Введение

Представьте себе мир, где новый аэрокосмический сплав проектируется не за десятилетия, а за месяцы. Где цифровой двойник турбинной лопатки предсказывает её поведение в экстремальных условиях ещё до того, как первый грамм материала будет произведён. Где экспериментальные данные автоматически питают модели машинного обучения, а те, в свою очередь, оптимизируют следующий эксперимент без участия человека.

Это не футуристический сценарий — это дорожная карта, которую сегодня прокладывают ведущие мировые организации. За последние 15 лет сформировался глобальный консенсус: будущее материаловедения — за цифровым континуумом, объединяющим многомасштабное моделирование, экспериментальную характеризацию, управление данными и искусственный интеллект в единую экосистему.

В этом обзоре мы рассмотрим ключевые стратегические документы и инициативы, формирующие это будущее: от Инициативы по геномике материалов (MGI; Materials Genome Initiative) и интегрированного вычислительного материаловедения (ICME; Integrated Computational Materials Engineering) до дорожной карты NASA Vision 2040 и растущей роли искусственного интеллекта и машинного обучения (AI/ML; Artificial Intelligence/Machine Learning). Также будут проанализированы аналогичные инициативы в России, Китае, Европейском Союзе и Японии, а также рассмотрен практический кейс реализации цифрового инжиниринга (Digital Engineering) на примере платформы вычислительного инжиниринга (Computational Engineering) Noyron.

---

1. Инициатива по геномике материалов (MGI): 15 лет трансформации

Запущенная в 2011 году администрацией Обамы, Инициатива по геномике материалов (MGI; Materials Genome Initiative) стала первым системным шагом к переосмыслению того, как разрабатываются и внедряются новые материалы. Её ключевая идея проста и амбициозна: если геномика произвела революцию в биологии, то аналогичный подход может трансформировать материаловедение [7].

В 2021 году было опубликовано обновление стратегического плана MGI, определяющее направления на следующее десятилетие. Стратегия фокусируется на трёх ключевых элементах [7]:

1. Вычислительные инструменты — от расчётов на основе теории функционала плотности (DFT; Density Functional Theory) до многомасштабного моделирования.
2. Экспериментальные инструменты — включая высокопроизводительные методы характеризации.
3. Цифровая инфраструктура данных — обеспечивающая FAIR-принципы (Findable, Accessible, Interoperable, Reusable).

Ключевым механизмом реализации MGI стала программа DMREF (Designing Materials to Revolutionize and Engineer our Future) Национального научного фонда США (NSF; National Science Foundation) , поддерживающая междисциплинарные исследовательские группы с быстрым циклом обратной связи между экспериментом и теорией [30].

---

2. Интегрированное вычислительное материаловедение (ICME): от теории к практике

Параллельно с MGI развивалась дисциплина, которая должна была сделать её идеи реальностью — интегрированное вычислительное материаловедение (ICME; Integrated Computational Materials Engineering) [2].

ICME — это не просто набор инструментов, а философия проектирования, при которой модели материалов всех масштабов (от квантового до макроскопического) интегрируются в единый инжиниринговый конвейер. Ключевая концепция — PSPP-связи (Processing-Structure-Property-Performance): обработка определяет структуру, структура — свойства, свойства — производительность [2].

Наибольший прогресс достигнут в области конструкционных материалов и их механических свойств. ICME активно применяется при разработке новых металлических сплавов, особенно в аэрокосмической и автомобильной промышленности. Однако, как отмечают специалисты, в области керамических материалов ICME используется значительно реже [2].

Ключевые барьеры на пути широкого внедрения ICME носят не столько технический, сколько культурный и организационный характер. Интеграция моделей материалов с системами автоматизированного проектирования (CAD; Computer-Aided Design) и инженерного анализа (CAE; Computer-Aided Engineering) остаётся нетривиальной задачей, требующей не только технологических, но и организационных решений [2].

---

3. NASA Vision 2040: Дорожная карта для многомасштабного моделирования

Пожалуй, самый амбициозный и детальный документ в этой области — «Vision 2040: A Roadmap for Integrated, Multiscale Modeling and Simulation of Materials and Systems» , опубликованный Национальным управлением по аэронавтике и исследованию космического пространства (NASA; National Aeronautics and Space Administration) в 2018 году [3].

Дорожная карта описываете будущее состояние, в котором моделирование материалов и систем будет полностью интегрировано в единую кибер-физико-социальную экосистему. К 2040 году [3]:

• Модели материалов будут бесшовно связаны с моделями процессов и конструкций.
• Данные будут автоматически собираться, аннотироваться и становиться доступными для повторного использования.
• Оптимизация будет учитывать неопределённости на всех масштабах.
• Сертификация будет в значительной степени основываться на моделировании, а не на физических испытаниях.

Девять ключевых элементов

Документ выделяет девять взаимосвязанных направлений (Key Elements), которые должны быть развиты для достижения цели [3]:

1. Модели и методологии
2. Многомасштабные инструменты измерения и характеризации
3. Оптимизация и методологии оптимизации
4. Принятие решений и количественная оценка и управление неопределенностью (UQ; Uncertainty Quantification)
5. Верификация и валидация (V&V; Verification and Validation)
6. Данные, информатика и визуализация
7. Рабочие процессы и среды сотрудничества
8. Образование и подготовка кадров
9. Вычислительная инфраструктура

Особое внимание уделяется модельно-ориентированным определениям (Model-Based Definitions) — цифровым спецификациям, связывающим геометрию, микроструктуру и свойства материалов с технологическими процессами. Это переход от статических эмпирических кривых к динамическим моделям, которые адаптируются к изменениям в проектировании [3].

---

4. Инфраструктура данных: фундамент цифрового материаловедения

Без надёжной инфраструктуры данных все остальные усилия теряют смысл. Эту проблему осознают все ключевые игроки.

Инициативы TMS

Общество минералов, металлов и материалов (TMS; The Minerals, Metals & Materials Society) провело масштабное исследование «Building a Materials Data Infrastructure» , которое выявило ключевые барьеры и предложило конкретные рекомендации по их преодолению. Среди вызовов — долгосрочное хранение данных, стандартизация форматов, вопросы интеллектуальной собственности и стимулы для обмена данными [4].

Европейские инициативы

В Европе активно развивается проект Materials Commons , создающий федеративную цифровую инфраструктуру для обмена данными о материалах. Ключевая идея — единая точка доступа к распределённым ресурсам данных и инструментов рабочих процессов [10].

Принципы FAIR

Центральным принципом современных инициатив по управлению данными стали FAIR-принципы , обеспечивающие, чтобы данные были Findable (находимыми), Accessible (доступными), Interoperable (интероперабельными) и Reusable (пригодными для повторного использования). Эти принципы сегодня являются стандартом де-факто для научных данных в материаловедении [19].

