Поделиться
Платформа «Поланис» включена в реестр отечественного ПО Минцифры
Разработанная в Санкт-Петербургском политехническом университете Петра Великого цифровая платформа анализа мультимодальных данных «Поланис» официально включена в Единый реестр российского программного обеспечения Министерства цифрового развития, связи и массовых коммуникаций Российской Федерации. Платформа кратно увеличивает вычислительные и аналитические возможности в сфере промышленности и науки. Работа ведется при поддержке программы «Приоритет 2030» Министерства науки и высшего образования Российской Федерации. Об этом CNews сообщил представитель СПбПУ.
Политехническая аналитическая информационная система «Поланис» представляет собой комплексное цифровое решение для управления и анализа в сложнейших технических и социальных системах. Платформа необходима для эффективной координации в отраслях, где традиционные методы анализа больших данных, в том числе цифровые, перестают справляться с кратно возрастающим потоком информации: например, в нефтегазовой или химической промышленности, энергетике, транспорте, здравоохранении, а также в междисциплинарных исследованиях.
«Главная особенность нашей платформы и отличие от аналогов в создании единой интегрированной среды для работы. Пользователь получает сквозной инструментарий, позволяющий загружать входные данные практически в любом формате и получать аналитику в виде удобных интерактивных схем. Для самых сложных расчетов платформа использует один из мощнейших в стране Суперкомпьютерный центр «Политехнический». В сфере науки это открывает новый уровень исследований за счет оперирования ранее недоступными объемами информации. Включение платформы «Поланис» в реестр российского программного обеспечения Минцифры это признание того, что университет создает собственные высокотехнологичные продукты высокого уровня, которые могут использоваться в масштабах всей страны», — отметил проректор по научной работе СПбПУ Юрий Фомин.
Применение «Поланис» для оптимизации транспортных потоков обеспечивает ускорение расчетов до 20 раз при контролируемом снижении точности не более 5%. В задачах обработки сейсмических данных нейросетевые модули платформы сокращают время обработки на 70%, а прогнозирование геофизических характеристик пласта достигает точности свыше 85%. В научной сфере инструментарий «Поланиса» ускоряет работу над новыми технологиями и материалами. С помощью платформы возможно оптимизировать сложные производственные циклы, управлять качеством, прогнозировать энергопотребление. Так, один из программных модулей платформы позволил создать цифровую модель ТЭЦ и анализирует износ оборудования с учетом реальных, а не только плановых данных, что позволяет заранее менять детали для обеспечения стабильной работы.
«Ставшие уже привычными обывателям нейросети не способны эффективно обрабатывать колоссальные объемы разнородной информации из промышленных систем, а также осуществлять систематизацию и глубокую интеллектуальную обработку. «Поланис» же, объединяя в своей архитектуре технологии гибридного искусственного интеллекта, сочетающие имитационное моделирование, машинное обучение, нейронные сети и мультиагентные системы, позволяет промышленности в снижении издержек, повышении качества продукции, ускорении инноваций и принятии более взвешенных решений» — отметила руководитель проекта, заведующая лабораторией «Промышленные системы потоковой обработки данных» Передовой инженерной школы «Цифровой инжиниринг» СПбПУ Марина Болсуновская.
Масштаб проделанной работы отражается в числе зарегистрированных результатов интеллектуальной деятельности. В 2025 г. команда зарегистрировала 7 программ для ЭВМ, а в январе 2026 г. в реестре Роспатента было оформлено ещё 15 новых программных модулей. Общее число зарегистрированных программ по проекту достигло 22, и каждая вносит вклад в архитектуру и функциональные возможности платформы.
Сейчас команда проекта работает над внедрением в платформу больших языковых моделей, дообученных и настроенных на доменно-специфичных данных, а также модуля автоматизированного машинного обучения для интеллектуального выбора и гиперпараметрической настройки алгоритмов под специфику данных. Также ученые планируют создать и запатентовать системы для эффективной и предсказуемой работы с разнородными данными, например, геоданными, телеметрией и изображениями одновременно. Это, по словам разработчиков, станет основой для отраслевых стандартов в целевых секторах.
Короткая ссылка
