Для кого

Собери свою или присоединись
к команде на платформе хакатона

Онлайн

Полностью дистанционный формат — участвуй из любой точки России.

Фабрика гипотез

Ваша задача: разработать инструмент на базе ИИ, который автоматизирует генерацию и ранжирование научно-исследовательских гипотез для материаловедческих и технологических проектов. Система должна принимать на вход целевой показатель (KPI) и базу знаний (литература, исторические отчёты, эксперименты), а на выходе формировать структурированный список проверяемых гипотез с обоснованием, оценкой новизны, рисков и потенциальной ценности.
Вам не нужно создавать «чёрный ящик» — решение должно быть интерпретируемым, с прозрачной логикой формирования рекомендаций и возможностью экспертной корректировки. Хотите сделать акцент на NLP-анализе литературы, графовых базах знаний, предсказательном моделировании или гибридном подходе? Выбор за вами. Главное — чтобы инструмент ускорял старт НИОКР-проектов и снижал зависимость от субъективного опыта отдельных сотрудников.

Научный клубок

Ваша задача: создать knowledge graph или поисково-аналитическую систему, которая связывает статьи, эксперименты, материалы, свойства, режимы, установки, исследовательские команды и выводы. Вам не нужно вписываться в жесткие рамки — вы сами решаете, какую архитектуру и интерфейс предложить: графовую БД, семантический поиск, гибридное решение. Главное — чтобы система отвечала на вопросы вида: «что уже делали по сплавам X при режиме Y и какой был эффект на свойство Z», показывала связанные сущности, историю решений и пробелы в данных. Для работы вы получите доступ к корпусу внутренних документов, каталогу экспериментов, справочникам материалов и оборудования, перечню сотрудников/лабораторий и тегам тематик.

Скажи мне, кто твой шлиф

Анализ результата: SEM/OM-изображения, фазовый состав, XRD-профили, сегментация микроструктуры, быстрая оценка фазовых долей, обнаружение дефектов

Ваша задача: разработать модель машинного обучения для автоматизированного анализа материаловедческих данных — классификации и сегментации микроструктур по SEM/OM-изображениям, интерпретации XRD-профилей, оценки фазовых долей и детекции дефектов. Акцент делается на практическую применимость в условиях реального НИИ и устойчивость моделей при переходе от симулированных данных к экспериментальным (sim-to-real robustness). Вы сами определяете архитектуру решения: это может быть end-to-end пайплайн, модульный сервис или интерактивный QC-дашборд. Главное — чтобы решение ускоряло рутинный анализ, снижало субъективность экспертных оценок и интегрировалось в существующие исследовательские процессы.

1 500 000

₽