Статья представляет девятую часть цикла статей «Цифровая платформа по разработке и применению цифровых двойников “Digital Twins” CML-Bench®». Первые три части статьи опубликованы в № 8-10 за 2023 год, четвертая, пятая и шестая — в № 5, 7 и 8 за 2024-й, седьмая — в № 7 за 2025-й, части 8.1 и 8.2 — в № 10 и 11 за 2025 год. Девятая часть цикла статей посвящена описанию ключевых результатов развития цифровой платформы по разработке и применению цифровых двойников CML-Bench® в отрасли БАС. В статье, состоящей из трех разделов, освещены ключевые аспекты проектов беспилотной авиации, реализованных на базе цифровой платформы CML-Bench®. В первой части (9.1) рассматривается разработка беспилотных воздушных судов с системой вертикального взлета-посадки серии «Снегирь», заделы и достижения в части разработки сверхлегкого самолета для агропромышленности CML-Aeroplane, обозначены ключевые вопросы становления процесса «цифровой сертификации» в рамках национального проекта технологического лидерства «Беспилотные авиационные системы», приведены сведения о реализации Стратегии развития беспилотной авиации РФ до 2030/2035 годов в части оснащения платформы цифровыми (виртуальными) испытательными стендами и полигонами для проведения цифровых испытаний БАС. Вторая часть (9.2) посвящена архитектуре, функциональным модулям и компонентам специализированной версии платформы — ЦП РПЦД БАС. В заключительной части (9.3) представлены результаты создания демонстратора программного комплекса для автоматизированного проектирования и расчета электрических винтомоторных групп беспилотных воздушных судов.

Краткое описание цифровой платформы CML-Bench®

Новые экономические вызовы и геополитические изменения требуют быстрого освоения сквозных передовых технологий, создания инновационных продуктов и достижения технологического лидерства в приоритетных отраслях промышленности в соответствии с национальными целями развития России [1]. Одной из таких критически важных приоритетных отраслей является беспилотная авиация — быстроразвивающаяся отрасль экономики, которая стимулирует опережающее развитие в смежных высокотехнологичных секторах, включая технологии цифрового проектирования и моделирования, что позволяет заложить основы цифровой трансформации промышленности, а также расширить границы применения беспилотных воздушных судов гражданского и военного назначения.

В 2023 году утверждена Стратегия развития беспилотной авиации РФ на период до 2030 года и на перспективу до 2035 года (Распоряжение Правительства РФ от 21 июня 2023 г. № 1630-р) — [2], в целях реализации которой запущен одноименный национальный проект технологического лидерства. Стратегия определила необходимость кардинального ускорения процессов разработки, производства и сертификации беспилотных воздушных судов (БВС), а также создания принципиально новой цифровой инфраструктуры для проектирования и испытаний БВС.

Ключевым инструментом достижения поставленных целей является цифровой инжиниринг — подход к разработке высокотехнологичных изделий, позволяющий заменить значительную часть дорогостоящих и длительных натурных испытаний цифровыми (виртуальными) испытаниями, а также управлять всем жизненным циклом изделия на основе технологии цифровых двойников. В соответствии с национальным стандартом ГОСТ Р 57700.37—2021 «Компьютерные модели и моделирование. Цифровые двойники изделий. Общие положения» [3] для разработки цифровых двойников и проведения цифровых испытаний рекомендуется применение программно-технологической платформы, обеспечивающей управление процессами и данными компьютерного моделирования (Simulation Process and Data Management, SPDM-системы [4]).

Важно подчеркнуть, что в ноябре 2023 года ГОСТ Р 57700.37—2021 был официально включен в перечень взаимно признаваемых стандартов в сфере авиастроения между Россией и Китайской Народной Республикой [5], что подтвердило высокий уровень значимости стандарта для развития технологии цифровых двойников не только в национальном, но и международном пространстве.

Российской SPDM-системой является разработка ПИШ СПбПУ — цифровая платформа по разработке и применению цифровых двойников CML-Bench® [6; 7]. Платформа прошла многократную отраслевую кастомизацию при выполнении наукоемких проектов для высокотехнологичных отраслей: автомобилестроения, двигателестроения, атомного, нефтегазового и энергетического машиностроения, авиастроения, судостроения, кораблестроения и др.

По состоянию на апрель 2026 года на цифровой платформе CML-Bench® представлено более 388 тыс. цифровых и проектных решений: в первую очередь верифицированных и валидированных математических, компьютерных и цифровых моделей, обладающих высоким уровнем адекватности реальным материалам, изделиям, физико-механическим, технологическим и эксплуатационным процессам, а также результатов цифровых испытаний, мульти- и междисциплинарных задач механики деформируемого твердого тела, механики жидкости и газа, тепломассообмена, оптимизации и других типов анализа, что является интеллектуальным научно-технологическим заделом (Digital Brainware) и обеспечивает преемственность проектов [8-14]. На платформе также реализованы AI-функциональные возможности (интеллектуальные помощники, редуцированные модели, многокритериальная многопараметрическая оптимизация), позволяющие ускорять многодисциплинарные расчеты и повышать их эффективность (AI-функциональные возможности платформы рассмотрены в частях 8.1 и 8.2 цикла статей [15; 16]).

