Проблема. Карбид кремния (SiC) — идеальный сенсорный материал для жёстких условий: не деградирует десятилетиями, работает при 300+ °C, не содержит лицензируемых материалов. Его внедряют в атомной отрасли, космосе и дозиметрии — но медленно и дорого, потому что сигналы разных частиц (альфа, протон, тритон, гамма) на выходе электроники перекрываются, а алгоритмы обработки доводятся итерациями на облучательных стендах: 18–24 месяца и миллионы рублей на каждый цикл доводки. Инструмента, связывающего расчётную модель детектора с реальными осциллограммами, для твёрдотельных детекторов не существует — для газовых есть Garfield++ (CERN), для широкозонных полупроводников — никого.

Решение. Программно-вычислительный комплекс «цифровой двойник + AI»:

1. Слой симуляции — Geant4 (транспорт излучения, энерговыделение в кристалле) + теорема Шокли–Рамо (формирование сигнала из первых принципов) + модель тракта электроники (предусилитель, шейпер, шум, АЦП). На выходе — осциллограммы, статистически неотличимые от реальных, ещё до изготовления детектора.
2. Слой алгоритмов — Pulse Shape Discrimination: нейросетевое разделение частиц по форме импульса плюс классические методы (rise-time, сравнение зарядов) как бейзлайн. Обучение — на сгенерированном датасете с известной истиной (ground truth), чего физически невозможно получить на реальном стенде.
3. Слой экспорта — веса для прошивки ПЛИС, фильтры, протокол валидации «модель vs источник» для заказчика.

Ключевая методология. Каждый блок комплекса проверяется юнит-тестами против независимых аналитических расчётов (заряд по энергии парообразования, ядро шейпера по аналитической формуле, времена сбора по скоростям насыщения). Это отличает продукт от «чёрного ящика» и делает его аудируемым для заказчиков ядерной отрасли.

Продукт и ценность для заказчика. Заказчик (разработчик детекторной системы) получает верифицированную модель своего детектора + датасет + обученный алгоритм + методику проверки на источнике — до изготовления самого детектора. Экономика: сокращение цикла разработки с ~24 до ~6 месяцев, экономия миллионов рублей на стендовых доводках на каждый проект.

Статус (сентябрь 2026). Физическое ядро v0.1 работает и покрыто тестами: заряд сходится с аналитикой до 0.1%, разделение продуктов реакции ⁶Li(n,α)t достигается на чистой физике ещё до нейросети, полный тракт «Geant4 → Python → осциллограмма» замкнут end-to-end. Принят в проектный трек акселератора НИЯУ МИФИ. Следующие вехи: датасет 10⁶ осциллограмм (Q4 2026), валидация на реальном источнике Am-241 (Q1 2027), PSD-модуль (Q2 2027).

Команда. Основатель — студент 5 курса НИЯУ МИФИ, сотрудник отраслевого института (детекторная тематика): физика детекторов, Geant4/Monte-Carlo, Python/ML. Разработка AI-ассистированная, качество контролируется тестовой методологией. План усиления: научный советник из МИФИ (в переговорах), ML-инженер с первого гранта, ко-фаундер по развитию с опытом B2G-продаж.

ИС и чистота. Проект развивается вне трудовых обязанностей основателя, с нуля на личных ресурсах. Подготовка патентной заявки на «способ обработки сигналов» и режима коммерческой тайны — в плане 2026–2027.

Рынок. Разработчики детекторных систем РФ (~10–15 организаций: атомная отрасль, космос, дозиметрия), чек первого НИОКР 5–15 млн ₽, этапная модель монетизации: гранты (2026–2027) → контракты НИОКР (2027–2028) → лицензии и роялти при серийных поставках (2028+). Потолок ниши 30–100 млн ₽/год к 2030. Смежные вертикали расширения той же методологией: радиационная стойкость космической электроники, спектрометрия с AI-идентификацией нуклидов.

На страницу проекта