику о том, сколько данных генерирует одна современная молочная ферма, и как я удивился, когда понял: большинство этих данных оседает в разрозненных Excel-таблицах, тетрадках зоотехников или, в лучшем случае, в древних локальных базах типа «СЕЛЭКС», которые не обновлялись годами.
Рынок промышленности в ближайшие 10-20 лет
Коллеги, приветствую! Предлагаю вашему вниманию обзор того, как будет трансформироваться рынок индастриал в ближайшие 10-20 лет. Какие изменения нас ожидают, какие тренды уже формируются и каким будет будущее цифровой промышленности. В рамках статьи я проведу вас через ряд размышлений и выводов о том, как рынок меняется сегодня, какие факторы на это влияют и что нас ждет в будущем.
