Южно-Уральский государственный университет - Приоритет 2030

В ЮУрГУ стартует первая образовательная программа в рамках федерального проекта «Кадры для БАС»

zabolotnevakd — Wed, 12 Aug 2026 18:40:00 +0000

К занятиям по программе профессионального обучения «Оператор беспилотных авиационных систем (с максимальной взлетной массой 30 килограмм и менее)» приступят 24 сотрудника МЧС Курганской области. Программа разработана с учетом потребности заказчика. Обучение будет проходить в смешанном формате: теоретическая часть пройдет он-лайн дистанционно, а вот на практическую часть команда преподавателей ЮУрГУ приедет в Курган. Практические занятия пройдут на базе Курганского государственного университета. Во время практической части обучения, слушатели пройдут летную подготовку на симуляторах, а далее приступят к практической отработке навыков пилотирования на беспилотных авиационных системах мультироторного типа как отечественного, так и импортного производства. Познакомятся с основами мониторинга с применением беспилотников, а также изучат основы обработки данных, полученных при проведении мониторинга. Обучение по аналогичной программе в 2025 году прошли сотрудники Главного управления лесами Челябинской области, а также сотрудники МЧС Челябинской области. Полученные знания и навыки уже помогают им при выполнении своих рабочих задач. Больше новостей на канале ЮУрГУ в MAКС.

Ученые ЮУрГУ ускоряют численное моделирование гидрогазодинамических процессов с помощью нейросетей

Шерстобитова Юлия Андреевна — Wed, 29 Jul 2026 15:00:00 +0000

Команда исследователей ЮУрГУ при поддержке гранта В.Б. Христенко работает над созданием программного комплекса, который позволит упростить процесс инженерного проектирования. В классической вычислительной гидрогазодинамике (CFD) решение находится итерационно, с построением расчетной сетки, что на сложных задачах занимает часы или сутки. По словам руководителя проекта – декана аэрокосмического факультета ЮУрГУ, зав. кафедрой «Двигатели летательных аппаратов», к.т.н., доцента Руслана Пешкова, разрабатываемый решатель использует в ядре нейронную сеть, обученную законам сохранения массы, импульса и энергии. При этом во время обучения нейросети задействуются механизмы классического CFD, но после обучения сеть представляет собой функцию координат и параметров задачи, которая выдает значения скорости, давления и температуры без большого количества итераций. Это позволяет ускорить расчеты на ранних этапах многовариантного проектирования, что особенно актуально для аэрокосмической отрасли. Проект находится на этапе создания среды для обучения нейросетей. Ученые исследуют различные архитектуры применительно к задачам внешнего обтекания, внутренних течений и теплообмена. Подготовлено несколько публикаций в сборниках конференций: VIII международной научно-практической конференции «Гражданская авиация: история и современность», XVIII Международной молодежной научно-технической конференции «Молодежь. Техника. Космос», отправлена статья в журнал ВАК, формируется заявка на РИД по результатам разработки программного кода среды обучения. Важно, что разработка ориентирована не на программистов, а на обычных инженеров-расчетчиков. Графический интерфейс будет аналогичен стандартным CFD-пакетам, для выполнения расчета не потребуются знания по программированию нейросетей. Но дообучение модели под специфическую задачу потребует соответствующих компетенций. При этом для обучения сети необходимы мощные рабочие станции, хотя в последующем для расчета будет достаточно обычного персонального компьютера. В перспективе разработчики планируют двигаться в сторону отрывных, многофазных течений, течений с ударными волнами и аэроакустики. Также в планах – тандем нейросетей PINN и GAN, где одна нейросеть будет генерировать новые геометрические формы (например, профили крыльев), а вторая – мгновенно оценивать различные характеристики (например, аэродинамические), что открывает возможности для полностью автоматизированного поиска оптимальных решений. «Будущее – за гибридным сосуществованием, – подчеркнул руководитель группы исследователей Руслан Пешков. – Нейросетевые алгоритмы обеспечат многовариантный анализ, а численные методы – финальные расчеты с гарантированной точностью, а также решение уникальных задач, связанных с исследованием новых физических эффектов». Таким образом, нейросетевой решатель на основе PINN – перспективное дополнение к классическим CFD-методам, но не полная их замена. По крайней мере в ближайшем будущем. Проект реализуется в рамках Грантовой программы В.Б. Христенко «Шаг в будущее». Это программа ежегодной финансовой поддержки программы развития Университета в рамках «Приоритет-2030». Гранты предоставляются на проведение перспективных исследований, формирование кадрового резерва и реализацию уникальных образовательных программ (компонентов), определяющих вектор развития ЮУрГУ и Челябинской области. Больше новостей на канале ЮУрГУ в MAКС.

