Росатом подобрал с помощью ИИ материал для реакторов БРЕСТ и ВВЭР-СКД: 250 тыс. вариантов за недели

Росатом рассказал, как искусственный интеллект помог разработать состав материала для реакторов БРЕСТ и ВВЭР-СКД. Учёным нужно было проверить около 250 тыс. вариантов легирования. С помощью ИИ оптимальный состав нашли за несколько недель, после чего его проверили в лаборатории. Об этом 25 сентября рассказал агентству ТАСС Евгений Абакумов, заместитель генерального директора госкорпорации по науке и стратегии. Первые публикации вышли около 08:45 по Москве.

Что именно рассказали в Росатоме

БРЕСТ — реактор на быстрых нейтронах. ВВЭР-СКД — водо-водяной реактор сверхкритического давления. Для обоих нужен конструкционный материал с заданными свойствами. Легирование — добавка разных элементов в сплав, и каждое сочетание меняет его поведение. Отсюда и четверть миллиона вариантов.

Главное из интервью:

Второй пример — углеродное волокно. ИИ подбирал и настраивал технологические параметры производства. По словам Абакумова, разброс прочности по длине волокна заметно снизился, а производство стало работать лучше. Конструкции из углеволокна стали легче без потери прочности.

Дальше — больше. В 2026 году госкорпорация собирается запустить опытный комплекс автоматизированного синтеза конструкционных материалов с ИИ. Установка будет не только рассчитывать состав, но и сразу изготавливать образцы для испытаний. Получится замкнутый цикл: расчёт свойств, затем синтез настоящего образца. Время на создание материалов, как ожидают в Росатоме, сократится в разы.

Абакумов напомнил, что о применении ИИ в материаловедении госкорпорация впервые объявила 3 декабря прошлого года на конференции по искусственному интеллекту и ядерной энергетике. Сейчас это направление расширяют вместе с научными организациями, в том числе с Курчатовским институтом. «Тем и хорош искусственный интеллект, что вариантов применения может быть огромное количество», — сказал он ТАСС.

Что это значит для бизнеса

Реакторы от продаж далеко. Но сама схема знакома любой компании. Вариантов слишком много, чтобы перебрать руками, поэтому люди смотрят несколько десятков и надеются, что не пропустили подходящий.

Посмотрите, как работает связка в Росатоме. Машина прочёсывает весь массив. Люди получают короткий список и проверяют его в лаборатории. Решение остаётся за ними.

Эта логика переносится на бизнес почти без изменений:

1. Сплошной разбор вместо выборки. Четверть миллиона вариантов не прочитает ни одна команда. Тысячи звонков за месяц тоже.
2. Короткий список для человека. Из огромного массива остаются несколько кандидатов, которые стоит проверить.
3. Проверка в реальности. Сплав испытали в лаборатории. Идею из анализа данных проверяют на живых клиентах и цифрах.
4. Настройка процесса. История с углеволокном про параметры производства: найти, где разброс, и убрать его.

Для производств такой подход уже работает в переговорах с деньгами: заявки, звонки, закупки. Где ИИ на заводе окупается раньше всего, мы разобрали в статье «ИИ на производстве».

Отдел продаж устроен похоже. За месяц копятся тысячи записей разговоров и сотни сделок в CRM. Руководитель слушает десяток звонков. Остальное лежит без дела, хотя причина потерь часто сидит в одной фразе, которую менеджеры повторяют каждый день.

Аналитика продаж КАРАДЕСК разбирает каждый звонок и сделку по одинаковым критериям. Руководитель видит, где и почему уходят клиенты, со ссылками на конкретные звонки и сделки. Начать можно с аудита по NDA: доступ только на чтение к CRM и записям звонков, данные при этом не меняются. Выводы остаются рекомендациями, решения принимает руководство.

Похожий подход к поиску в больших массивах мы описывали и в новости о том, как рой ИИ-агентов нашёл в ДНК ферментную систему ART. Там тоже машина сузила сотни тысяч объектов до двух десятков, а проверку взяли на себя люди.