Платформа включена в Единый реестр отечественного программного обеспечения и баз данных (реестровая запись № 9110 от 16.02.2021 г. на основании приказа Минцифры России от 16.02.2021 г. № 84), цифровая платформа CML-Bench® имеет статус «средство управления процессами и данными компьютерного моделирования (SPDM)» по основному классу [7].

CML-Bench® интегрирует более 225 программных систем и модулей, включая передовые CAD-, CAE-, CAO-, PDM- и PLM-решения. Среди интегрированных отечественных CAE-систем: FlowVision (ООО «Тесис»), CAE Fidesys (ООО «Фидесис»), Универсальный механизм (ООО «Вычислительная механика»), ELCUT 6.6 (ООО «Тор»), QForm (ООО «Кванторформ»), ЛОГОС (РФЯЦ-ВНИИЭФ) — [13] и др. Для решения задач импортозамещения в части управления жизненным циклом разработан модуль миграции данных из Siemens Teamcenter (PLM) на CML-Bench® [13].

Многолетний опыт и накопленный научно-технологический задел легли в основу создания специализированной версии платформы для отрасли беспилотных авиационных систем — Цифровой платформы разработки и применения цифровых двойников БАС (ЦП РПЦД БАС). В марте 2023 года ПИШ СПбПУ разработала концепцию единой среды проектирования БАС на базе CML-Bench®, которая затем была закреплена в Стратегии развития беспилотной авиации (пункт 2.4 плана мероприятий): «Cоздание и развитие отечественной цифровой платформы в целях оптимизации методик проектирования беспилотных авиационных систем и их компонентов» [2].

В 2024 году ПИШ СПбПУ заключила стратегический контракт с АНО «Федеральный центр БАС» на выполнение работ по развитию системы цифровых (виртуальных) испытательных стендов (далее — ВИС) и полигонов (ВИП), проведению цифровых испытаний элементов БВС [17], что подтвердило статус ПИШ СПбПУ в качестве полноправного участника реализации национального проекта технологического лидерства по развитию БАС.

Цифровая платформа разработки и применения цифровых двойников БАС (ЦП РПЦД БАС) на базе CML-Bench® является не просто программным продуктом, а системообразующим элементом формирующейся отрасли беспилотной авиации России, поскольку обеспечивает сквозной цифровой процесс проектирования, цифровых испытаний и «цифровой сертификации», а также служит базой для накопления моделей, знаний, компетенций и лучших практик. Подробнее результаты данной работы по разработке и наполнению ЦП РПЦД БАС будут представлены в части 9.2 цикла статей.

В 2023-2026 годах ПИШ СПбПУ были достигнуты значительные результаты, рассматриваемые в части 9.1 цикла статей:

• отработаны структура и принципы создания цифровых (виртуальных) испытательных стендов (ВИС), цифровых (виртуальных) испытательных полигонов (ВИП), параметрических шаблонов численных математических моделей (ПШЧММ) и численных математических моделей (ЧММ) для элементов БВС и конструкции БВС в целом на цифровой платформе CML-Bench®;
• разработаны опытные образцы беспилотных летательных аппаратов серии «Снегирь»: «Снегирь-1» (разработан от идеи до первого полета за рекордные пять месяцев), «Снегирь-1.5» (проведены усовершенствования цифровых моделей на базе цифровой платформы, отработана система управления) и «Снегирь-2» (улучшены характеристики, повышена устойчивость, внедрена модульность конструкции, унификация с возможностью быстрой сборки, разборки, замены элементов), которые успешно прошли летные испытания;
• победа команды ПИШ СПбПУ на Чемпионате России по спорту сверхлегкой авиации на модернизированном самолете МИКС-500 [18] в дисциплине «Микросамолет-1», что стало первым этапом создания нового сверхлегкого самолета CML-Aeroplane с применением подхода «цифровой сертификации» на базе цифровой платформы CML-Bench®;
• разработан оригинальный электродвигатель CML_03 с улучшенными тяговыми характеристиками для решения задач импортозамещения;
• проведено тестирование платформы ЦП РПЦД БАС специалистами компаний-разработчиков БАС по результатам обучения по работе на платформе. Обучение проводилось на базе инженерных задач компаний-разработчиков БАС (рассмотрены задачи для шести различных типов БВС: самолетного, вертолетного, мультироторного типа, конвертоплан, гидросамолет, циклолет и др.).