Author:

Юлия Шерстобитова, фотографии -- Сергей Качко

Технологическое лидерство в действии: в ЮУрГУ одобрены все заявки на трансфер инноваций в промышленность

Шерстобитова Юлия Андреевна — Tue, 28 Jul 2026 18:26:00 +0000

Южно-Уральский государственный университет продолжает системную работу по трансферу университетских технологий в реальный сектор экономики. 27 июля 2026 года Программный комитет Программы развития ЮУрГУ в рамках реализации программы стратегического академического лидерства «Приоритет-2030» утвердил результаты экспертизы проектов конкурса коммерциализации РИД «Коммерческий вектор: от идеи к рынку». Все 12 поданных заявок получили одобрение для дальнейшей реализации. Напомним, что прием заявок на конкурс стартовал 18 марта 2026 года. Его главная цель – коммерциализация результатов интеллектуальной деятельности (РИД) сотрудников, студентов и аспирантов вуза. В 2025 году условия программы «Приоритет-2030» претерпели изменения, сместив фокус на технологическое лидерство. В связи с этим особый приоритет сегодня отдается открытию малых инновационных предприятий на площадке университета и выводу на рынок наукоемких продуктов и услуг. Конкурс проходит в несколько этапов. С 20 июня по 27 июля экспертная комиссия оценивала проекты по таким критериям, как технологическая и потребительская готовность, регуляторная безопасность и квалификация команды. По итогам голосования Программного комитета (14 голосов «За» при одном «Против») были определены три группы проектов в зависимости от набранных баллов. В первую группу (высший приоритет) вошли три проекта: Ардашев Д.В. – «Отечественный программный комплекс для управления высокодинамичными электрогидромеханическими устройствами» (49 баллов). Байбурин А.Х. – «Организационно-экономическая модель поточного строительства жилых зданий из блок-комнат на основе запатентованной технологии "опускаемого бетона"» (47 баллов). Кушнарев В.А. – «Модульный учебно-исследовательский комплекс программирования коллаборативных робототехнических систем с интеграцией компьютерного зрения и цифровых двойников» (45 баллов). Во вторую группу вошли четыре проекта, включая разработки в области уплотнения композиционных материалов (Асфандияров М.А.), библиотек цифровых моделей энергооборудования (Болков Я.С.), интерактивных обучающих курсов (Переведенцев В.В.) и сред разработки систем компьютерного зрения (Таваров С.Ш.). В третью группу распределены проекты Валиулина А.А., Кускарбековой С.И., Снурниковой Ю.А., Макуниной О.А., Видергольд А.И. Тематика проектов третьей группы разнообразна: от программ для управления лабораторными стендами (Кускарбекова С.И.) до методик выявления рисков гринвошинга при эмиссии зеленых облигаций (Видергольд А.И.). «В рамках конкурса коммерциализировать можно патенты на изобретения, полезные модели, программы для ЭВМ, базы данных, ноу-хау и другие РИД, созданные в стенах университета, – отмечает начальник Отдела стратегического развития – проектного офиса Евгений Белоусов. – Ключевое требование – руководитель проекта должен быть штатным сотрудником ЮУрГУ». Согласно постановлению Программного комитета, все 12 проектов допущены к этапу реализации, который продлится до 15 декабря 2026 года. Окончательный объем дополнительного финансирования для каждой команды будет определен в конце декабря в строгом соответствии с полученными результатами по коммерциализации и в пределах средств гранта «Приоритет-2030». Получить дополнительную информацию о Положении конкурса можно на сайте «Поддержка молодой науки» ЮУрГУ.

Author:

Юлия Шерстобитова, фото -- ФГАНУ "СОЦИОЦЕНТР"

Межуниверситетский кампус в Челябинске: комфортное пространство для жизни и учебы

