Наука

В креативных индустриях сформировался класс быстрорастущих организаций

В креативных индустриях сформировался класс быстрорастущих организаций
ИСИЭЗ НИУ ВШЭ продолжает анализировать предпринимательскую активность в отраслях и регионах России. В фокусе нового обзора, подготовленного на основе информации из базы данных «СПАРК-Интерфакс», – итоги и динамика развития креативных индустрий в 2025 г.

«Наука всемирна, она не знает границ»

Фуад Алескеров
Разработанные ординарным профессором, директором Международного центра анализа и выбора решений НИУ ВШЭ Фуадом Алескеровым и его коллегами методы сетевого анализа в библиометрии позволили определить особенности появления, взаимного влияния и цитирования публикаций в научных журналах. Частое цитирование разными изданиями одного или нескольких исследований означает высокое качество работы, а перекрестные ссылки внутри ограниченного круга журналов повышают вероятность формирования сети хищнических изданий.

Российские ученые создали открытую базу данных для изучения концентрации внимания

Российские ученые создали открытую базу данных для изучения концентрации внимания
Команда российских исследователей при участии ученых НИУ ВШЭ в Санкт-Петербурге разработала первую открытую мультимодальную базу данных с записями активности мозга, работы сердца и видеонаблюдения, которая поможет ученым понять, что происходит с мозгом человека во время глубокой концентрации. В будущем эта разработка позволит ускорить создание нейроинтерфейсов, технологий реабилитации и систем искусственного интеллекта. Статья опубликована в журнале Scientific Data.

Российский сектор ИКТ в I квартале 2026 года

Российский сектор ИКТ в I квартале 2026 года
Институт статистических исследований и экономики знаний НИУ ВШЭ анализирует тенденции развития сектора ИКТ и его сегментов в I квартале 2026 г.

Ученые НИУ ВШЭ доказали, что машинное обучение может тратить меньше ресурсов

Ученые НИУ ВШЭ доказали, что машинное обучение может тратить меньше ресурсов
Международная группа исследователей, в которой участвовали математики из Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ, теоретически обосновала простой и вычислительно легкий метод оценки неопределенности для стохастического градиентного спуска (SGD). Работа опубликована на сервере научных препринтов arXiv.org и была представлена на AISTATS 2026.

Ученые НИУ ВШЭ впервые дали юридическое определение цифровой экосистеме

Ученые НИУ ВШЭ впервые дали юридическое определение цифровой экосистеме
Цифровые экосистемы за последние годы превратились из технологической инновации в фундаментальный институт современной экономики. По последней оценке НИУ ВШЭ, их вклад в российскую экономику составляет 8,5% ВВП. Однако ни одна юрисдикция не имеет легального определения того, что такое цифровая экосистема. Ученые НИУ ВШЭ закрыли этот пробел, впервые предложив соответствующую правовую концепцию. Статья «Цифровая экосистема как новое экономическое явление и правовая концепция» опубликована в BRICS Law Journal.

Научный фандрайзинг в Китае: способы привлечения инвестиций

Научный фандрайзинг в Китае: способы привлечения инвестиций
На фоне глобального технологического соперничества и санкционного давления Китай сделал ставку на поиск внутренних источников финансирования науки и активно стимулирует приток частного капитала в эту сферу. ИСИЭЗ НИУ ВШЭ проанализировал, как власти КНР выстраивают экосистему научного фандрайзинга, превращая науку в привлекательный для бизнеса актив.

Передовые производственные технологии и технологические стратегии организаций

Передовые производственные технологии и технологические стратегии организаций
Институт статистических исследований и экономики знаний НИУ ВШЭ анализирует новые данные Росстата, дающие представление о технологических стратегиях, используемых российскими организациями при разработке и внедрении передовых решений для производства.

Новый метод НИУ ВШЭ и Т-Технологий повышает качество работы ИИ

Новый метод НИУ ВШЭ и Т-Технологий повышает качество работы ИИ
Ученые из лаборатории научных исследований «Т-Технологий» и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ разработали новый метод семплирования для моделей маскированной диффузии — G-Star+. Он помогает быстрее и качественнее исправлять ошибки во время генерации текста и кода за небольшое число шагов. Метод показал эффективность в задачах генерации текста и кода и может применяться там, где генеративным моделям нужно быстро и качественно создавать текст или код при ограниченных вычислительных ресурсах.