---

5. Верификация, валидация и количественная оценка неопределенности (V&V&UQ)

По мере того как моделирование становится основой принятия решений, вопросы верификации и валидации (V&V; Verification and Validation) , а также количественной оценки неопределенности (UQ; Uncertainty Quantification) выходят на первый план. Эти три процесса, объединяемые под общим термином V&V&UQ , являются критическими для обеспечения достоверности результатов моделирования и их приемлемости для сертификации.

Верификация (Verification) — это процесс определения того, насколько правильно модель решает уравнения, которые она должна решать (решение правильных уравнений). Валидация (Validation) — это процесс определения того, насколько правильно модель описывает реальное физическое явление (правильные уравнения). Количественная оценка неопределенности (Uncertainty Quantification) — это процесс количественного анализа источников неопределенности (входные данные, параметры модели, экспериментальные погрешности) и их влияния на выходные результаты моделирования.

Фундаментальные работы в этой области выполнены Американским обществом инженеров-механиков (ASME; American Society of Mechanical Engineers) и Американским институтом аэронавтики и астронавтики (AIAA; American Institute of Aeronautics and Astronautics) .

• ASME V&V 10 — «Guide for Verification and Validation in Computational Solid Mechanics» предоставляет сообществу вычислительной механики твердого тела общий язык, концептуальную основу и общие рекомендации по внедрению процессов V&V [24].
• AIAA G-077-1998 — «Guide for the Verification and Validation of Computational Fluid Dynamics Simulations» устанавливает ключевую терминологию, фундаментальные концепции и общие процедуры для проведения V&V в области вычислительной гидродинамики (CFD; Computational Fluid Dynamics) [25].

Классическим трудом, обобщающим эти подходы, является монография Уильяма Л. Оберкампфа (William L. Oberkampf) и Кристофера Дж. Роя (Christopher J. Roy) «Verification and Validation in Scientific Computing» [26].

Международная ассоциация инженерного моделирования, анализа и симуляции (NAFEMS; International Association for the Engineering Modelling, Analysis and Simulation Community) также активно развивает эту область, предлагая практические руководства, такие как «Guidelines for Validation of Engineering Simulations», и продвигая системный «кирпичный» подход к построению доверия к моделям [6].

---

6. Российская дорожная карта: «Технологии новых материалов и веществ»

В России основным стратегическим документом в этой области является Дорожная карта развития высокотехнологичного направления «Технологии новых материалов и веществ» (ДК ТНМиВ) , утверждённая Правительством Российской Федерации в 2020 году [1].

Документ включает четыре основных направления [1]:

1. Полимерные композиционные материалы
2. Аддитивные технологии
3. Редкоземельные металлы
4. Цифровое материаловедение — добавлено в 2023 году

Реализацией дорожной карты занимаются Госкорпорация «Росатом» , Российская академия наук (РАН) , МГТУ им. Н.Э. Баумана и Новосибирский государственный университет. Росатом развивает комплекс цифровых инструментов, включающий базы данных, алгоритмы и методики для решения задач материаловедения [12].

Специфика российского подхода — фокус на импортозамещение и критические материалы, что обусловлено внешними экономическими условиями и необходимостью технологической независимости [11].

---

7. Китайская стратегия: «Инженерная наука и технологии Китая до 2040 года»

Один из наиболее системных азиатских документов — «Стратегия развития инженерной науки и технологий Китая до 2040 года: Отчёт по областям химической промышленности, металлургии и материалов» (中国工程科技2040发展战略·化工、冶金与材料领域报告) [13].

Документ охватывает 11 подотраслей и включает [13]:

• анализ мировых тенденций
• технологическое прогнозирование до 2040 года
• стратегические цели и архитектуру
• ключевые задачи и пути развития
• рекомендации по фундаментальным исследованиям

Выпущен под эгидой Китайской инженерной академии (CAE; Chinese Academy of Engineering) с участием около 300 академиков и 900 экспертов [14].

Этапный план развития до 2040 года включает четыре этапа [15]:

Ключевые направления [14, 15]:

• Материальная геномика и интеллектуальное проектирование материалов (AI-дизайн, цифровые двойники)
• Передовые металлы (жаропрочные сплавы, титан, алюминий, магний)
• Керамические матричные композиты
• Передовые полимеры и композиты
• Передовые функциональные материалы

---

8. Европейский Союз: EMMC и цифровая трансформация

Европейский совет по моделированию материалов (EMMC; European Materials Modelling Council) с 2015 года выпускает серию дорожных карт [8]. Последняя редакция (2025) посвящена цифровой трансформации материаловедения и созданию общеевропейской инфраструктуры [8].

Ключевые рекомендации EMMC [9]:

• Развитие стандартизированных форматов данных для материалов
• Создание федеративной инфраструктуры (Materials Commons)
• Интеграция моделирования и экспериментов
• Подготовка кадров нового типа
• Развитие интероперабельных инструментов

Смежные европейские инициативы:

• Materials Commons — общеевропейская инфраструктура для обмена данными о материалах [10]
• Нидерланды — дорожная карта «Химия передовых материалов» (до 2040 года) с акцентом на функциональные материалы, тонкие плёнки, покрытия и материалы для устойчивой энергетики.
• Великобритания — «Дорожная карта термоядерных материалов 2.0» (Управление по атомной энергии Великобритании (UKAEA; United Kingdom Atomic Energy Authority) , 2025).

---

9. Япония: «Инновации в материалах 2040»

Японский документ «Инновации в материалах 2040: Дорожная карта ключевых материальных технологий для автомобильной промышленности, электронных компонентов и полупроводников» (マテリアル・イノベーション2040) содержит подробные дорожные карты для трёх ключевых отраслей [16].

Ключевые цифровые технологии [16]:

• Информатика материалов (MI; Materials Informatics)
• Информатика процессов (PI; Process Informatics)
• Квантовые компьютеры
• Робототехника

Анализирует 30 ключевых материалов на основе патентного и литературного анализа, описывая их эволюцию до 2040 года [17].

Дополнительные стратегические документы:

• «Стратегия укрепления инновационного потенциала в области материалов» (Канцелярия Кабинета министров Японии (CAO; Cabinet Office) , 2025) [17]
• «Дорожная карта по направлению "Материалы (стратегические полезные ископаемые и компонентные материалы)"» (Министерство экономики, торговли и промышленности Японии (METI; Ministry of Economy, Trade and Industry) , 2026) [18]

---

10. Цифровые двойники (Digital Twins): виртуальное отражение реальности

Цифровые двойники — одна из самых горячих тем в современном материаловедении и инжиниринге. Согласно определению Министерства обороны США (DoD; U.S. Department of Defense) (DoD Instruction 5000.97), цифровой двойник — это «виртуальное представление продукта, системы или процесса, которое использует наилучшие доступные модели, данные с датчиков, информацию из физической системы и входные данные для зеркального отражения и прогнозирования активности системы» [5].