Качко Сергей — Sat, 25 Jul 2026 16:00:00 +0000

Совсем скоро стартует учебный год, и челябинские студенты познакомятся с новой точкой притяжения на карте города! Жильцов ждут комфортные номера в стильных корпусах в окружении современного архитектурного пространства. Красота снаружи обращает на себя внимание с первых минут знакомства, а внутреннее устройство кампуса буквально влюбляет и не отпускает: современный дизайн в стиле «лофт», продуманная логистика, уютные жилые номера, коворкинги, игровые зоны, мини-кухни и комнаты для хранения – создатели кампуса учли все потребности молодежи. Новый уровень комфорта Здесь нет пафоса и роскоши, зато каждого ждет удобная кровать с ортопедическим матрасом, рабочая зона со столом, шкаф, полки для одежды, холодильник и системы хранения личных вещей. У каждой комнаты свой санузел с душевой кабиной, современным ремонтом и полной меблировкой. В ванной комнате установлены зеркало с подсветкой и дополнительные полки. Для того, чтобы жизнь в кампусе стала по-настоящему комфортной для студентов действует целый спектр бесплатных сервисных услуг: Пользование общественными пространствами (коворкинг, плейрум, телевизионный зал и пр.); Прачечная самообслуживания (стиральная и сушильные машины, гладильные доски); Ежедневная уборка общественных пространств и экспресс-уборка номеров; Еженедельная уборка номеров со сменой постельного белья и полотенец; Все необходимое наполнение: постельное белье, набор полотенец, мыло, туалетная бумага и пр. Пополняется при уборке; Питьевая вода; Велопарковка; Побудка, вручение корреспонденции, пользование медицинской аптечкой, вызов скорой помощи. За дополнительную плату можно воспользоваться камерой хранения (аренда ячейки), распечатать, скопировать, отсканировать документы, арендовать переговорную комнату. Стоимость номеров демократична – от 10 900 рублей в месяц при двухместном размещении и от 16 800 рублей в месяц при одноместном размещении. Выбор комнат большой и каждый может найти свой идеальный вариант. Но главное, это уникальная атмосфера творчества, сотрудничества, дружбы и взаимопомощи которой наполнены все пространства гостиничного комплекса. Это просто не измерить никакими деньгами, а нужно попробовать самому! Как стать жителем кампуса? Всё максимально просто и прозрачно. Заселение доступно для совершеннолетних студентов высших и средних специальных учебных заведений с любой пропиской. Никаких ограничений и бюрократических барьеров — только комфортные условия для тех, кто хочет учиться и развиваться. Просто оставь заявку на заселение и с тобой свяжутся администраторы. Строительство Межуниверситетского кампуса в Челябинске ведется в рамках федерального проекта по созданию сети современных кампусов, который реализуется благодаря национальному проекту «Молодежь и дети», и находится под личным контролем губернатора Челябинской области Алексея Текслера. Остались вопросы? Звони: +7 (951) 240-50-70 Пиши: uralcampus@mail.ru Сайт: кампус-южныйурал.рф Больше новостей на канале ЮУрГУ в MAКС. #челкампус