Особое значение для развития отрасли имеет внедрение «цифровой сертификации»* — этот термин введен в нормативное поле в редакции ПИШ СПбПУ и закреплен в Распоряжении Правительства РФ № 3113-р от 7 ноября 2023 года (а также в ред. Распоряжения Правительства РФ от 26 февраля 2026 г. № 378-р) [19; 20] — более подробно см. ниже. В ноябре 2025 года на VII Всероссийском форуме «Передовые цифровые и производственные технологии», который ежегодно организует ПИШ СПбПУ, состоялся круглый стол «Сертификация БАС», в котором приняли участие представители АНО «ФЦ БАС», Союза авиапроизводителей России, ЦАГИ и других организаций.

* «Цифровая сертификация» — специализированный бизнес-процесс, основанный на тысячах (десятках тысяч) цифровых (виртуальных) испытаний как отдельных компонентов, так и системы в целом, целью которого является прохождение с первого раза всего комплекса натурных, сертификационных и прочих испытаний [Расп. Правительства РФ от 7 ноября 2023 года № 3113-р (в ред. Расп. Правительства РФ от 26 февраля 2026 г. № 378-р)].

В ходе круглого стола обсуждался, в частности, риск-ориентированный подход к сертификации (с 1 марта 2026 года в Воздушный кодекс введено понятие «дифференцированный и соразмерный подход»), а также предложение об аккредитации цифровых (виртуальных) испытательных полигонов (ВИП) в Росавиации как официальных испытательных лабораторий. Такой подход обеспечит прохождение натурных сертификационных испытаний с первого раза и, в перспективе, позволит признавать результаты цифровых испытаний наравне с натурными, что кратно сократит сроки и стоимость вывода БВС на рынок, и является критически важным для формирования процедур «цифровой сертификации» в стране.

Цифровые испытания элементов БВС на цифровой платформе CML-Bench®

В методологии системного цифрового инжиниринга, реализованной на платформе CML-Bench®, первостепенным этапом в разработке беспилотного воздушного судна (БВС) является его иерархическая декомпозиция на функциональные и конструктивные подсистемы (рис. 1). Такая декомпозиция опирается на положения национальных стандартов — в частности, ГОСТ Р 59517—2021 «Беспилотные авиационные системы. Классификация и категоризация», ГОСТ Р 59519—2021 «БАС. Компоненты БАС. Спецификация и общие технические требования» и ГОСТ Р 59518—2021 «БАС. Порядок разработки». На их основе формируется структура, включающая шесть укрупненных подсистем: планер/конструкция, силовая установка, топливо, целевая нагрузка, снаряжение и спецоборудование, а также бортовое оборудование и системы. Каждая подсистема детализируется до конкретных компонентов: крыла, фюзеляжа, оперения, шасси, двигателя, винтов, топливной системы, аккумуляторных батарей и т.д.

Рассмотренная декомпозиция позволяет систематизировать проведение комплекса цифровых (виртуальных) испытаний двух критически важных основных подсистем:

• планер/конструкция — на платформе реализованы ВИС и ВИП для расчетов аэродинамики, аэроупругости и нагрузок, прочности, а также моделирования испытаний образцов материалов, включая композиционные материалы. Цифровые испытания охватывают как отдельные элементы (крыло, фюзеляж, оперение, шасси и др.), так и их взаимодействие в составе всей конструкции;
• силовая установка — платформа поддерживает цифровые испытания двигателей всех типов, применяемых в БАС: электрических (с возможностью моделирования винтомоторных групп), поршневых, турбовинтовых, газотурбинных, гибридных.

Таким образом, в процессе декомпозиции конструкции БВС формируется структурно-функциональная схема, на основе которой на платформе CML-Bench® строятся автоматизированные расчетные цепочки, определяются необходимые ВИС и формируется доказательная документация для демонстрации соответствия требованиям сертификационного базиса в рамках реализации процедур «цифровой сертификации». Именно такой подход позволяет перейти от изолированных испытаний компонентов к сквозному цифровому моделированию всей системы БВС, что значительно сокращает сроки и стоимость разработки.

На основе выполненной декомпозиции БВС на платформе CML-Bench® формируется иерархическая структура цифровых (виртуальных) испытаний, охватывающая все ключевые подсистемы и режимы эксплуатации (рис. 2). Эта структура реализована в виде взаимосвязанных ВИС и ВИП, каждый из которых предназначен для решения конкретных задач математического и компьютерного моделирования.