За последнее десятилетие (2015–2025) цифровые двойники прошли путь от нишевой концепции до трансформационного инструмента, обеспечивающего интеграцию данных в реальном времени, прогностическое моделирование и виртуальные испытания [20].

Особый интерес представляют цифровые двойники материалов (Digital Material Twins) — виртуальные реплики, реконструируемые из пространства данных с помощью инструментов анализа и моделей материалов. Они позволяют передавать пространственно и временные свойства материалов на протяжении всего жизненного цикла продукта, преодолевая границы отдельных компаний [28].

NASA активно развивает эту концепцию. В одном из проектов цифровой двойник электрической системы Orion был интегрирован с моделями от требований до проектной реализации, обеспечивая прогностику быстрее реального времени и возможность обработки телеметрических данных миссии Artemis I [3].

---

11. AI и машинное обучение: новый двигатель материаловедения

Искусственный интеллект и машинное обучение стремительно трансформируют материаловедение, предлагая инструменты для навигации в сложности, ускорения открытий и оптимизации дизайна материалов [21, 22].

Согласно недавнему обзору, опубликованному в MRS Bulletin, развитие AI в материаловедении идёт по трём основным направлениям [21]:

1. Ускорение многомасштабного моделирования — использование суррогатных моделей и нейросетей для замены дорогостоящих расчётов.
2. Интеграция AI в научную инфраструктуру — от автоматизированных лабораторий до семантических баз данных.
3. Генеративный и воплощённый интеллект — системы, способные не только предсказывать, но и предлагать новые решения.

Отдельное направление — информатика материалов (Materials Informatics) , использующая методы машинного обучения для извлечения знаний из больших массивов данных [4, 23]. Это включает:

• Прогнозирование свойств материалов на основе состава и структуры.
• Обратный дизайн — поиск составов и структур с заданными свойствами.
• Автоматическую характеризацию микроструктурных изображений.

Следующий рубеж — полностью автономные лаборатории, где AI управляет экспериментами, обрабатывает данные в реальном времени и принимает решения о следующем шаге без участия человека [22].

---

12. Вычислительный инжиниринг в действии: кейс LEAP 71 и Noyron

В 2026 году компания Electro Optical Systems (EOS) совместно с LEAP 71 продемонстрировала, как вычислительный инжиниринг (Computational Engineering) и аддитивные технологии могут реализовать принципы, заложенные в дорожных картах, на практике [1].

LEAP 71 является пионером в новой области вычислительного инжиниринга (Computational Engineering) , где сложные физические продукты создаются с помощью крупных программных моделей [4†L34-L36]. В этой парадигме инженеры кодируют свои знания в компьютерные алгоритмы, а результирующая вычислительная модель (Computational Engineering Model, CEM) синтезирует геометрию и предоставляет данные для производственного процесса [4†L36-L38].

Платформа Noyron

Центральным элементом цепочки разработки выступает Large Computational Engineering Model Noyron, созданная компанией LEAP 71 [27]. Noyron представляет собой фундаментальную вычислительную модель для инжиниринга, которая кодирует экспертные знания, физику (например, тепловые модели), правила производственных процессов и связанные данные в единую согласованную структуру [0†L4-L8].

В отличие от традиционных CAD-систем, где конструктор вручную вычерчивает геометрию, Noyron использует принцип параметрического кодирования физических законов. Инженер задаёт высокоуровневые входные параметры (тягу, тип топлива, давление, целевой материал), после чего программный комплекс автономно синтезирует трёхмерную модель, руководствуясь расчётами газодинамики, теплопередачи и прочности [1].

Мультидисциплинарный анализ

Noyron реализует мультидисциплинарный анализ в рамках единого вычислительного конвейера на основе слабосвязанного итерационного решения:

• Гидравлическое сопротивление — решение уравнений Навье-Стокса для турбулентных потоков в каналах регенеративного охлаждения.
• Управление термическими напряжениями — передача полей температур и давлений в структурный блок для анализа термонапряжённого состояния.
• Оптимизация массы — на основе распределения напряжений (по критерию Мизеса) в недогруженных зонах выполняется удаление материала, что позволяет сократить массу компонента на 30–40 % без потери запаса прочности [9].

Материалы и аддитивная печать

Критическим материалом для камеры сгорания выступил сплав CuCr1Zr (медь-хром-цирконий) с теплопроводностью около 350 Вт/(м·К), позволяющей отводить тепловые потоки до 20 МВт/м² [8]. EOS решила проблему печати этого высокотеплопроводного сплава с помощью специализированной оптики и адаптивных стратегий сканирования, обеспечив плотность материала более 99,9 % и герметичность конструкции.

Хронология: от прототипов к промышленным заказчикам

Аппаратная независимость

Платформа Noyron интегрирована с принтерами EOS, HBD, Farsoon и Nikon SLM, работая с материалами от CuCr1Zr до Inconel 718. Это подтверждает, что Noyron оперирует фундаментальными физическими законами, а не настройками конкретного оборудования, что позволяет тиражировать решение на любую индустриальную базу.

---

13. Общие вызовы и перспективы

Несмотря на впечатляющий прогресс, остаются серьёзные вызовы:

Культурные барьеры

Интеграция материаловедения и системного инжиниринга требует не только технических, но и культурных изменений. Специалисты разных дисциплин должны научиться говорить на одном языке и работать в единых цифровых средах [2, 3].

Инфраструктура данных

Стандартизация форматов, онтологий и метаданных остаётся серьёзной проблемой. Без неё обмен данными между организациями и даже внутри крупных корпораций остаётся сложным [4, 19].

Образование

Подготовка кадров нового типа — специалистов, владеющих одновременно материаловедением, вычислительными методами, наукой о данных и системным мышлением — требует пересмотра образовательных программ [3, 9].

Интеллектуальная собственность

Вопросы защиты интеллектуальной собственности и экспортного контроля ограничивают обмен данными и моделями между организациями, замедляя прогресс [2, 4].

---

Сравнительная таблица по регионам

---

Заключение: Путь к 2040 году

Анализ ключевых дорожных карт и стратегических инициатив показывает удивительный консенсус: будущее материаловедения — за цифровым континуумом, объединяющим многомасштабное моделирование, экспериментальную характеризацию, управление данными, искусственный интеллект и цифровые двойники в единую экосистему.