Углеродный апгрейд: физики ЮУрГУ в коллаборации с МФТИ делают катоды надежнее

Шерстобитова Юлия Андреевна — Thu, 23 Jul 2026 19:00:00 +0000

Сегодня развитие вакуумной электроники невозможно представить без применения углеродных автоэмиссионных катодов. Наиболее широкое применение углеродные автоэмиссионные катоды получили в источниках рентгеновского излучения, электрохимических системах, в алюминиевых электролизерах и др. Но в процессе эксплуатации катоды подвержены достаточно быстрому износу. Команда молодых ученых ЮУрГУ – аспиранты кафедры «Оптоинформатика» Института естественных и точных наук Кирилл Белов и Алексей Бердников под руководством д.ф.-м.н., профессора Наталии Кундиковой предлагает оригинальный вариант решения этой давней проблемы вакуумной электроники. Молодые исследователи предложили методику предсказания и в перспективе предотвращения деградации углеродосодержащих автоэмиссионных катодов. С этой целью ученые применили метод спектроскопии комбинационного рассеяния (КР-спектроскопия), который ранее для подобных задач практически не использовался. Главный вопрос, который ставят перед собой авторы исследования, звучит так: существуют ли закономерные изменения структурно-фазового состояния поверхности углеродных материалов в процессе их работы в вакууме? Другими словами, как именно «стареют» катоды? Что приводит к снижению их эффективности и выходу из строя? Ответ на этот вопрос позволит целенаправленно подбирать материалы и режимы эксплуатации для увеличения срока службы холодных катодов. Почему выбор пал именно на КР-спектроскопию? Этот метод неразрушающей спектроскопии, чувствительный к мелкомасштабным структурным перестройкам. Он позволяет контролировать состояние поверхности без нарушения целостности образца. Как подчеркивают ученые, спектры углеродных материалов хорошо изучены, а ключевые пики в спектре (так называемые углеродные линии) напрямую связаны с дефектностью и степенью упорядоченности структуры. Анализируя их параметры, можно судить о том, что происходит с материалом на наноуровне, – поясняет один из авторов разработки – Кирилл Белов. В работе, выполняемой совместно с коллегами из МФТИ, изучается целый набор углеродсодержащих катодов: волокна из углеродных нанотрубок (УНТ-волокно), полиакрилонитрильные (ПАН) волокна, пиролитический графит (пирографит) и терморасширенный графит. Выбор не случаен – все эти материалы уже зарекомендовали себя как достаточно стабильные и долговечные излучатели электронов, но механизмы их деградации до сих пор оставались для ученых «черным ящиком». Ученые зафиксировали изменения в спектрах материалов до и после автоэмиссионных испытаний. Напомним, что автоэмиссионные испытания представляют собой комплекс исследований, цель которых оценить, как материал (чаще всего специальный катод) испускает электроны под действием сильного электрического поля. Например, у пирографита отчетливо видно разрушение кристаллической структуры после работы в качестве катода. Это прямое экспериментальное подтверждение того, что процесс эмиссии оставляет «след» в виде накопления дефектов. В ближайшее время готовятся к публикации статьи с подробными данными об этом. Измерения проходили не без сложностей. Конструкция катодного узла представляет собой две металлические пластины-зажимы на общей ножке – это необходимо для проведения эмиссионных тестов в вакуумной камере. Однако такое крепление создает трудности при позиционировании образца на предметном столике спектрометра и точной наводке лазерного луча. Тем не менее исследователям удалось адаптировать методику и получать качественные спектры. Практическая значимость работы выходит далеко за рамки фундаментальной науки! Углеродные автоэмиссионные катоды уже сегодня активно используются в вакуумной электронике. Наиболее перспективным направлением авторы считают создание катодолюминесцентных источников света с плоским, узконаправленным излучением высокой интенсивности и возможностью перестройки спектра. Такие источники могут найти применение в агропромышленной отрасли (например, для стимуляции роста растений) и в медицине. В медицинских целях излучение в заданной области ультрафиолета можно использовать для эффективного обеззараживания. Одно из применений – создание источников излучения в ультрафиолетовой области. Кроме того, исследователи нацелены на разработку методики неразрушающего контроля качества катодов «по спектру», которая позволила бы на этапе производства отбирать оптимальные образцы и рекомендовать щадящие режимы эксплуатации. В ближайших планах – серия повторных эмиссионных испытаний при различных рабочих режимах с обязательным контролем состояния поверхности методом оптической и электронной микроскопии, а также КР-спектроскопии после каждого цикла. Полученные данные лягут в основу рекомендаций по созданию более надежных и долговечных устройств. Переход к прототипам изделий возможен, но потребует задействования уникальной инфраструктуры МФТИ, где созданы все условия для таких разработок. Таким образом, исслежлвание открывает новую страницу в диагностике углеродных излучателей электронов, превращая эмпирический подбор материалов в управляемый научный процесс. Проект реализуется в рамках Грантовой программы В.Б. Христенко «Шаг в будущее». Это программа ежегодной финансовой поддержки программы развития Университета в рамках «Приоритет-2030». Гранты предоставляются на проведение перспективных исследований, формирование кадрового резерва и реализацию уникальных образовательных программ (компонентов), определяющих вектор развития ЮУрГУ и Челябинской области. Больше новостей на канале ЮУрГУ в МАКС

Author:

Юлия Шерстобитова, фото: Анна Галкина

Ученые ЮУрГУ создали нейросеть, которая прогнозирует транспортные заторы на перекрестках

