今年的比赛分三个领域进行。准备在各个科学领域进行突破性研究的团队被邀请参加“多领域前沿实验室”赛道。项目的主要条件是符合全球科学前沿。此外，竞赛申请必须得到代表计划建立战略合作伙伴关系的组织的研究人员的支持。

“科学领域人工智能新前沿实验室”赛道的参与者可以包括具有在特定学科领域（例如物理、化学、生物学和其他科学）使用人工智能的先进跨学科发展想法的研究小组。在“人工智能教育”轨道的框架内，考虑了旨在为教育中有意识和负责任地使用人工智能服务创造环境的项目。

正如前沿实验室竞赛科学顾问Alexey Slobozhanyuk所强调的那样，这一逻辑与联邦计划“Priority 2030”框架内制定的主要方向完全一致。

“根据 2030 年优先计划，ITMO 正在开发先进科学，这已成为我们大学基础的一部分。因此，支持不同研究领域的新前沿实验室对我们来说很重要。这次我们还制作了一个关注人工智能并在其帮助下解决相关领域特定问题的赛道。我们期望重点广泛的实验室将有助于与世界各地的主要学术合作伙伴建立合作，而科学实验室中的人工智能将促进与领先技术公司的跨结构互动与合作，特别是俄罗斯联邦储蓄银行和 AIRI 人工智能研究所。” 。

ITMO大学的师生以及其他俄罗斯或外国大学或组织的代表都可以参加比赛。为此，您必须选择一个赛道，准备一份申请并将其发送到比赛网站上。所有收到的提案都经过了两级审查。在第一阶段，根据正式理由评估申请是否符合竞赛文件的要求。在第二个主要阶段，项目提案由来自 ITMO、俄罗斯和外国大学的领先专家在前沿实验室重点领域的专业知识进行审议。他们关注项目的相关性、意义以及团队选择的焦点是否属于全球前沿。 “科学领域人工智能新前沿实验室”赛道的申请也接受了 ITMO 人工智能委员会的审查。

最后阶段是对项目的公开辩护，参赛者必须解释他们的项目正在解决哪些紧迫问题以及如何解决，这个想法的优点是什么，工作的结果会是什么样子将如何衡量，以及该项目的进一步开发将如何构建。

根据公开答辩的结果，共有 11 个项目被认定为获奖者，其中 7 个项目位于“具有广泛关注点的新前沿实验室”赛道，4 个项目位于“科学领域人工智能新前沿实验室”赛道。所有项目的列表可以在网站上找到。

据主办方介绍，本次比赛共收到41份申请，涉及三个领域。大多数项目 (21) 是由参与者提交给“具有广泛关注点的新前沿实验室”轨道的。 

获奖者将获得 ITMO 及其合作伙伴的专家、人员和基础设施资源，以及财政支持（“科学领域人工智能新前沿实验室”每年最高 2000 万卢布，“具有广泛关注点的新前沿实验室”每年最高 1000 万卢布）。

项目将从 2025 年开始获得资金。第一年他们将得到ITMO的全力支持，然后团队必须自行筹集资金（第二年至少50%，第三年100%）。此外，根据竞赛条款，各团队每年将展示两次工作成果。

获奖者 

“多领域前沿实验室”

• 开发用于健康监测的先进柔性光学传感器

该项目由 ITMO 物理学院首席研究员 Sergei Makarov 领导，被认为是“开发用于健康监测的先进柔性光学传感器”领域最好的项目之一。其关键思想是开发基于新型纳米材料的柔性光学传感器，并具有改进的光谱特性。此类传感器可以帮助同时测量多种指标 - 脉搏、光学心电图、血氧饱和度 (SpO2) 和血糖水平。

“现在对方便地附着在人体上的灵活可穿戴健康监测设备的需求很大。然而，此类设备不够可靠并且价格昂贵。我们将与医疗机构合作，开发非侵入性多通道柔性设备原型，用于诊断人体健康的多个参数——脉搏、心电图、血氧饱和度和血糖水平。我们设备的优点是发光传感器块的光谱线较窄，因此可以获得生物分子更具选择性的响应。这将减少主要皮肤发色团（吸收光并干扰测量的生物分子）的交叉吸收，并创建一个多通道传感器，用于同时检测氧合、脉搏和血糖水平。此外，拟议的平台专注于创建可以附着在皮肤任何区域的贴片，” Sergei Makarov和 ITMO 物理学院初级研究员Maria Sandzhieva解释道。