Кейс LEAP 71 и Noyron наглядно демонстрирует, что принципы, заложенные в дорожных картах, уже работают на практике. Цикл «проектирование → моделирование → оптимизация → аддитивное производство → испытания» сокращён до 14 дней, а технологическая платформа демонстрирует аппаратную и материаловедческую независимость [1, 4, 5]. Этот пример подтверждает, что вычислительный инжиниринг (Computational Engineering) , основанный на кодировании физических законов и логики проектирования, становится мощным инструментом в рамках общего цифрового инжиниринга (Digital Engineering) , объединяющего весь жизненный цикл создания изделий.

Ключевые выводы:

1. Интеграция — главный приоритет. Отдельные инструменты и методы уже существуют; задача — соединить их в работающие цепочки [2, 3].

1. Данные — новая валюта. Инфраструктура данных, основанная на FAIR-принципах, является фундаментом всей экосистемы [4, 19].

1. AI/ML — ускоритель. Искусственный интеллект не заменяет физическое понимание, но многократно ускоряет его применение [21, 22].

1. Культурные изменения не менее важны, чем технологические. Без смены парадигм мышления и организации работы даже лучшие технологии останутся невостребованными [2, 3].

1. Доверие к моделям — основа цифровой сертификации. Стандарты V&V (ASME, AIAA) и фундаментальные работы создают методологическую базу для принятия решений на основе моделирования [24, 25, 26].

1. 2040 год — реалистичный горизонт. Дорожные карты задают амбициозные, но достижимые цели при условии скоординированных усилий всех заинтересованных сторон [3].

Материаловедение вступает в новую эру — эру, где цифровые технологии становятся не просто инструментом, а основой методологии. И если текущие тенденции сохранятся, к 2040 году мы увидим не просто эволюцию, а настоящую революцию в том, как создаются и применяются материалы.

---

Список литературы (в порядке цитирования)

1. EOS напечатала ракетный двигатель за 2 недели: ИИ заменил инженеров-конструкторов [Электронный ресурс] // iXBT.com. – 26.07.2026. – URL: https://www.ixbt.com/live/3d-modelling/eos-napechatala-raketnyy-dvigatel-za-2-nedeli-ii-zamenil-inzhenerov-konstruktorov.html (дата обращения: 27.07.2026).

1. Implementing Integrated Computational Materials Engineering (ICME) in the Aerospace, Automotive, and Maritime Industries [Текст] / The Minerals, Metals & Materials Society (TMS). – Warrendale, PA : TMS, 2013. – 150 p.

1. Vision 2040: A Roadmap for Integrated, Multiscale Modeling and Simulation of Materials and Systems [Текст] / X. Liu, D. Furrer, J. Kosters, J. Holmes ; prepared under Contract NNC15BA06B. – Washington, D.C. : NASA, 2018. – 175 p. – (NASA/CR–2018-219771).

1. Building a Materials Data Infrastructure: Opening New Pathways to Discovery and Innovation in Science and Engineering [Текст] / The Minerals, Metals & Materials Society (TMS). – Pittsburgh, PA : TMS, 2017. – 120 p.

1. Department of Defense Instruction 5000.97: Digital Engineering [Текст] / U.S. Department of Defense. – Washington, D.C. : DoD, 2018. – 35 p.

1. Guidelines for Validation of Engineering Simulations [Текст] / NAFEMS. – Glasgow : NAFEMS, 2025. – 85 p.

1. Materials Genome Initiative Strategic Plan [Текст] / National Science and Technology Council. – Washington, D.C. : Executive Office of the President, 2021. – 45 p.

1. EMMC Roadmap 2025 – Consultation [Электронный ресурс] / European Materials Modelling Council (EMMC). – Vienna, 2025. – URL: https://emmc.eu/news/emmc-roadmap-2025/ (дата обращения: 05.08.2026).

1. EMMC Roadmap on “Digital Transformation of Materials Science” [Текст] / European Materials Modelling Council (EMMC). – 2nd ed. – Vienna : EMMC, 2023. – 85 p.

1. Materials Commons: A Collaboration Platform and Information Repository for the Global Materials Community [Текст] / B. Puchala [et al.] // JOM. – 2016. – Vol. 68, no. 8. – P. 2035–2044. – DOI: 10.1007/s11837-016-1998-8.

1. В РАН обсудили выполнение дорожной карты развития направления «Технологии новых материалов и веществ» [Электронный ресурс] : [сайт] / Рос. акад. наук. – М., 2025. – URL: https://new.ras.ru/press-center/v-ran-obsudili-vypolnenie-dorozhnoy-karty-razvitiya-napravleniya-tekhnologii-novykh-materialov-i-veshch/ (дата обращения: 05.08.2026).

1. Росатом разрабатывает отечественный комплекс цифровых инструментов для создания новых перспективных материалов [Электронный ресурс] // Atomic-Energy.ru. – 2023. – 23 нояб. – URL: https://www.atomic-energy.ru/news/2023/11/23/139426 (дата обращения: 05.08.2026).

1. 中国工程科技2040发展战略·化工、冶金与材料领域报告 (Стратегия развития инженерной науки и технологий Китая до 2040 года: Отчёт по областям химической промышленности, металлургии и материалов) [Текст] / «中国工程科技2040发展战略研究»项目组 (Проектная группа «Исследование стратегии развития инженерной науки и технологий Китая до 2040 года»). – 北京 (Пекин) : 科学出版社 (Научное издательство), 2025. – 356 с. – ISBN 978-7-5088-6748-9.

1. 面向2040的发展战略：我国先进材料领域的关键共性技术与颠覆性技术 (Стратегия развития до 2040 года: Ключевые общие технологии и прорывные технологии в области передовых материалов Китая) [Электронный ресурс] // ChinaFM.org.cn (официальный портал Китайской инженерной академии). – 2026. – 9 апр. – URL: https://www.chinafm.org.cn (дата обращения: 05.08.2026).

1. 15张图详解2040新材料发展路线图 (Дорожная карта развития новых материалов до 2040 года: подробный разбор в 15 иллюстрациях) [Электронный ресурс] // Cailiaodata.com (портал материаловедческих данных Китая). – 2026. – 3 июля. – URL: https://www.cailiaodata.com (дата обращения: 05.08.2026).

1. マテリアル・イノベーション2040：自動車・電子部品・半導体キーマテリアル技術ロードマップ (Инновации в материалах 2040: Дорожная карта ключевых материальных технологий для автомобильной промышленности, электронных компонентов и полупроводников) [Текст] / 日経BP (Nikkei BP). – 東京 (Токио) : 日経BP (Nikkei BP), 2026. – 320 с. – ISBN 978-4-296-20286-7.