Качко Сергей — Thu, 23 Jul 2026 18:00:00 +0000

Ученый Южно-Уральского госуниверситета разработала и запатентовала систему прогнозирования транспортных заторов. Программа анализирует видеопоток с камер на перекрестках, распознает пять классов транспортных средств и с высокой точностью предсказывает, когда и где образуется пробка. Чтобы добиться такого результата, исследователь запатентовала еще две вспомогательные программы: одна обрабатывает видео, вторая расширяет набор данных для обучения моделей. Обычно камеры на перекрестках настроены на фиксацию правонарушений. Однако научный сотрудник ЮУрГУ Рухшона Джураева предложила использовать их шире: научить автоматически считать транспортные средства, делить их на классы и оценивать интенсивность потока. Пакет новых компьютерных программ позволяет обрабатывать видеоданные на основе конвейера нейросетевых алгоритмов, а именно обнаруживать, отслеживать и классифицировать машины на оживленном перекрестке. В результате оператор мгновенно получает автоматическую таблицу с данными: сколько проехало легковых автомобилей, такси, маршруток, автобусов и грузовиков. «Моя главная задача в исследовании – прогнозировать заторы, а для этого сначала нужно оценить динамику потока в реальном времени, – рассказала Рухшона Джураева. – Для анализа я использовала видеопотоки с существующих камер на перекрестках города Душанбе, Республики Таджикистан. Сами камеры не нужно заменять или модернизировать, достаточно установить нашу программу на компьютер оператора. Первая модель обрабатывает видео и считает транспорт, одновременно ранжируя его по пяти классам. Затем вторая программа расширяет эти данные: добавляет временные характеристики – конкретные минуту, час, день недели, выходной или будний день. И наконец третья модель, которая объединяет результаты лучших алгоритмов машинного обучения, прогнозирует, случится ли затор на следующем перекрестке через некоторое время». Изобретение челябинского разработчика отличается от аналогов подходом к данным. Исследователь использовала камеры, установленные на перекрестках параллельно дороге, которые анализируют движение автотранспорта на всем направлении сразу с нескольких ракурсов. Кроме того, Рухшона Джураева сделала акцент на подсчете именно по классам транспортных средств. Ученый утверждает: если данные покажут, что интенсивный поток держится в основном за счет личного транспорта, городские власти могут принять решение, к примеру, активнее развивать систему общественного транспорта. Удобство предлагаемого решения состоит в том, что сами камеры менять не требуется – программы встраиваются в компьютер оператора, который следит за движением на перекрестках. Специалист в реальном времени получает наглядную статистику и прогноз, а дальше уже сам решает, например, скорректировать фазы светофоров или перераспределить потоки. Важно, что разработка учитывает системный характер заторов: если пробка образовалась на одном перекрестке, через несколько минут она повторится на следующем. Программа предсказывает это заранее и у оператора есть время, чтобы принять меры. Сам пакет уникальных нейросетевых программ можно адаптировать для любого российского города и местных перекрестков. Больше новостей на канале ЮУрГУ в МАКС

Author:

Екатерина Больных, Анна Галкина

Слепых зон на дорогах не останется: студенты ЮУрГУ разработали технологию для усовершенствования дорожной инфраструктуры

Шерстобитова Юлия Андреевна — Sun, 19 Jul 2026 19:00:00 +0000

Команда студентов-разработчиков из ЮУрГУ под руководством Романа Алиева (ИЕТН, Программная инженерия, ЕТ-341) в рамках грантовой программы В.Б. Христенко завершила создание высокодетализированного многоклассового датасета для автономных транспортных платформ. Научный куратор проекта – канд. пед. наук, доцент кафедры системного программирования Ольга Иванова. Проект нацелен на устранение «слепых зон» в существующих базах данных, которые ранее не учитывали специфику отечественной дорожной инфраструктуры. Цель исследования – предоставить разработчикам автономных гражданских платформ репрезентативный набор данных, адаптированный к российским реалиям. По словам автора разработки Романа Алиева, качество работы беспилотников напрямую зависит от качества обучающих выборок, а большинство существующих аналогов ограничены с точки зрения географии, классовой полноты и условий съемки. Новый датасет призван закрыть эти пробелы. Для сбора материала использовалась RGB-камера, установленная на лобовом стекле легкового автомобиля. Съемка велась преимущественно в Кургане и Челябинске. Общий объем собранных данных впечатляет: более 300 видеофайлов общей длительностью свыше 1000 минут. В финальную версию размеченного датасета вошло 10 000 обработанных изображений. Ключевая особенность проекта – высокая степень детализации. Каждый объект аннотирован попиксельной сегментационной маской, причем один пиксель может принадлежать сразу нескольким классам (например, влажная грязь с отдельными крупными листьями, упавшими сверху, размечается как классы «Влажная грязь» и «Мусор» одновременно). Всего датасет содержит 14 классов (не считая фонового пространства). В отличие от узкоспециализированных наборов данных, здесь покрывается полный спектр дорожных элементов: дефекты покрытия: объединенный класс, включающий щели, ямы, выбоины, трещины и колейность; особенности дороги: заплатки, стыки асфальта, новый асфальт, стыки мостов и искусственные неровности; инфраструктура: люки и трамвайные рельсы выделены в отдельные классы; дорожная разметка: размечены все возможные типы – от сплошных и прерывистых линий до стоп-линий, пешеходных переходов, стрелок и надписей на покрытии. состояние покрытия: сухая и влажная грязь, лужи, мусор. В основу работы над датасетом положен итеративный алгоритм – вычислительная процедура, которая решает задачу путём многократного повторения определённого набора операций для постепенного приближения к решению или достижения желаемого результата. На каждом шаге алгоритм использует результаты предыдущих итераций, что позволяет постепенно улучшать решение. На начальном этапе 19 студентов-разметчиков вручную обрабатывали кадры в веб-инструменте CVAT. Полученные данные использовались для обучения первичной модели ИИ, которая затем автоматически заполняла аннотации на новых кадрах. После этого следовала обязательная верификация «за моделью», повторное обучение и контроль качества. Для обеспечения «золотого стандарта» внутри команды была выстроена иерархическая система проверки: лучшие разметчики перепроверяли работу коллег, а руководитель проекта финально верифицировал данные ведущих специалистов. Особый акцент разработчики сделали на сложных погодных и световых условиях. В датасет вошли кадры, снятые в ночное время, при плохом освещении, в дождь и на влажном покрытии. Это должно обеспечить высокую обобщаемость моделей и устойчивость алгоритмов к реальным условиям эксплуатации. Пример разметки датасета «Разработанный нами датасет может стать критически важным стартовым ресурсом для компаний, создающих автопилоты для отечественного рынка. Он позволит сократить затраты на сбор и тестирование данных, что в ближайшие 2 – 3 года напрямую ускорит разработку и повысит безопасность автономных систем как в городской, так и в пригородной среде», – пояснил автор проекта Роман Алиев. В настоящее время проект доступен для исследователей. По запросу и согласованию с университетом выдается часть данных (20%) в формате COCO JSON, который легко конвертируется в YOLO и другие популярные фреймворки. В планах команды – публикация базовых моделей сегментации и детекции, обученных на этом датасете, а также интеграция данных с лидаров и добавление тегов погодных условий. Проект реализуется в рамках Грантовой программы В.Б. Христенко «Шаг в будущее». Это программа ежегодной финансовой поддержки программы развития Университета в рамках «Приоритет-2030». Гранты предоставляются на проведение перспективных исследований, формирование кадрового резерва и реализацию уникальных образовательных программ (компонентов), определяющих вектор развития ЮУрГУ и Челябинской области. Больше новостей на канале ЮУрГУ в MAКС. Плотность разметки на изображениях В среднем на один кадр приходится 8.08 объектов. Наиболее часто на кадре присутствует 5-6 уникальных классов