На цифровой платформе реализованы следующие ключевые ВИП:

• цифровой (виртуальный) испытательный полигон (ВИП) «Аэродинамика» объединяет ВИС для расчета характеристик крыла (построение поляр, кривых Жуковского, зависимостей аэродинамического качества от углов атаки и др.), аэродинамики БВС в самолетном режиме, аэродинамики устойчивости и управляемости и др. Для каждого ВИС используются соответствующие численные математические модели: от 2D-профилей крыла до полных 3D-моделей БВС с отклоненными рулевыми поверхностями, изменением углов крена, тангажа и рыскания и т.д.;
• цифровой (виртуальный) испытательный полигон (ВИП) «Аэроупругость и нагрузки» включает ВИС для расчета полетных и наземных нагрузок, а также решения задач аэроупругости, что позволяет оценивать поведение конструкции под действием аэродинамических сил и обеспечивать безопасность от явлений аэроупругости;
• цифровой (виртуальный) испытательный полигон (ВИП) «Прочность» охватывает статическую, динамическую и усталостную прочность, а также оценку интегральных жесткостных характеристик конструкции БВС. Цифровые испытания на этих ВИС позволяют обеспечить соответствие нормативным требованиям в части обеспечения прочности конструкции БВС и ее элементов, а также прохождение натурных испытаний с первого раза.

Отдельные ВИП предназначены для испытаний материалов — ВИП «Композиционные материалы», ВИП «Металлические материалы», ВИП «Неметаллические материалы». Для каждого типа материалов созданы соответствующие ВИС для испытаний образцов на растяжение, сжатие, сдвиг, изгиб, кручение, срез, ударное повреждение и т.д. Это позволяет формировать математические модели материалов, используемых в конструкции БВС, обладающих высоким уровнем адекватности, прошедших полный цикл цифровых испытаний и процедуры валидации, в том числе на основе результатов натурных испытаний, и применять их при расчетах конструкции в ВИП «Прочность».

Важное место занимает ВИП «Электромоторы», на котором проводятся цифровые испытания электродвигателей: определение собственных частот колебаний, продувка для оценки аэродинамического сопротивления и охлаждения, электромагнитные расчеты и анализ теплового состояния. Это особенно актуально для электрических и гибридных силовых установок, которые активно применяются в современных БВС.

Таким образом, разработанная и представленная иерархическая структура ВИП и ВИС на платформе CML-Bench® обеспечивает большой объем цифровых испытаний (только в 2024-2025 гг. разработаны и использовались в практике проектирования БВС разного типа 1800 ЧММ, 30 ПШЧММ, 75 ВИС и 20 ВИП) — от аэродинамики и нагрузок до прочности и работы двигателей, что представляет фундаментальную основу для «цифровой сертификации» беспилотных воздушных судов (рис. 2). При этом иерархическая структура ВИП и ВИС дополняется и совершенствуется по результатам эксплуатации платформы CML-Bench® сотрудниками ПИШ СПбПУ и разработчиками БВС.

Семейство БВС «Снегирь» — от идеи до летной лаборатории за пять месяцев

В августе 2023 года специалисты ПИШ СПбПУ в инициативном порядке приступили к разработке БВС гибридной схемы (вертикальный взлет/посадка + горизонтальный полет). Всего за пять месяцев — от формулировки требований до первого полета — был создан опытный образец «Снегирь-1» (рис. 3). Реализация проекта в короткие сроки стала возможной исключительно благодаря применению инструментов системного цифрового инжиниринга и цифровых испытаний на платформе CML-Bench®.

В ходе реализации проекта на цифровой платформе CML-Bench® было проведено более 300 многовариантных цифровых испытаний по аэродинамике, прочности и аэроупругости, что позволило оптимизировать компоновку, конструкцию и улучшить характеристики летательного аппарата, в первую очередь аэродинамические и весовые характеристики. После изготовления опытного образца БВС были проведены летные испытания для подтверждения заявленных характеристик.

В марте 2024 года макет «Снегирь-1» был представлен Первому Заместителю Председателя Правительства РФ Д.В. Мантурову на Всемирном фестивале молодежи (ВМФ-2024), а также Специальному представителю Президента РФ по вопросам цифрового и технологического развития, генеральному директору АНО «Платформа НТИ» Д.Н. Пескову и 40 отраслевым экспертам, руководителям производственных предприятий, АНО «Платформа НТИ» и АНО «Университет 2035» в рамках семинара по формуле автономности дрона под председательством Дмитрия Пескова в ПИШ СПбПУ.

Накопленные в процессе разработки БВС «Снегирь-1» цифровые данные (около 70% проектной информации) использованы для быстрого создания усовершенствованной модели «Снегирь-1.5» (2024 год). Созданные в рамках проекта «Снегирь-1» ВИП и ВИС, настроенные автоматизированные расчетные цепочки, параметризация граничных условий, варьирование материалов существенно сократили сроки разработки усовершенствованной модели.

В рамках проектирования БВС «Снегирь-1.5» на платформе CML-Bench® дополнительно разработаны специализированные ВИС, включая ВИС «Аэродинамический базис», «Модальный анализ», «Полетные нагрузки» и др. Это позволило эффективно провести расширенный цикл цифровых испытаний и изготовить БВС. В августе 2024 года «Снегирь-1.5» был представлен на форуме «Армия-2024», а в июле 2025 года — на выставке ИННОПРОМ-2025.

