Функционирование агропромышленного производства в условиях нарастающей турбулентности внешней среды (санкций, климатических изменений, геоэкономической конфронтации) требует анализа устойчивости развития регионов и выработки механизмов управления рисками, однако такие исследования для Северо-Запада до настоящего времени не проводились. Изучено влияние турбулентности и глобальных (по данным The Global Risks Report 2025) и национальных рисков на устойчивость развития агропромышленного производства регионов Северо-Запада с применением методов корреляции рангов, экспертных оценок и метода Дельфи, выявлены четыре периода с разной степенью влияния турбулентности, определены коэффициенты устойчивости динамики производства продукции (от –0,94 до 1,0) и проведена группировка регионов по степени устойчивости; установлены системы глобальных и национальных рисков, среди которых наиболее значимыми оказались снижение господдержки, рост учетной ставки, зависимость от импорта, поляризация бюджетной поддержки; предложены меры по управлению рисками, дифференцированные по группам регионов, включая целевое субсидирование, корректировку ключевой ставки, диверсификацию торговых связей и развитие опорных населенных пунктов, что позволяет повысить устойчивость агропромышленного производства в условиях неопределенности.
17-20 августа 2026 года на базе Дальневосточного отделения Российской академии наук (ДВО РАН) прошла XI Международная конференция «Интерактивная коллаборативная робототехника ICR 2027», https://icr.nw.ru/. В адрес участников поступили приветствия от соорганизаторов и информационных партнеров конференции: Санкт-Петербургского отделения Российской академии наук, Дальневосточного отделения Российской академии наук. Председатель Дальневосточного отделения Российской академии наук, академик Кульчин Ю.Н., сопредседатели конференции: член-корреспондент РАН, директор Института автоматики и процессов управления Дальневосточного отделения Российской академии наук (ИАПУ ДВО РАН) Ромашко Р.В. и профессор РАН, директор СПБ ФИЦ РАН Ронжин А.Л., сопредседатель программного комитета, профессор РАН, главный научный сотрудник Института проблем управления им. В. А. Трапезникова (ИПУ РАН) Мещеряков Р.В. провели церемонию открытия. Научная программа конференции включала 82 докладов участников из 8 стран и 13 регионов России. На конференции рассматривались актуальные вопросы в области коллаборативного взаимодействия людей и роботов в промышленности, сельском хозяйстве, здравоохранении, образовании и других сферах для создания методов информационного и физического совместного взаимодействия роботов, операторов и неподготовленных пользователей.
Обеспечение устойчивости сельскохозяйственного производства в зоне избыточного увлажнения требует развития мелиоративного комплекса, однако за последние десятилетия площадь осушенных земель в Северо-Западном федеральном округе сократилась, а более 30 % осушаемых земель находятся в неудовлетворительном состоянии, что сдерживает вовлечение угодий в оборот. Проведен анализ динамики и нормативно-правового механизма развития мелиорации в регионах Северо-Запада, выявлены сдерживающие факторы (недостаточное финансирование, износ сетей, климатические риски) и показано, что, несмотря на реализуемые федеральные программы, площадь осушенных сельскохозяйственных угодий в округе сократилась на 1,1 % за десять лет; на основе оценки качественного состояния земель выполнена группировка регионов по темпам изменения удельного веса используемых осушенных угодий, обоснована необходимость отдельных региональных программ восстановления мелиоративного комплекса с увеличением государственной поддержки и стимулированием инвестиционной активности агробизнеса, а также отмечена важная роль цифровизации (Единая цифровая платформа АПК) для мониторинга состояния мелиоративных систем.
Обеспечение защищенности распределенных IoT-систем осложняется их гетерогенностью, ограниченностью ресурсов и изменчивостью поведения узлов, при этом существующие подходы ориентированы на обнаружение аномалий и не дают интегральной оценки устойчивости системы к развивающимся угрозам. Разработана модель функционирования распределенной IoT-системы, предназначенная для количественной оценки защищенности как интегрального свойства, отличающаяся учетом адаптивного уточнения профиля нормального состояния, накопленного показателя признаков угрозы и ресурсного состояния периферийных узлов, обеспечивающая формирование измеряемого интегрального показателя защищенности в диапазоне [0,1], и позволяющая сравнивать различные схемы функционирования, выявлять условия повышения защищенности и определять направления ее улучшения; экспериментальная верификация на наборе данных N-BaIoT показала увеличение среднего показателя защищенности с 0,6425 до 0,9072 и сокращение времени нахождения системы ниже минимально допустимого уровня с 72,1 % до 4,7 %.