Author:

Юлия Шерстобитова, фотографии предоставлены героем публикации

Команда межуниверситетского кампуса «Южный Урал» получила награду за успешную защиту продуктовых программ

Качко Сергей — Thu, 16 Jul 2026 17:50:00 +0000

Высокая оценка стала итогом масштабной работы по формированию портфеля из 83 продуктов, направленных на научно-технологическое развитие региона. Это событие закрепило статус Южного Урала как одного из лидеров пилотного проекта Минобрнауки России. Награждение состоялось по итогам защиты продуктовых моделей, разработанных в рамках совместного проекта с Минобрнауки России. Церемония прошла в формате видео-конференц-связи под председательством заместителя министра науки и высшего образования РФ Андрея Омельчука. В ходе церемонии были подведены итоги пилотного проекта по разработке продуктовых программ кампусов. Челябинская область стала одним из пяти пилотных участников наряду с Новосибирской, Сахалинской, Тюменской областями и Пермским краем. В мероприятии приняли участие первый заместитель губернатора Челябинской области Станислав Мошаров, первый заместитель министра образования и науки региона Ольга Статирова, руководители тематических специализаций и продуктовых программ кампуса, представители вузов-резидентов и проектного офиса. Команда получила специальную награду за активное участие и высокие результаты работы в пилотном проекте «Разработка продуктовых программ кампусов» в рамках федерального проекта «Создание сети современных кампусов». Станислав Мошаров, выступая с ответным словом, отметил: «Наша награда – признание не только содержания программ, но и выстроенной системы взаимодействия науки, регионального правительства и промышленности, в том числе благодаря последовательной позиции и личной поддержке губернатора Алексея Текслера, который видит в науке один из ключевых драйверов развития региона. Мы доказали, что можем работать как единая команда. Впереди ответственный этап реализации. Сделаем всё, чтобы опыт Южного Урала стал примером для всех кампусов страны». Продуктовый портфель Челябинского кампуса включает 8 программ, объединяющих 83 решения – от наукоемких технологий до образовательных сервисов. Ключевые направления связаны с приоритетами региона, такими как интеллектуальное производство, материаловедение и физика материалов, экология и живые системы. Вручение награды стало признанием не только качества проработки финансово-экономических моделей и механизмов вывода продуктов на рынок, но и эффективности командной работы вузов, регионального правительства и бизнеса. 70 процентов продуктов портфеля кампуса разработаны учеными и инженерами Университета в 7 междисциплинарных технологических направлениях: «Транспортно-логистические системы» (руководитель С.М. Таран), «Промышленные роботы» (руководитель М.А. Григорьев, «Цифровая зрелость промышленности Челябинской области» (руководитель А.В. Голлай), «Технологическое предпринимательство и управление высокотехнологичным бизнесом» (руководитель И.А. Соловьева), «Экобиотех» (главный конструктор И.Ю. Потороко), «Материаловедение и физика материалов», «Молодежь в кампусе». «Строительство кампуса — это огромный шаг вперед для развития образования и науки в Челябинской области, важная часть реализации нацпроекта «Молодежь и дети». Мы создаем современную среду для обучения и исследований, которая позволит сохранить в регионе нашу талантливую молодежь. Серьезную площадь займут совместные лаборатории ЮУрГУ и наших индустриальных партнёров, таких как «УРАЛ», «ЧКПЗ», «КОНАР» и «МЕТРАН». Здесь студенты, учёные и инженеры будут работать над прорывными проектами в машиностроении, металлургии, робототехнике и других ключевых направлениях», — отметил ректор Александр Вагнер. Зону ответственности ЮУрГУ в проекте можно назвать одним из интеллектуальных центров будущего кампуса Университет-резидент кампуса, выполняет функции регионального проектного офиса, координируя взаимодействие всех участников: от вузов-партнёров до крупнейших промышленных предприятий. Команда кампуса не впервые получает высокую экспертную оценку. В 2023 году в рамках III Конгресса молодых ученых в Сириусе кампус Челябинской области уже был отмечен специальной наградой за высокое качество управления проектом. Сегодня этот опыт помогает интегрировать промышленных партнеров в реализацию программ. Опыт пилотного проекта будет масштабирован на все 40 университетских центов, которые появятся в стране к 2036 году в рамках национального проекта «Молодежь и дети». Строительство Межуниверситетского кампуса в Челябинске ведется в рамках федерального проекта по созданию сети современных кампусов, который реализуется благодаря национальному проекту «Молодежь и дети», и находится под личным контролем губернатора Челябинской области Алексея Текслера. Больше новостей на канале ЮУрГУ в МАКС #челкампус #нацпроектмолодёжьидети #нацпроектмолодежьидети #молодёжь_и_дети

