Проект NeuroEdu представляет собой образовательную платформу нового поколения, в которой искусственный интеллект выступает ядром учебного процесса, заменяя классическую модель одинаковых курсов гиперперсонализированным обучением. Нейросети в реальном времени анализируют способности студента и выстраивают его уникальную траекторию, автоматически подстраивая сложность программы. Ключевую роль играет круглосуточный AI-тьютор, работающий по методу Сократа: он не дает готовых ответов, а задает наводящие вопросы и помогает ученику самостоятельно находить ошибки в коде или математических решениях. Платформа берет на себя автоматическую проверку сложных заданий, пишет рецензии на эссе, оценивает языковое произношение и самостоятельно генерирует тесты, конспекты и карточки для запоминания из загруженных базовых лекций. Встроенная система аналитики вовлеченности отслеживает паттерны поведения пользователя, чтобы предотвратить выгорание и вовремя предложить перерыв или смену формата занятий. Такой подход избавляет школьников от страха ошибки перед живым учителем, экономит время взрослым специалистам за счет фокусировки исключительно на недостающих знаниях и дает корпоративным клиентам прозрачную метрику прогресса их сотрудников. Финансовая модель строится на freemium-подписке, где базовая теория бесплатна, а расширенные ИИ-функции монетизируются, дополняясь продажей B2B-лицензий и предоставлением white-label решений для внедрения этого движка в другие учебные заведения. Развитие платформы начнется с запуска MVP-версии с несколькими флагманскими курсами и текстовым ассистентом, после чего в течение первого года проект масштабируется за счет создания мобильного приложения, внедрения голосовых аватаров и выхода на корпоративный рынок с инструментами предиктивной аналитики успеваемости.

На страницу проекта

Проект по производству кормовой добавки из личинок жуков семейства Scarabaeidae, обогащённых витаминами и микроэлементами. Обогащение происходит естественным путём: добавки вносятся в субстрат, а личинки накапливают их в своих тканях.
Субстратом служат дешёвые органические отходы: опилки, растительный опад, компост. Так проект решает сразу три задачи: даёт белок для кормов, восполняет дефицит микронутриентов у скота и перерабатывает отходы.
Перспективное направление — пищевой белок для человека. Но на старте разумнее идти в корма: проще требования, понятнее покупатель, быстрее выход на рынок.

На страницу проекта

Проект предлагает совместить рекламу и городскую экологию: билборд оснащается фильтрующей системой, которая очищает воздух рядом с оживлёнными дорогами и остановками. Конструкция забирает загрязнённый воздух, улавливает пыль, вредные газы и возвращает очищенный воздух в городскую среду.

Рекламная поверхность при этом остаётся основным источником дохода, а очистка воздуха превращает обычный носитель в социально полезный объект. Датчики качества воздуха могут выводить на экран данные в реальном времени, что повышает вовлечённость аудитории и укрепляет экологичный имидж рекламодателей.

Результат: снижение концентрации загрязнителей в точках установки, новый формат рекламы для брендов с экоповесткой и дополнительный инструмент города для улучшения качества воздуха без отдельных затрат на размещение оборудования.

На страницу проекта

Поиск соседей для съема жилья

На страницу проекта

КриоЩит - Создание ресурсосберегающей технологии долгосрочного хранения производственных штаммов дрожжей с использованием отечественных криопротекторов на основе глицерина.

Экономически эффективная и доступная методика криоконсервации микроорганизмов (дрожжевых культур). Решение задачи безопасного долгосрочного хранения уникальных производственных штаммов для предприятий малого бизнеса (хлебопекарная, пивоваренная промышленность, производство биоудобрений). Разработанная синергичная криопротекторная среда на основе глицерина и сахарозы позволяет отказаться от использования дорогостоящих импортных реагентов.

На страницу проекта

ИИ-переводчик языка жестов в реальном времени — это программное решение, которое распознаёт жесты рук с видеопотока и мгновенно переводит их в текст или речь.