Надежное использование инструментов (функций) большими языковыми моделями является ключевым свойством агентных систем, однако существующие бенчмарки не обеспечивают систематического контроля структурной сложности задач, что затрудняет выявление границ применимости моделей. Создан бенчмарк MultiCAT-Bench для детализированной категоризованной оценки использования инструментов большими языковыми моделями, содержащий 3789 тестовых задач, сгенерированных автоматически по десяти категориям сложности (число вызываемых и доступных функций, структура параметров, композиционность вызовов, опциональность вызовов и лингвистический шум), обеспечивающий контролируемый анализ производительности моделей по каждой категории, и позволяющий выявлять, что основным режимом отказа является пропуск информации (средняя полнота 72,4 % при точности 88,3 %), при этом наибольшее влияние на точность оказывают число вызовов, опциональность параметров и их количество; лучшие результаты на бенчмарке показали модели Grok 4.1 Fast (83,8 %) и GPT-5 Mini (83,7 %).
Санкт-Петербургский Федеральный исследовательский центр Российской академии наук с большой радостью и гордостью поздравляет Директора, доктора технических наук, профессора Андрея Леонидовича Ронжина с Юбилеем - 50-летием со Дня рождения!
Современные водные объекты подвергаются загрязнению персистентными органическими соединениями, не охваченными стандартным мониторингом, что создает угрозу для здоровья человека и экосистем, однако нецелевой скрининг позволяет выявлять новые классы загрязнителей. Проведен нецелевой анализ проб воды реки Луга методом газовой хроматографии-масс-спектрометрии, идентифицировано 27 соединений антропогенного характера, впервые для данной экосистемы обнаружен фосфорорганический антипирен трис(2-хлорэтил)фосфат (TCEP) в концентрациях 0,269–1,409 мкг/л, проявляющий канцерогенные и нейротоксичные свойства, при этом максимальные концентрации зафиксированы вблизи сброса городской канализации города Кингисеппа, что дополняет данные о загрязнении реки и обосновывает необходимость расширенного мониторинга персистентных органических экотоксикантов.
Интенсивное промышленное освоение Арктики создает серьезные риски для качества продукции традиционного оленеводства, при этом систематический мониторинг токсичных элементов в субпродуктах животных необходим для обеспечения продовольственной безопасности коренных народов и выполнения санитарных норм. Изучено содержание тяжелых металлов (свинца, кадмия и ртути) в 22 образцах печени домашних северных оленей Ямальской опытной станции методами атомно-эмиссионной спектрометрии и атомно-абсорбционной спектрометрии, выявлено стопроцентное превышение нормативных величин по кадмию (в диапазоне 0,30–0,96 мг/кг при норме 0,3 мг/кг) и превышение по ртути у 13,6 % образцов, что указывает на значительную аккумуляцию токсикантов в печени и требует усиления ветеринарно-санитарного контроля и мониторинга пастбищных экосистем.
Стремительный рост числа гетерогенных IoT-устройств и расширение поверхности атак требуют адаптивных методов обнаружения вторжений, способных анализировать многомерные временные ряды в условиях ограниченных ресурсов периферийных узлов, однако существующие статические системы не учитывают изменчивость среды и уязвимы к состязательным воздействиям. Разработан метод обнаружения киберугроз, основанный на применении генеративно-состязательных моделей и контрастивного обучения для анализа многомерных временных рядов IoT-данных, отличающийся формированием интегральной оценки аномальности временных окон на основе аппроксимации распределения нормального поведения и контрастного обучения устойчивых латентных представлений, обеспечивающий высокую результативность (F1-мера до 0,9999) при малом времени вывода (0,001 мс/окно), и позволяющий выявлять аномальное поведение без опоры на заранее заданные сигнатуры атак в распределенных средах с ограниченными вычислительными ресурсами.
Повышение киберустойчивости интеллектуальных энергосетей становится критической задачей в условиях цифровой трансформации энергетики, однако традиционные сигнатурные методы защиты демонстрируют низкую эффективность против скрытых и эволюционирующих атак, а их тестирование на реальных объектах сопряжено с неприемлемыми рисками. Разработан интегрированный адаптивный фреймворк, объединяющий архитектуру цифрового двойника автоматизированной системы управления энергосетью и метод адаптивного обнаружения угроз в единую систему, отличающуюся формализацией замкнутого цикла адаптации с трехуровневым механизмом (оперативный, тактический, стратегический режимы), обеспечивающую непрерывное обновление моделей обнаружения на основе обратной связи от реального объекта без вмешательства в его работу, и позволяющую системно оптимизировать три ключевых показателя результативности: полноту обнаружения, частоту ложных срабатываний и совокупное время реагирования на инциденты.