Author:

Фото предоставлено Министерством Образования и Науки Челябинской области

Квантовый парадокс: физики ЮУрГУ научились делать свет ярче, вычитая из него фотоны

Шерстобитова Юлия Андреевна — Thu, 16 Jul 2026 17:25:00 +0000

Ученые ЮУрГУ– специалисты в области квантовой оптики – работают над усовершенствованием технологии получения сжатых состояний света. Суть нового подхода заключается в парадоксальной, на первый взгляд, манипуляции: чтобы улучшить точность измерений, физики предлагают либо добавлять, либо вычитать единичные фотоны из светового пучка. И хотя авторы метода шутливо сравнивают его с принципом «пойти туда, не знаю куда», за этой метафорой стоят строгие математические модели, в перспективе открывающие путь к созданию новых квантовых компьютеров. В квантовом мире свет постоянно «дрожит» – его параметры подвержены случайным флуктуациям (колебаниям). В обычном состоянии эти колебания распределены равномерно. Однако в сжатом состоянии света физики могут «перераспределить» шум: уменьшить его в одной характеристике (например, в амплитуде) за счет увеличения в другой (в фазе). Та «компонента», которая становится почти бесшумной, позволяет регистрировать сверхслабые сигналы, например, колебания пространства-времени при прохождении гравитационных волн. Несмотря на кажущуюся простоту терминов, «вычесть фотон» – это не механическое удаление «кусочка света». Это строго обоснованная квантовая операция, которая требует стандартного оборудования (линейной оптики и фотон-разрешающего детектора) и не нуждается в особых экзотических кристаллах. «Самое удивительное, что процедура вычитания фотонов часто приводит к обратному эффекту: выходной свет может стать более ярким, чем входной! В некоторых случаях это позволяет получать макроскопические неклассические состояния. С точки зрения классической физики это нонсенс, но в квантовой логике – обычная практика, к которой нужно просто привыкнуть. Объяснить данный парадокс в стандартных классических представлениях физически невозможно. Нет никаких классических аналогов того, на что именно это похоже», – отмечает один из разработчиков нового метода – сотрудник лаборатории «Квантовая инженерия света», д.ф.-м.н., профессор Сергей Подошведов. Отвечая на вопрос, почему добавление или удаление фотона повышает чувствительность света, Сергей Анатольевич с иронией прибегает к образу из фольклора: «Иди туда, не зная куда, принеси то, не знаю что». В квантовой механике результат операции часто не поддается интуитивному классическому объяснению, однако он стабильно воспроизводится в лаборатории. Интересно, что при определенных условиях процедуры добавления и вычитания фотонов становятся равносильными друг другу, что также имеет строгое математическое обоснование. Усовершенствованные источники сжатого света находят применение в двух ключевых областях: Гауссов бозонный сэмплинг. Это специализированная модель квантовых вычислений. Суть задачи: запустить фотоны в сложную сеть зеркал (интерферометр) и зафиксировать, в какие выходные каналы они попадут. Для обычного суперкомпьютера моделирование этого процесса становится экспоненциально сложным с ростом числа фотонов, а квантовая система решает эту задачу «на лету». Это позволяет вычислять сложнейшие математические функции, вроде хафниана (В математике хафниан (или гафниан) – это скалярная функция от симметричной матрицы, обобщающая перманент (постоянство). Хафниан был назван Эдуардо Р. Кайанелло «в честь плодотворного периода его пребывания в Дании, в Копенгагене (Hafnia на латыни))». Ученые ЮУрГУ подчеркивают, что их подход позволяет вычислять не полные, а частные распределения вероятностей, что дает экспериментатору увеличить набор вычисляемых аналитических функций. Мировой интерес к этой теме колоссален. В качестве примеров приводятся уже существующие разработки – оптические квантовые компьютеры «Borealis» и «Aurora» (последний позиционируется как универсальный). Прогресс в области фотон-разрешающих детекторов также не стоит на месте: сейчас технологии позволяют разрешать более 1000 фотонов одновременно. У команды исследователей еще много работы. «До недавнего времени перед нами стояла сложная математическая проблема: расчет смешения двух сжатых состояний на светоделителе с последующим измерением фотонов. Оказалось, что надо было просто подойти к решению с другой стороны, и алгоритм решения находится», – делится планами лаборант-исследователь лаборатории «Квантовая инженерия света», аспирант Михаил Подошведов. В июле 2026 года результаты текущего этапа исследований по усовершенствованию технологии получения сжатых состояний света были опубликованы в авторитетном международном научном журнале Optics Express (Q1). Следующий этап – масштабирование алгоритма. На этом этапе команда лаборатории уже готовится привлекать к сотрудничеству коллег – профессиональных математиков, чтобы продвинуться в создании еще более мощных и точных квантовых устройств. Проект реализуется в рамках Грантовой программы В.Б. Христенко «Шаг в будущее». Это программа ежегодной финансовой поддержки программы развития Университета в рамках «Приоритет-2030». Гранты предоставляются на проведение перспективных исследований, формирование кадрового резерва и реализацию уникальных образовательных программ (компонентов), определяющих вектор развития ЮУрГУ и Челябинской области. Больше новостей на канале ЮУрГУ в МАКС