На страницу проекта

Разработка высокоточных аналитических методик для контролясостава технологических растворов является одной из приоритетныхзадач аналитической химии [1]. Особенно актуальной является проблемамониторингасостояниякомплексныхэлектролитовдляэлектроосаждения металлических покрытий, где стабильность составаопределяет качество конечной продукции [2]. Ацетатно-цитратныеэлектролиты, используемые для получения медно-никелевых покрытий,содержат цитрат-ион как основной комплексообразователь, который впроцессе эксплуатации подвергается электрохимической трансформациис образованием продуктов разложения, влияющих на качество покрытий[3].Современные требования к аналитическому контролю промышленныхэлектролитов включают необходимость экспрессного анализанепосредственно в производственных условиях, высокую точность идостоверность результатов, а также разработку критериев принятияуправленческих решений на основе аналитических данных[4].Существующие методики определения цитрат-иона в сложных матрицахчасто требуют длительной пробоподготовки, что не позволяетоперативно корректировать состав электролита [5].Целью настоящей работы является разработка и валидациякомплексной методики анализа[6] цитрат-иона и продуктов егоэлектрохимической трансформации в ацетатно-цитратных электролитах,включающей потенциометрическое титрование[7,8], спектрофотометрию.

На страницу проекта

Цель проекта — разработать интеллектуальную платформу поддержки решений для повышения эффективности и экологической устойчивости сельского хозяйства. Продукт предназначен для фермерских хозяйств, агрохолдингов, птицефабрик и животноводческих предприятий. Решаемая проблема — разрозненность данных о состоянии земель, посевов и животных, затрудняющая своевременное принятие решений. Платформа объединит спутниковые снимки, почвенно-климатические данные, фотографии и показания датчиков для определения границ и состава посевов, выбора культур, мониторинга растений и животных. ИИ-помощник поможет выявлять признаки заболеваний растений и готовить рекомендации для проверки агрономом. Ожидаемые эффекты — сокращение потерь и затрат, повышение продуктивности, рациональное использование природных ресурсов и снижение экологической нагрузки.

Синцова Ксения — руководитель проекта, кандидат математических наук. Осуществляет стратегическое и научно-методическое руководство, координирует выполнение научно-исследовательских и опытно-конструкторских работ. Отвечает за разработку математической модели оценки состояния и плодородия почвы, а также пригодности земель для выращивания сельскохозяйственных культур с учётом почвенных характеристик и природно-климатических условий. Формирует требования к продукту, определяет методику проверки моделей и алгоритмов, контролирует сроки и достижение результатов проекта.

Перейма Дмитрий — соруководитель проекта, кандидат физико-математических наук. Курирует технологическое направление: проектирование архитектуры платформы, разработку аналитических алгоритмов и ИИ-помощника, интеграцию спутниковых снимков, почвенно-климатических данных и показаний датчиков. Отвечает за программную реализацию математических моделей и объединение компонентов в единую систему. Координирует создание программно-аппаратного прототипа, технические испытания и оценку качества работы платформы.

Стасенко Никита — соруководитель проекта, кандидат технических наук. Курирует продуктовое и коммерческое направления: изучение потребностей сельскохозяйственных предприятий, формирование предложений для заказчиков и разработку бизнес-модели. Организует взаимодействие с хозяйствами и привлечение агрономов и специалистов по животноводству к оценке продукта. Координирует пилотные внедрения, оценку практической результативности решений, сбор обратной связи и подготовку платформы к выходу на рынок.

На страницу проекта

Разработка рецептуры колбасных изделий с повышенным содержанием пищевых волокон

На страницу проекта

«ЛабЛог» — проект электронного лабораторного журнала для студентов химических и материаловедческих направлений. Пользователь создаёт карточку эксперимента, указывает цель, вещества, условия проведения, вносит результаты измерений и прикрепляет фотографии. На основе заполненной карточки формируется черновик отчёта. На первом этапе планируется разработать простой прототип и проверить его удобство на небольшой группе студентов.

На страницу проекта