В 2025 году завершена разработка «Снегирь-2» — аппарата с улучшенными летно-техническими характеристиками (рис. 4). При его проектировании активно использовались редуцированные модели (ROM), построенные с помощью AI-функциональных возможностей платформы (CML-Bench®.RomAI) [15; 16].

Искусственный интеллект и редуцированные модели на платформе CML-Bench®

В частях 8.1 и 8.2 цикла статей рассмотрены три подсистемы, реализованные на платформе CML-Bench® [15; 16]:

• CML-Bench®.AI-Assistant для интеллектуальной поддержки принятия решений инженерами в процессе создания цифровых двойников изделий;
• CML-Bench®.RomAI для построения редуцированных (ROM — Reduced Order Models) и суррогатных моделей;
• CML-Bench®.OptiCore для многопараметрической многокритериальной оптимизации.

В отрасли беспилотной авиации данные подсистемы применены, в частности, для построения редуцированной модели воздушного обтекания БВС самолетного типа (рис. 5). Проведение цифрового испытания на суперкомпьютере с использованием полномасштабной CFD-модели занимает около 10 часов (4400 ядро-часов). ROM-модель, построенная на основе нескольких десятков таких расчетов, получает решение за 200 миллисекунд с максимальным отличием от полномасштабной CFD-модели в 1,87%. Тем самым достигнуто ускорение расчетов в миллион раз.

Это позволило инженерам-конструкторам в режиме реального времени (на летающей лаборатории «Снегирь-1» или при проектировании «Снегирь-2») оценивать влияние изменения геометрии крыла, угла атаки или скорости на аэродинамические характеристики, не дожидаясь очереди для расчетов на суперкомпьютере. Аналогичные ROM-модели разрабатываются для решения задач прочности, аэроупругости, тепломассообмена. Разработка редуцированных моделей на платформе CML-Bench® в рамках подсистемы CML-Bench®.RomAI соответствует оригинальному CML-подходу (NonLinear MultiPhysics CAE & ROM)Based AI/ML.

Легкомоторный самолет CML-Aeroplane и победа в чемпионате

В 2025 году в рамках реализации ключевого научно-технологического направления развития СПбПУ «Системный цифровой инжиниринг» (КНТН-1) стартовал проект по созданию легкомоторного самолета CML-Aeroplane. Первым этапом стала модернизация существующего сверхлегкого самолета МИКС-500 (модификация Х32 МИКС) аэроклуба АСТК «АЭРОМИКС».

Инженеры ОКБ ПИШ СПбПУ выполнили на платформе CML-Bench® комплекс цифровых испытаний по оценке аэродинамических характеристик сверхлегкого самолета. Использование методов вычислительной аэродинамики (CFD) и суперкомпьютерного моделирования позволило провести десятки испытаний и получить поля скоростей, давлений и вихревых структур для самолета и отдельных его конструктивных элементов в различных режимах полета (взлет, крейсерский полет, посадка) на сеточных моделях в десятки и даже сотни миллионов ячеек. Особое внимание уделено вихреобразованию за стойками шасси и подкосами крыла, где для получения картины завихренности использовалась гибридная вихреразрешающая DES-модель (рис. 6).

По результатам цифровых испытаний спроектированы и установлены обтекатели колес передней и основных опор, для подкосов крыла спроектирован профиль, уменьшающий аэродинамическое сопротивление. После внесения изменений повторно проведен комплекс цифровых испытаний модернизированной конфигурации.

Сравнение результатов «до» и «после» показало уменьшение коэффициента лобового сопротивления и интенсивности вихрей за шасси на 3%, улучшение аэродинамического качества, снижение нагрузок на конструкцию.

Модернизированный самолет успешно прошел летные испытания. Сопоставление данных реальных полетов (телеметрия, показания датчиков, субъективные оценки пилота) с расчетными характеристиками подтвердило высокую адекватность цифровых моделей — расхождение не превысило 3-5%.

В августе 2025 года на аэродроме «Серёдка» (Псковская область) прошел Чемпионат России по спорту сверхлегкой авиации. Команда ПИШ СПбПУ впервые принимала участие в чемпионате подобного уровня, что потребовало существенной предварительной подготовки как инженеров, так и пилотов, и выступила на доработанном самолете МИКС-500 в дисциплине «Микросамолет-1». По результатам соревнований команда одержала победу (рис. 7) — [18].