Author:

Юлия Шерстобитова, фотографии -- Сергей Качко

Ученые ЮУрГУ предложили проточный реактор для очистки воды от текстильного красителя

Качко Сергей — Wed, 15 Jul 2026 19:00:00 +0000

Сотрудники НОЦ «Нанотехнологии» ЮУрГУ Олег Большаков, Елена Корина и Владислав Фадеев совместно с коллегами из Сербии разработали и испытали проточный электрохимический реактор для очистки воды от Reactive Black 5. Это один из красителей, которые применяются при окрашивании тканей. Такие красители хорошо закрепляются на волокнах, поэтому удобны для промышленности. Но после попадания в сточные воды это же свойство становится проблемой: краситель долго сохраняется в окружающей среде, окрашивает воду, мешает проникновению света и может вредить водным организмам. Для очистки воды уже используют фильтры, сорбенты, озон, мембранные технологии и другие подходы. Однако у многих методов есть ограничения: нужны расходные материалы, сложное обслуживание, высокие энергозатраты или последующая утилизация загрязнённых отходов. Учёные ЮУрГУ и их зарубежные коллеги предложили другой подход – очищать воду с помощью электрического тока. Загрязнённая вода проходит через реактор, а на поверхности специального электрода образуются активные частицы, которые разрушают молекулы красителя. «Главное отличие разработки – проточный формат. Вода не просто находится в лабораторной ёмкости, а движется через реактор. Это делает систему ближе к реальным условиям очистки промышленных стоков», – рассказал молодой учёный ЮУрГУ Владислав Фадеев. Для работы реактора исследователи использовали многослойный электрод. Один из его рабочих слоёв был дополнительно модифицирован гольмием – редкоземельным элементом. Такая модификация помогла повысить эффективность очистки и сохранить активность электрода при повторном использовании. В лабораторных испытаниях раствор красителя Reactive Black 5 полностью потерял окраску за 90 минут. После 15 повторных циклов очистки эффективность системы практически не изменилась. Разработка может быть полезна для создания компактных установок, которые будут очищать воду от стойких органических загрязнителей. Следующий этап – испытания на реальных сточных водах и дальнейшая оптимизация конструкции реактора. Результаты исследования опубликованы в журнале Korean Journal of Chemical Engineering издательства Springer Nature. Больше новостей на канале ЮУрГУ в МАКС