1. マテリアル革新力強化戦略 (Стратегия укрепления инновационного потенциала в области материалов) [Электронный ресурс] / 内閣府 (Канцелярия Кабинета министров Японии). – 東京 (Токио), 2025. – 4 июня. – URL: https://www8.cao.go.jp (дата обращения: 05.08.2026).

1. 「マテリアル（重要鉱物・部素材）」分野ロードマップ（案） (Дорожная карта по направлению «Материалы (стратегические полезные ископаемые и компонентные материалы)» (проект)) [Электронный ресурс] / 経済産業省 (Министерство экономики, торговли и промышленности Японии). – 東京 (Токио), 2026. – 21 апр. – URL: https://www.meti.go.jp (дата обращения: 05.08.2026).

1. Wilkinson, M.D. The FAIR Guiding Principles for Scientific Data Management and Stewardship [Текст] / M.D. Wilkinson, M. Dumontier, I.J. Aalbersberg [et al.] // Scientific Data. – 2016. – Vol. 15, Issue 3. – DOI: 10.1038/sdata.2016.18.

1. A Decade of Digital Twins in Materials Science and Engineering [Текст] // ScienceDirect. – 2025. – URL: https://www.sciencedirect.com (дата обращения: 05.08.2026).

1. Computation and machine learning for materials: Past, present, and future perspectives [Текст] // MRS Bulletin. – 2025. – URL: https://www.mrs.org/bulletin (дата обращения: 05.08.2026).

1. AI4X Roadmap: Artificial Intelligence for the advancement of scientific pursuit [Текст] / arXiv. – 2025. – URL: https://arxiv.org (дата обращения: 05.08.2026).

1. Materials Informatics at NASA GRC: Machine Learning Surrogate Modeling, Data Management, and Integrated Toolsets [Текст] / NASA Glenn Research Center. – Cleveland, OH : NASA, 2024. – 30 p.

1. ASME V&V 10-2006 (R2016): Guide for Verification and Validation in Computational Solid Mechanics [Текст] / American Society of Mechanical Engineers. – New York : ASME, 2006. – 36 p.

1. AIAA G-077-1998(2002): Guide for the Verification and Validation of Computational Fluid Dynamics Simulations [Текст] / American Institute of Aeronautics and Astronautics. – Reston, VA : AIAA, 1998. – 35 p.

1. Oberkampf, W.L. Verification and Validation in Scientific Computing [Текст] / W.L. Oberkampf, C.J. Roy. – New York : Cambridge University Press, 2010. – 767 p. – ISBN 978-0-521-11360-1.

1. LEAP 71. Noyron Computational Engineering Model [Электронный ресурс] // LEAP 71. – URL: https://leap71.com/noyron (дата обращения: 27.07.2026).

1. Digital Material Twins [Электронный ресурс] / Fraunhofer Institute for Mechanics of Materials IWM. – URL: https://www.iwm.fraunhofer.de (дата обращения: 05.08.2026).

1. LEAP 71. The Exploration Company Licenses LEAP 71’s Noyron RP for the Design of Next-Generation Rocket Engines [Электронный ресурс] // LEAP 71. – 24.03.2026. – URL: https://leap71.com/2026/03/24/the-exploration-company-licenses-leap-71s-noyron-rp-for-the-design-of-next-generation-rocket-engines/ (дата обращения: 27.07.2026).

1. NSF DMREF Program [Электронный ресурс] : Designing Materials to Revolutionize and Engineer our Future / National Science Foundation. – URL: https://www.nsf.gov/funding/pgm_summ.jsp?pims_id=505289 (дата обращения: 05.08.2026).

Расшифровка аббревиатур

Вспомните 2022–2023 годы, когда компания LEAP 71 впервые заявила о создании ракетного двигателя с помощью алгоритмов за две недели. Тогда многие инженеры (и автор этих строк в том числе) отреагировали скептически: «Подождём, посмотрим. Если подход реален, через год мы увидим серию, а не единичный прототип».

Прошло четыре года. И в июле 2026 года компания Electro Optical Systems (EOS) совместно с LEAP 71 выдала результат, который разбивает этот скептицизм в пух и прах: проектирование и изготовление ракетного двигателя с нуля были завершены за 14 дней, а один из напечатанных компонентов выдержал 33 цикла реальных огневых стендовых испытаний [1]. Технология перешла из разряда маркетинговых демонстраций в статус легитимного индустриального инструмента.

Центральным элементом в цепочке разработки выступает платформа вычислительного инжиниринга Noyron, созданная компанией LEAP 71 [2]. В отличие от традиционных CAD-систем, где конструктор вручную вычерчивает геометрию, Noyron использует принцип параметрического кодирования физических законов. Инженер задает высокоуровневые входные параметры (требуемую тягу, тип топливной пары, давление в камере, целевой материал), после чего программный комплекс автономно синтезирует трехмерную модель, руководствуясь расчетами газодинамики, теплопередачи и прочности. Как отмечал Филипп Стих, отраслевой менеджер EOS, данный подход исключает субъективный фактор в проектировании — все изменения вносятся исключительно на основе математической обратной связи от тестовых данных [1].

Инженерное преимущество Noyron заключается в реализации мультидисциплинарного анализа в рамках единого вычислительного конвейера. Методология базируется на слабосвязанном (weakly coupled) итерационном решении многодисциплинарных задач. В силу отсутствия сколько-нибудь заметных эффектов жесткой связанности между газодинамическим, тепловым и прочностным полями в данной конструкции, применяется итерационная схема с последовательной передачей граничных условий между физическими блоками.

• Гидравлическое сопротивление. Программный комплекс решает уравнения Навье-Стокса для турбулентных потоков внутри каналов регенеративного охлаждения. В зонах максимального теплоподвода (горловина сопла) каналы автоматически сужаются для повышения скорости потока и коэффициента теплоотдачи, а в менее нагруженных зонах — расширяются для минимизации перепада давления [9].

• Управление термическими напряжениями. Поля температур и давлений, полученные на этапе гидравлического расчета, передаются в структурный блок для анализа термонапряженного состояния, где прогнозируются градиенты температур и исключаются условия для возникновения необратимых пластических деформаций в рабочем цикле.

• Оптимизация массы. На основе распределения напряжений (по критерию Мизеса) в недогруженных зонах выполняется эрозия материала, что позволяет сократить массу компонента на 30–40% без потери запаса прочности.