Модернизация МИКС-500 — это демонстрационный проект, показавший, что цифровые испытания способны обеспечить быструю и достоверную оптимизацию реального авиационного изделия. Полученный опыт и валидированные модели будут использованы в 2026-2027 годах при создании на базе CML-Bench® полноценного цифрового двойника нового беспилотного воздушного судна для агропромышленности CML-Aeroplane, а также при изготовлении опытного образца. На основе цифрового двойника в конструкции прорабатываются следующие задачи:

• внедрение передовых композиционных материалов;
• уменьшение веса с сохранением жесткостных и прочностных характеристик;
• улучшение аэродинамических характеристик;
• оптимизация конструктивно-силовой схемы.

По сравнению с традиционным Ан-2, новое БВС CML-Aeroplane сможет взлетать с небольших площадок (50×100 м), экономить химикаты на 20-30% за счет ультрамалообъемного опрыскивания и использовать мощный турбулентный поток от толкающего винта для обработки нижней стороны листьев. Все эти режимы прорабатываются с применением суперкомпьютерного моделирования на платформе CML-Bench®.

Разработка электродвигателя для БВС

Одним из ключевых вызовов для формируемой отрасли беспилотной авиации является замещение иностранных комплектующих, в частности — электродвигателей для беспилотных летательных аппаратов. Инженеры ПИШ СПбПУ решили эту проблему, создав собственный электродвигатель CML_03 с улучшенными тяговыми характеристиками полностью из российских материалов [21].

Работа над CML_03 велась с применением полного цикла системного цифрового инжиниринга на платформе CML-Bench®:

• изучение лучших зарубежных образцов — проведены стендовые испытания нескольких типов доступных зарубежных электродвигателей, получены их реальные характеристики (тяга, КПД, тепловыделение, надежность);
• построение математических и компьютерных моделей — на платформе CML-Bench® спроектирован электродвигатель, в частности созданы мультидисциплинарные модели, описывающие электромагнитные, тепловые и механические процессы. Модели параметризованы, что позволяет быстро изменять количество полюсов, форму магнитов, геометрию зубцов статора и другие параметры;
• цифровые (виртуальные) испытания — выполнена серия цифровых испытаний для оптимизации конструкции, исследовано влияние:

◦ количества полюсов на момент и равномерность вращения, ◦ формы магнитов на распределение магнитного поля, ◦ геометрии коронок зубцов на потери в стали и перегрев;

• изготовление и испытания опытного образца — на основе оптимизированной цифровой модели был изготовлен и испытан на стенде электродвигатель CML_03;
• валидация моделей — результаты цифровых испытаний были сопоставлены с данными натурных стендовых экспериментов (на реальных прототипах), подтверждено достижение высокой адекватности разработанных моделей и проведенных цифровых испытаний — цифровая модель достоверно отражает поведение реального двигателя.

По сравнению с лучшими зарубежными аналогами (в частности, двигателями, широко применяемыми в БВС мультироторного и самолетного типов), CML_03 обеспечивает:

• увеличение пиковой мощности на 15% благодаря оптимизации магнитной системы и обмоток;
• повышение КПД на 2%, что критически важно для увеличения дальности и времени полета БПЛА;
• снижение массы на 10% за счет оптимизации формы магнитов и коронок зубцов без потери прочности.

Опытный образец электродвигателя CML_03 был представлен в ходе визита делегации Республики Татарстан во главе с раисом Рустамом Миннихановым в ПИШ СПбПУ (апрель 2025 года).

«Цифровая сертификация» и риск-ориентированный подход

В ноябре 2025 года на VII Всероссийском форуме «Передовые цифровые и производственные технологии» в ПИШ СПбПУ состоялся круглый стол «Сертификация БАС» с участием генерального директора Союза авиапроизводителей России А.Д. Рогозина, заместителя генерального директора АНО «ФЦ БАС» Д.С. Иванова, заместителя генерального директора «Центрального аэрогидродинамического института (ЦАГИ) им. Н.Е. Жуковского» К.С. Анисимова и других экспертов отрасли [22]. Ключевым вопросом для обсуждения стал переход к риск-ориентированному подходу: технические требования к БАС дифференцируются в зависимости от ожидаемых рисков эксплуатации (низкий, средний, высокий). Это позволяет не предъявлять избыточных требований к простым БВС, работающим над безлюдной местностью, и ужесточать их для тяжелых БВС, эксплуатируемых над городской застройкой.

С 1 марта 2026 года в Воздушном кодексе РФ введено понятие «дифференцированный и соразмерный подход», а также создан новый класс воздушного пространства «Н» для снижения рисков [23]. Обязательными становятся удаленная идентификация и система прекращения полета. При этом эксперты пояснили, что математическое моделирование — ключевой способ ускорения сертификации: цифровые испытания не заменяют натурные испытания, которые служат основой для валидации математических моделей [22], и обеспечивают прохождение сертификационных испытаний с первого раза.

