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.
Актуальность исследования определяется проблемой переувлажнения почв в северных регионах, где классическая наземная техника не может своевременно провести обработку полей, что приводит к значительным потерям урожая (до 100% в отдельные годы). Предложен и протестирован в полевых условиях комплексный подход к использованию БАС в картофелеводстве, включающий почвенный анализ, ортофотопланирование, сегментацию сорняков, адресное опрыскивание и прогнозирование урожайности. Экспериментально доказано, что применение БАС для опрыскивания картофеля с нормой расхода рабочей жидкости 50 л/га позволяет получить урожайность 39,06 т/га, что на 15,2% выше, чем при наземной обработке (33,91 т/га), при этом доля товарных клубней составляет 94,5% против 93,3% в контроле.
Актуальность исследования обусловлена растущим интересом к автоматизации психологической диагностики на основе цифрового следа пользователей, который содержит значительный объем информации об их личности, однако традиционные методы машинного обучения на табличных данных не показывают высокой точности. Изучена возможность использования больших языковых моделей (GPT-4.1-mini, Qwen3, Deepseek, Llama, YandexGPT-Lite) для предсказания бинарной оценки выраженности факторов «Большой пятерки» на основе числовых и строковых данных профиля пользователей ВКонтакте, включая количество друзей, подписок и подписчиков. Показано, что даже с применением дообучения методом LoRA качество классификации не превышает 60%, что сопоставимо с базовыми алгоритмами машинного обучения и свидетельствует о недостаточности профильных признаков для точного прогнозирования.
Актуальность исследования связана с необходимостью поиска эффективных и безопасных биологически активных добавок для животноводства, способных заменить антибиотики и улучшить репродуктивные функции сельскохозяйственных животных. Установлено положительное влияние фульвокислоты на пищеварение и послеродовое восстановление коров. Экспериментально доказано, что добавление фульвокислоты в дозе 20 мл на голову в сутки в рацион стельных сухостойных коров повышает переваримость сухого вещества на 2,9%, сырого протеина на 5,3% и сырой клетчатки на 7,6%, сокращает срок восстановления репродуктивной функции на 24 дня и снижает заболеваемость диареей новорожденных телят на 40% по сравнению с контролем.
Актуальность исследования связана с необходимостью повышения безопасности дорожного движения, так как значительная часть аварий происходит из-за человеческого фактора, а эмоциональное состояние водителя напрямую влияет на его поведение за рулем. Понимание связи между эмоциями и конкретными маневрами позволяет разрабатывать адаптивные системы помощи водителю. Предложен метод анализа корреляции между динамикой эмоций водителя и маневрами автомобиля, отличающийся трехфазным представлением маневра (до, во время и после) и динамическим определением его границ на основе данных GPS, акселерометра и гироскопа, обеспечивающий точную привязку эмоциональных реакций к конкретным этапам маневра и позволяющий выявлять характерные паттерны эмоциональных реакций (гнев, удивление, печаль) на сложные маневры, такие как развороты и левые повороты.
Актуальность исследования обусловлена высоким уровнем смены профессий молодыми специалистами (до 40%) и необходимостью перехода от разовых диагностик к системам непрерывной поддержки карьерного выбора, учитывающим динамику рынка труда и индивидуальные особенности. Разработана единая теоретико-вычислительная модель интеллектуальной профориентации, отличающаяся интеграцией трех ключевых задач (реконструкция профессиональных интересов, мультимодальное сопоставление пользователя и профессии, ранжирование траекторий) в общую оптимизационную схему на основе данных психометрических тестов (модель RIASEC), цифрового следа, академических показателей и текстовых описаний профессий, обеспечивающая формализованный математический аппарат для описания и сравнения современных методов и позволяющая создавать интерпретируемые, воспроизводимые и масштабируемые системы профориентации.