Критическим материалом для камеры сгорания выступает сплав CuCr1Zr (медь-хром-цирконий). Его выбор обусловлен теплопроводностью около 350 Вт/(м·К), позволяющей отводить тепловые потоки до 20 МВт/м² (эквивалентно тепловыделению 200 000 стоваттных ламп накаливания на площади 1 м²), что необходимо для поддержания целостности стенок в условиях экстремальных температур [8].

Главная сложность аддитивной печати данного сплава заключается в его высокой температуропроводности: тепло от лазерного луча мгновенно рассеивается в объем детали, что не позволяет локально сформировать стабильную ванну расплава. Компания EOS решила эту задачу путем использования специализированной оптики и адаптивных стратегий сканирования, обеспечивающих плотность материала более 99,9% и герметичность конструкции.

Заявления 2022–2023 годов базировались на единичных прототипах. Однако четырехлетний период, прошедший до июля 2026 года, позволил LEAP 71 и ее партнерам накопить обширную эмпирическую базу и выйти на промышленный уровень. Хронология ключевых событий подтверждает закономерный прогресс:

• Декабрь 2024 года. Noyron успешно проходит огневые испытания двигателя с соплом Aerospike — одной из самых сложных с точки зрения гидравлики и тепловой защиты архитектур.

• Ноябрь–декабрь 2025 года. LEAP 71 подписывает соглашение с Aspire Space о разработке двигателей для полностью многоразового космического корабля Oryx [6]. В тот же период проводятся огневые испытания двух орбитальных метановых двигателей, спроектированных Noyron [7]. Одновременно анонсируются партнерства с мировыми производителями 3D-принтеров — Farsoon (Китай) и Nikon SLM (Япония/Германия), что доказывает аппаратную независимость платформы.

• 12 марта 2026 года. Компания HBD (Шанхай) совместно с LEAP 71 создает крупнейший в мире напечатанный ракетный двигатель с аэродинамическим шипом (модель XRA-2E5) с тягой 200 кН (20 тонн). Двигатель высотой 1 метр был изготовлен из никелевого суперсплава Inconel 718 на десятилазерной системе HBD 800 за 289 часов непрерывной печати [4]. Релиз прямо указывает, что «успешное производство с первой попытки демонстрирует стабильность платформы», что полностью подтверждает предсказуемость алгоритмов Noyron.

• 24 марта 2026 года. Европейская космическая компания The Exploration Company (TEC) — разработчик многоразовой капсулы Nyx и двигателя Typhoon — подписывает пятилетнее лицензионное соглашение на использование Noyron RP [3]. TEC имеет контракты на сумму более 800 миллионов евро, что делает лицензирование Noyron не единичным экспериментом, а стратегической инвестицией.

• 4 мая 2026 года. Базирующаяся в ОАЭ компания Sindan объявляет о стратегическом партнерстве с LEAP 71 для локализации производства аэрокосмических систем в регионе. Под управлением Sindan находятся более 40 крупноформатных систем аддитивного производства металлов, что замыкает цикл от автономного проектирования до серийного выпуска [5].

• Июль 2026 года (кульминация). Компания EOS заявляет о сокращении цикла до 14 дней и 33 успешных огневых испытаниях, полностью подтверждая масштабируемость подхода [1].

Предоставленная хронология наглядно показывает, что Noyron не привязан к конкретному производителю оборудования. Платформа успешно интегрирована с принтерами EOS (немецкий ветеран), HBD (китайский гигант крупноформатной печати), Farsoon и Nikon SLM. Аналогично, диапазон материалов варьируется от медного сплава CuCr1Zr (для камер сгорания в проекте EOS) до жаропрочного никелевого сплава Inconel 718 (для двигателя XRA-2E5). Такая гибкость указывает на то, что Noyron работает не с конкретными настройками станков, а с фундаментальными физическими законами и производственными ограничениями, что позволяет тиражировать решение на любую индустриальную базу.

На данный момент в открытых источниках отсутствуют сертифицированные отчеты сторонних лабораторий (например, NASA или ESA) о внутренней структуре материалов. Однако объективным эмпирическим подтверждением работоспособности технологии служит сама совокупность фактов: 33 успешных огневых испытания компонента EOS [1], многократные успешные пуски двигателей, спроектированных Noyron [7], а главное — коммерческое лицензирование со стороны TEC [3] и инвестиции в промышленную инфраструктуру со стороны Sindan [5]. В аддитивной индустрии многократное испытание детали в экстремальных термических и барических режимах с положительным результатом является исчерпывающим доказательством ресурса.

Четырехлетний период, прошедший с первых заявлений LEAP 71, потребовался для того, чтобы цифровые алгоритмы прошли жесткую обкатку реальной металлургией, термодинамикой и гидравликой. В 2026 году мы имеем дело не с маркетинговой демонстрацией, а с готовым к масштабированию индустриальным стандартом. Сокращение цикла до 2 недель, статистика в 33 огневых испытания, а также наличие нескольких крупных коммерческих заказчиков (TEC, Aspire Space, Sindan) и аппаратных партнеров (EOS, HBD, Farsoon, Nikon) открывают новые перспективы для многоразовых ракетных систем, где быстрое обновление компонентов становится экономически оправданным.

Список литературы

1. EOS напечатала ракетный двигатель за 2 недели: ИИ заменил инженеров-конструкторов [Электронный ресурс] // iXBT.com. – 26.07.2026. – URL: https://www.ixbt.com/live/3d-modelling/eos-napechatala-raketnyy-dvigatel-za-2-nedeli-ii-zamenil-inzhenerov-konstruktorov.html (дата обращения: 27.07.2026).

2. LEAP 71. Noyron Computational Engineering Model [Электронный ресурс] // LEAP 71. – URL: https://leap71.com/noyron (дата обращения: 27.07.2026).

3. LEAP 71. The Exploration Company Licenses LEAP 71’s Noyron RP for the Design of Next-Generation Rocket Engines [Электронный ресурс] // LEAP 71. – 24.03.2026. – URL: https://leap71.com/2026/03/24/the-exploration-company-licenses-leap-71s-noyron-rp-for-the-design-of-next-generation-rocket-engines/ (дата обращения: 27.07.2026).

4. LEAP 71. LEAP 71 and HBD Create World’s Largest 3D-Printed Aerospike Rocket Engine[Электронный ресурс] // LEAP 71. – 12.03.2026. – URL: https://leap71.com/2026/03/12/hbdxleap71tctshanghai2026/ (дата обращения: 27.07.2026).

5. LEAP 71. LEAP 71 and Sindan Join Forces to Bring AI-Developed Aerospace Systems to the UAE[Электронный ресурс] // LEAP 71. – 04.05.2026. – URL: https://leap71.com/2026/05/04/leap71xsindan/ (дата обращения: 27.07.2026).