此外，该轨道上的其他最佳项目是创建实验室，他们将在其中研究轴子 - 暗物质粒子作用的候选者，创建允许超快光学计算的纳米光子元结构，以及用于传输和处理信息的半导体异质结构光电器件。

“科学领域人工智能新前沿实验室”

• 新药新材料创制智能助手 

ITMO“工业强人工智能”研究中心高级研究员Anna Kalyuzhnaya的项目致力于基于LLM为化学家开发智能数字助理。该开发的背后是控制化学试剂和机器学习试剂的大型语言模型；它们将帮助搜索信息、创建新分子、预测其特性并计划实验。所有这些都将加速并简化科学实验室、制药公司和化学工业员工新药和新材料的开发。同时，数字助理的核心可以适用于其他行业，化学家无需成为程序员即可使用它。 

该项目正在与 Sber 合作实施。该团队计划在三年内从概念验证转变为成熟的产品，解决新出现的科学问题。首先，数字助理将被教导如何使用互联网上的信息源，其生成分子、材料和预测其特性的能力将得到升级，最后一切都将与合作伙伴结合起来并针对实际问题进行测试。

• 通过多模式模型虚拟筛选化学候选物的全栈平台

该赛道的另一位获奖者是 ITMO 酶和适体生成设计实验室负责人 Nikita Serov。他与化学人工智能中心的同事一起，提议开发一个开源平台，用于虚拟筛选整个候选化合物周期。这一进展将帮助药物化学家、生物技术学家和材料科学家准确预测化学系统的复杂特性，特别是与目标蛋白质的相互作用、催化活性和生物体的行为。例如，这些知识对于制造抗菌药物和无机催化剂将很有用，计划将其作为实际案例来测试该平台的有效性。

该平台基于预先训练的多模式模型集合。该平台还包括用于收集、增强和预处理化学数据、使用理论建模方法构建模型和验证候选物的模块，以及用于同时虚拟筛选几大类化学系统（小分子、聚合物和结晶物质）的通用管道。

• 研究活性物质的新建模方法

ITMO物理学院研究员Nikita Olekhno和ITMO应用计算机科学研究所副教授Ilya Makarov的项目旨在研究粒子簇，每个粒子都可以将内部能量转化为定向运动。此类颗粒的例子包括自然物体（动物群、细菌簇和生物体组织）和人造物体（从大量机器人簇到胶体颗粒溶液）。

作为该项目的一部分，该团队将基于机器学习和人工智能的使用，开发对此类环境进行建模的新方法，以及控制其自组织的新方法。这种方法将超过当前解决方案的效率，因为其实施将基于对数十和数百个小型移动机器人集群进行大量实验的自动执行，并使用这些数据来训练人工智能系统。

该项目的结果将有助于发展这种无处不在的介质的基础物理学，也有助于进一步开发基于宏观或微观层面物质受控动态重排的应用解决方案——机器人、微流体和胶体系统。计划在AIRI研究所的科学家的参与下开发该实验室，并高度重视根据所获得的成果创建开源软件。

• 用于设计复杂工程解决方案的人工智能模型

另一位竞赛获胜者、ITMO复合人工智能实验室负责人Alexander Khvatov的想法是训练一个具有开源、权重和架构的物理基础人工智能模型，这将显着加快复杂工程解决方案的设计速度。目前，使用精确的物理方程创建一个复杂的设备需要花费大量时间。 ITMO 科学家的基本模型将能够使用基于物理核心构建的简化模型来预测物理场，以选择拟议设备的几何参数和其他参数，而不是像通常那样使用文本。通过这种方式，将有可能快速设计神经形态计算机，以加快神经网络的运行速度并降低其成本，以及发动机、激光器和微流体设备。