Важным шагом также стало предложение зарегистрировать цифровые испытательные полигоны в Росавиации как официальные испытательные лаборатории, что было озвучено на VII Всероссийском форуме [22]. Если цифровой (виртуальный) испытательный стенд (ВИС) будет определен в качестве такового, то результаты проведенных на нем цифровых испытаний можно будет предъявлять в составе доказательной документации наравне с натурными. АНО «ФЦ БАС» анонсировал пилотный проект по полной сертификации БВС массой более 30 кг (получение сертификата типа) с использованием Цифровой платформы разработки и применения цифровых двойников БАС, разрабатываемой ПИШ СПбПУ.

Экономический эффект очевиден: традиционная сертификация тяжелого БПЛА (например, БАС200, тяжелый БПЛА вертолетного типа, предназначенный для транспортировки грузов до 50 кг, разработанный АО «НЦВ Миль и Камов», входит в Госкорпорацию «Ростех») обошлась в 142 млн руб. и заняла более полутора лет [13; 24; 25]. Внедрение «цифровой сертификации» на базе CML-Bench® позволяет сократить сроки в 2-3 раза и снизить затраты не менее чем на 40%, что подтверждено представителями отрасли.

В этом направлении важно отметить глобальный тренд на переход авиационной промышленности к парадигме «цифровой сертификации»: документами NASA 2021 года (включая Руководство по «цифровой сертификации» самолетов NASA и дорожную карту по «цифровой сертификации» самолетов и авиадвигателей) предусмотрено достижение основной цели — «сертификация на основе численного моделирования» (Certification by Simulation) к 2040 году [26; 27].

Заключение

Успехи ПИШ СПбПУ в области беспилотной и легкой авиации стали возможны благодаря многолетнему опыту в области системного цифрового инжиниринга и применению цифровой платформы CML-Bench®. Именно внедрение технологии цифровых двойников, многовариантные цифровые испытания на специализированных цифровых испытательных стендах и полигонах, сквозное управление требованиями и данными позволяют инженерам ПИШ СПбПУ разрабатывать, модернизировать и выводить на испытания сложные авиационные изделия в рекордно короткие сроки с минимальными затратами.

Представленная девятая часть цикла статей описывает результаты развития технологии цифровых двойников в отрасли беспилотной авиации в рамках реализации проектов с применением отечественной SPDM-системы цифровой платформы CML-Bench®. Платформа претерпела эволюцию — из универсального инструмента цифрового инжиниринга в специализированное отраслевое решение — цифровую платформу разработки и применения цифровых двойников БАС (более подробно см. в части 9.2), которая полностью соответствует задачам Стратегии развития беспилотной авиации РФ и национального проекта технологического лидерства «Беспилотные авиационные системы».

В рамках деятельности в области беспилотных систем в марте 2026 года Передовая инженерная школа СПбПУ «Цифровой инжиниринг» представила новую магистерскую программу «Системный цифровой инжиниринг беспилотных авиационных систем» (набор — с сентября 2026 года) [28]. Программа нацелена на подготовку инженеров, владеющих методологией системного цифрового инжиниринга, сквозного цифрового проектирования, разработки цифровых двойников, проведения цифровых испытаний и «цифровой сертификации» БВС на базе платформы CML-Bench®. С первого семестра магистранты будут вовлечены в реализацию реальных НИОКР по заказам индустриальных партнеров — предприятий авиастроения и беспилотной авиации. В частности, студенты будут:

• разрабатывать математические и компьютерные модели БВС;
• проводить многовариантные цифровые испытания на специализированных ВИС и ВИП — аэродинамика, прочность, аэроупругость, нагрузки и др.;
• использовать технологию цифровых двойников для оптимизации конструкции;
• участвовать в разработке и изготовлении опытных образцов БВС, проведении летных испытаний на базе Опытного конструкторского бюро (ОКБ) ПИШ СПбПУ.

На платформе возможно автоматическое формирование «цифрового следа» каждого студента: фиксируются созданные модели, проведенные цифровые испытания, полученные результаты и их соответствие требованиям [13].

Таким образом, магистерская программа ПИШ СПбПУ «Системный цифровой инжиниринг беспилотных авиационных систем» — это не просто обучение, а встроенный механизм генерации, накопления и использования инженерных знаний на платформе CML-Bench®, что напрямую способствует достижению технологического лидерства России в беспилотной авиации.

В следующих частях цикла статей будут рассмотрены вопросы архитектуры отраслевой платформы для беспилотной авиации ЦП РПЦД БАС (часть 9.2) и результаты реализации проекта по разработке демонстратора программного комплекса проектирования электродвигателей БВС [29] — часть 9.3.