6. LEAP 71. LEAP 71 and Aspire Space Sign Landmark Agreement to Develop Rocket Engines for the Fully Reusable Oryx Spacecraft [Электронный ресурс] // LEAP 71. – 19.11.2025. – URL: https://leap71.com/2025/11/19/leap-71-and-aspire-space-sign-landmark-agreement-to-develop-rocket-engines-for-the-fully-reusable-oryx-spacecraft/ (дата обращения: 27.07.2026).

7. LEAP 71. LEAP 71 Hot-Fires Two Orbital-Class Methalox Engines Designed Autonomously by Noyron [Электронный ресурс] // LEAP 71. – 11.12.2025. – URL: https://leap71.com/2025/12/11/leap-71-hot-fires-two-orbital-class-methalox-engines-designed-autonomously-by-noyron/ (дата обращения: 27.07.2026).

8. EOS GmbH. EOS CopperAlloy CuCr1Zr – Material Data Sheet [Электронный ресурс] // EOS. – URL: https://www.eos.info/en/3d-printing-materials/copper (дата обращения: 27.07.2026).

9. LEAP 71. Computational Engineering for Rocket Engines: Multiphysics Approach [Электронный ресурс] // LEAP 71 Engineering Blog. – URL: https://leap71.com/blog/computational-engineering-rocket (дата обращения: 27.07.2026).

Центральным звеном скандала стала компания ISBNdb, владеющая базой данных более чем 111 миллионов книг. Долгое время она помогала библиотекам и книготорговцам, но с бумом генеративного ИИ переориентировалась на новую аудиторию. Сегодня ISBNdb предлагает AI-лабораториям услуги по анонимной оптовой закупке печатных книг — от 1000 до 1 миллиона экземпляров за один заказ.

На своём сайте компания прямо заявляет: «Лучшие в мире данные для обучения ИИ пылятся на полке». В рекламных материалах поясняется: печатные книги, изданные до 2022 года, гарантированно не содержат сгенерированного AI-текста («AI slop») и не подвержены «отравлению данных» (data poisoning). При этом ISBNdb признаёт: «Проблема имиджа реальна. Заголовок "AI-компания уничтожает два миллиона книг" не вызывает сочувствия». Каждый заказ сопровождается строгим соглашением о неразглашении (NDA), скрывающим личность покупателя.

«Проект Панама»: как Anthropic добывала книги

Наиболее задокументированный случай связан с компанией Anthropic, разработчиком модели Claude. В рамках так называемого «Проекта Панама» (Project Panama) компания потратила десятки миллионов долларов на закупку физических книг. По данным The Washington Post, основанным на анализе более 4000 страниц судебных документов, Anthropic закупала книги у Better World Books и других букинистов.

Один из внутренних документов компании содержал формулировку: «"Проект Панама" — это наша попытка деструктивно отсканировать все книги в мире». В том же документе отмечалось: «Мы не хотим, чтобы стало известно, что мы работаем над этим». Внутренняя переписка Anthropic, вскрытая в ходе судебного разбирательства, свидетельствует, что в компании осознавали репутационные риски и обсуждали, как преподнести эту информацию публике.

Процесс выглядел следующим образом: гидравлическая машина срезала корешки книг, после чего страницы прогонялись через промышленные скоростные сканеры, а физические оригиналы отправлялись в переработку. Один из букинистов, опрошенных 404 Media, опасается, что книги, пережившие войны, пожары и века обращения, теперь уничтожаются в ходе «деструктивного сканирования».

Юридический парадокс: fair use и 1,5 миллиарда

В июне 2025 года судья Уильям Алсуп вынес решение по делу Bartz v. Anthropic, которое стало поворотным для всей индустрии. Судья постановил, что использование законно приобретённыхкниг для деструктивного сканирования и обучения LLM является добросовестным использованием (fair use). Алсуп назвал это «одним из самых трансформативных видов использования, которые мы увидим за свою жизнь».

Однако одновременно судья отклонил защиту Anthropic в отношении пиратских копий. Суд установил, что Anthropic загрузила более 7 миллионов пиратских книг из теневых библиотек LibGen и PiLiMi, создав «центральную библиотеку», которая не обязательно использовалась для обучения AI. Пиратство, по словам судьи, является «по своей сути, безнадёжно нарушающим авторские права».

В июле 2026 года судья Арасели Мартинес-Ольгин утвердила класс-акшн урегулирование на 1,5 миллиарда долларов — крупнейшее известное урегулирование по авторскому праву в истории США. Соглашение покрывает около 491 000 произведений, выплачивая авторам и издателям примерно по 3000 долларов за книгу. Более 91% авторов и издателей, охваченных соглашением, уже заявили о своих правах на выплату.

Anthropic отрицает какую-либо неправомерность. Заместитель генерального юрисконсульта компании Апарна Шридхар заявила: «Мы достигли этого урегулирования в 2025 году, после знакового решения суда о том, что обучение AI на книгах является добросовестным использованием в соответствии с авторским правом — и это остаётся законом сегодня».

Таким образом, сложилась парадоксальная ситуация: покупать и деструктивно сканировать — законно (fair use); воровать — платить 1,5 миллиарда.

Масштаб бедствия: европейский фронт

Расследование 404 Media выявило системный характер явления, выходящий далеко за пределы США. Немецкие букинисты сообщают о заказах на суммы от 10 000 до 50 000 евро. Заказы поступают в основном от канадской компании Zoom Books, которая, по данным СМИ, фокусируется на нехудожественной и академической литературе, изданной в 1970-х годах.

Однако Zoom Books категорически отрицает свою причастность к уничтожению книг для обучения AI. В официальном заявлении компания подчеркнула: «Чтобы быть абсолютно ясными: Zoom Books не оцифровывает и не уничтожает подержанные или новые книги с целью обучения AI-моделей и не делает этого для каких-либо других целей».

Томас Кох, пресс-секретарь Немецкой ассоциации книгоиздателей и книготорговцев, назвал происходящее «очевидным и серьёзным нарушением авторских прав». Однако он признал, что «такие нарушения трудно доказать, поскольку не существует требований прозрачности, которые обязывали бы указывать источники для ввода данных в AI».

В Европейском союзе действует иной правовой режим. Директива о цифровом едином рынке (2019) разрешает текстовый и data mining (статья 4), но предоставляет правообладателям механизм opt-out — возможность зарезервировать свои права и запретить использование произведений для обучения AI. В июле 2026 года Европейская комиссия опубликовала исследование о создании общеевропейского реестра для таких отказов. Как отметил Кох, «решения судов сами по себе не могут разрешить растущий конфликт между издательской индустрией и AI-разработчиками».