Список источников

1. Указ Президента РФ от 7 мая 2024 г. № 309 «О национальных целях развития РФ на период до 2030 года и на перспективу до 2036 года». URL: http://publication.pravo.gov.ru/document/0001202405070015.
2. Распоряжение Правительства РФ от 21 июня 2023 г. № 1630-р. URL: http://static.government.ru/media/files/3m4AHa9s3PrYTDr316ibUtyEVUpnRT2x.pdf.
3. ГОСТ Р 57700.37—2021 Компьютерные модели и моделирование. Цифровые двойники изделий. Общие положения. URL: https://protect.gost.ru/document.aspx?control=7&id=241313.
4. Приказ Министерства цифрового развития, связи и массовых коммуникаций РФ от 22 сентября 2020 г. № 486. URL: https://base.garant.ru/74832091/.
5. Китай официально признал российский ГОСТ Р 57700.37—2021 Компьютерные модели и моделирование. Цифровые двойники изделий. Общие положения. URL: https://fea.ru/news/8683.
6. CML-Bench® — цифровая платформа по разработке и применению цифровых двойников. URL: https://cml-bench.ru/.
7. Цифровая платформа по разработке и применению цифровых двойников CML-Bench® — Реестр программного обеспечения. URL: https://reestr.digital.gov.ru/reestr/310460/?sphrase_id=1514023.
8. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 1) / А.И. Боровков [и др.] // САПР и графика. 2023. № 8. С. 42-51.
9. Боровков А.И. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 2) / А.И. Боровков, В.В. Бураков // САПР и графика. 2023. № 9. С. 54-64.
10. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 3) / А.И. Боровков [и др.] // САПР и графика. 2023. № 10. С. 50-62.
11. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 4) / А.И. Боровков [и др.] // САПР и графика. 2024. № 5. С. 4-12.
12. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 5) / А.И. Боровков [и др.] // САПР и графика. 2024. № 7. С. 4-16.
13. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 6) / А.И. Боровков [и др.] // САПР и графика. 2024. № 8. С. 12-24.
14. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 7): разработка и применение цифровых двойников композиционных материалов / А.И. Боровков [и др.] // САПР и графика. 2025. № 7. С. 4-18.
15. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 8.1): применение параметрической оптимизации, методов машинного обучения и генеративного искусственного интеллекта при разработке цифровых двойников изделий / А.И. Боровков [и др.] // САПР и графика. 2025. № 10. С. 19-29.
16. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 8.2): применение параметрической оптимизации, методов машинного обучения и генеративного искусственного интеллекта при разработке цифровых двойников изделий / А.И. Боровков [и др.] // САПР и графика. 2025. № 11. С. 32-41.
17. Передовая инженерная школа СПбПУ «Цифровой инжиниринг» выиграла стратегически важный конкурс и заключила контракт с АНО «Федеральный центр беспилотных авиационных систем». URL: https://fea.ru/news/8904.
18. Команда Петербургского Политеха победила в Чемпионате России по спорту сверхлегкой авиации. URL: https://pish.spbstu.ru/news/9171.
19. Распоряжение Правительства РФ от 07.11.2023 г. № 3113-р. URL: http://government.ru/docs/all/150406/.
20. Правительство актуализировало стратегическое направление в области цифровой трансформации обрабатывающих отраслей промышленности. URL: http://government.ru/news/57959/.
21. Инженеры Научного центра мирового уровня СПбПУ «Передовые цифровые технологии» разработали и изготовили электродвигатель для беспилотников. URL: https://nticenter.spbstu.ru/news/8944.
22. «Сертификация БАС» — круглый стол на VII Всероссийском форуме «Передовые цифровые и производственные технологии» в СПбПУ. URL: https://fea.ru/news/9283.
23. Воздушный кодекс РФ от 19 марта 1997 г. N 60-ФЗ (с изм. и доп.). URL: https://base.garant.ru/10200300/9db18ed28bd6c0256461e303941d7e7a/.
24. Минтранс РФ установил ценовой предел для сертификации беспилотников до 30-70 млн руб. URL: https://www.interfax.ru/russia/898017.
25. Сертификация БАС обходится в 150 млн рублей. URL: https://dronus.ru/news/sertifikatsiya-bespilotnika.
26. High-Lift Common Research Model (CRM-HL) — NASA, 2021. URL: https://ntrs.nasa.gov/api/citations/20210010908/downloads/06-NASA-IFAR-Cert-CRM-HL-Wahls-final.pdf.
27. NASA/CR-20210015404 A Guide for Aircraft Certification by Analysis. URL: https://ntrs.nasa.gov/api/citations/20210015404/downloads/NASA-CR-20210015404%20updated.pdf.
28. В ПИШ СПбПУ «Цифровой инжиниринг» открыта новая магистерская программа «Системный цифровой инжиниринг беспилотных авиационных систем». URL: https://fea.ru/news/9324.
29. Архипелаг-2025: Специалисты ПИШ СПбПУ представили демонстратор программного комплекса автоматизированного проектирования и расчета электрических винтомоторных групп беспилотных воздушных судов на выставке-конкурсе «Дронгараж». URL: https://pish.spbstu.ru/news/9174.

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