Реакция Маска: контрастный удар

На фоне разгорающегося скандала Илон Маск публично дистанцировался от практики уничтожения книг. В ответ на пост пользователя Hedgie он написал в X: «Я попросил команду SpaceXAI сохранять любые редкие книги в библиотеке и сканировать их старомодным способом, а не просто срезать корешки и сканировать».

Маск подтвердил, что SpaceXAI будет использовать неразрушающие методы сканирования(планшетные и V-образные сканеры), даже если это требует больше времени и средств. Пользователь Hedgie в ответ заметил, что дополнительные расходы на щадящее сканирование — «копейки» на фоне миллиардных бюджетов, и если SpaceXAI выполнит обещание, это станет стандартом, которому должна следовать вся индустрия.

Экспертные опасения: редкие книги под угрозой

Особую тревогу вызывает судьба редких и малотиражных изданий. Петиция на платформе Change.org, адресованная ISBNdb, предупреждает: «Многие из этих книг существуют всего в нескольких сотнях экземпляров по всему миру. Некоторые — в нескольких десятках. Монография регионального издательства, самиздатовская местная история, переведённое техническое руководство от обанкротившегося издателя: как только уцелевшие экземпляры разрезаны, объект исчезает навсегда».

Петиция требует от ISBNdb:

• прекратить брокерскую продажу редких, малотиражных и вышедших из печати книг в «деструктивные сканерные конвейеры»;

• проверять тиражи по реестрам WorldCat/OCLC перед выполнением массовых заказов;

• требовать условия о неразрушающем сканировании для каждой оптовой продажи.

Авторы петиции подчёркивают: «Оцифровка не равно сохранению. Цифровые суррогаты, хранящиеся в частном порядке, — это не архив. Это корпоративный актив с ограниченным сроком годности».

Важно отметить: судебные документы не подтверждают целенаправленное уничтожение именно редких или уникальных экземпляров. Опасения экспертов обоснованны, но на данный момент остаются гипотезой, а не доказанным фактом. Расследование 404 Media показывает, что AI-компании скупают книги массово и оптом, но нет свидетельств целенаправленной охоты на антиквариат.

Заключение

То, что происходит сегодня, — это не просто технологический спор. Это фундаментальный этический конфликт между утилитарной логикой технокорпораций и обязанностью сохранять культурное наследие. Юридическая легитимность «деструктивного сканирования» не отменяет его моральной несостоятельности.

Когда гидравлический пресс срезает корешок последнего экземпляра редкой книги, исчезает не просто бумажный носитель — исчезает гарантия того, что эти тексты, эти мысли, эта память продолжат существовать в мире. Оцифровка в закрытый корпус данных — это не сохранение. Как справедливо отмечают авторы петиции: «Санированные резюме (в лучшем случае) — это не книга. Они не сохраняют маргиналии, провенанс, переплёты, бумагу, варианты печати, вложенные эфемеры или физические свидетельства, на которые полагаются книжные историки, библиографы и реставраторы».

Юристы говорят, что это законно. Акционеры — что это эффективно. Инженеры — что это неизбежно. А историки и библиотекари молчат — потому что книги, которые они хранили веками, превращаются в бинарный код и исчезают в облаках частных корпораций. Рэй Брэдбери ошибался: книги сжигают не пожарные, их перерабатывают на макулатуру во имя прогресса, и мы аплодируем GPT-ответам, не замечая, как исчезает наша память.

Список использованных источников

1. 404 Media. AI Companies Are Buying Tons of Old Books Because They're Free of AI Slop. URL: https://www.404media.co/ai-companies-are-buying-tons-of-old-books-because-theyre-free-of-ai-slop/ (дата обращения: 29.07.2026).

2. Reuters. US judge approves Anthropic's $1.5 billion settlement of copyright lawsuit. URL: https://www.reuters.com/world/us-judge-approves-anthropics-15-billion-settlement-copyright-lawsuit-2026-07-20/ (дата обращения: 29.07.2026).

3. Associated Press. Judge approves a $1.5B Anthropic settlement over pirated books used to train the Claude chatbot. URL: https://apnews.com/article/ai-anthropic-copyright-settlement-claude-books-bartz-74b140444023898aeba8579b6e9f0d63 (дата обращения: 29.07.2026).

4. Ropes & Gray LLP. Anthropic's Landmark Copyright Settlement: Implications for AI Developers and Enterprise Users. URL: https://www.ropesgray.com/en/insights/alerts/2025/09/anthropics-landmark-copyright-settlement-implications-for-ai-developers-and-enterprise-users (дата обращения: 29.07.2026).

5. The Boston Globe. Inside a tech company's secretive plan to destroy millions of books. URL: https://www.bostonglobe.com/2026/01/27/nation/silicon-valley-plan-destroy-books/ (дата обращения: 29.07.2026).

6. NZZ. Kaufen, scannen, vernichten: warum KI-Firmen gebrauchte Bücher aufkaufen. URL: https://www.nzz.ch/feuilleton/buecher/kaufen-scannen-vernichten-ki-firmen-fuettern-ihre-sprachmodelle-mit-gebrauchten-buechern-ld.10017272 (дата обращения: 29.07.2026).

7. Anadolu Ajansı. 'Clear and serious violation': Europe's book market caught in AI copyright battle. URL: https://mobil.aa.com.tr/en/europe/-clear-and-serious-violation-europes-book-market-caught-in-ai-copyright-battle/4004630 (дата обращения: 29.07.2026).

8. Publishers Lunch. Zoom Books Responds To Accusations of Selling Books For AI Scraping. URL: https://lunch.publishersmarketplace.com/2026/05/zoom-books-responds-to-accusations-of-selling-books-for-ai-scraping/ (дата обращения: 29.07.2026).

9. European Commission. New feasibility study for introducing an EU-level registry of Text and Data Mining opt-out. URL: https://digital-strategy.ec.europa.eu/en/library/new-feasibility-study-introducing-eu-level-registry-text-and-data-mining-opt-out (дата обращения: 29.07.2026).

10. Change.org. ISBNdb: Save the Archive and Stop Feeding Rare and Out-of-Print Books Into the Shredder. URL: https://www.change.org/p/isbndb-save-the-archive-and-stop-feeding-rare-and-out-of-print-books-into-the-shredder (дата обращения: 29.07.2026).

11. INSIDE. 快沒存本的絕版書也照碎！AI 公司大買舊書掃完就毀. URL: https://www.inside.com.tw/article/41951-anthropic-destroyed-books-for-ai-training (дата обращения: 29.07.2026).

12. IT之家. AI 公司被曝大量收购旧书，以获取“纯净”训练素材. URL: https://www.ithome.com/0/982/742.htm (дата обращения: 29.07.2026).