Современная электроника №5/2026

ВОПРОСЫ ТЕОРИИ 41 WWW.CTA.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА • № 5 / 2026 вого управления, способных прини­ мать решение на основе прецедентов в сложных и динамически изменяю­ щихся условиях. Литература 1.  Абросимов В.К., Михайлова Е.С. Классификация прецедентов группового управления // Информационно-управляющие системы. 2025. № 2. С. 27–36. 2.  Тихонов Р.И., Бубенщиков Ю.Н. Практический опыт испытаний комплексов с беспилотными летательными аппаратами в условиях информационно- технических воздействий // Военная мысль. 2019. № 6. С. 118–124. 3.  Василенко О.М., Иванов А.Г., Максимова М.В. Испытания беспилотных авиационных комплексов // Инженер-механик. 2012. № 1. С. 15–22. 4. Испытания беспилотных летательных аппаратов. Shenzhen SCIEO Electronics Co., Ltd. URL: https://www.scieo.by/ (дата обращения: 03.10.2025). 5.  Сердюков К.Е., Авдеенко Т.В., Макарова Е.С. Исследование возможностей генетического алгоритма для извлечения релевантных прецедентов в системах поддержки принятия решений // Сборник трудов III международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2017). Самара. 2017. С. 1864–1870. 6.  Пчелинцев С., Юляшков М.А., Ковалева О.А. Метод создания синтетических наборов данных для обучения нейросетевых моделей распознаванию объектов // Информационно-управляющие системы. 2022. № 3 (118). С. 9–19. 7.  Михайлова Е.С. Логико- лингвистическая модель группового прецедента. «Управление развитием крупномасштабных систем» (MLSD'2024). М., 2025. С. 1124–1131. 8.  Поспелов Д.Ю. Онтологии в эпоху цифровизации. Ч. 1. Мост между мыслью и цифрой (путь к пониманию онтологии) // Информационное моделирование. 2024(3). № 1. С. 105–107. 9.  Ковязина Д.Р. Синхронизация времени в распределённых информационно-управляющих системах // Научно-технический вестник информационных технологий, механики и оптики. 2007. № 45. С. 71–78. 10.  Прошин Ф.А., Сторожук М.Н., Сторожук Н.Л. Методы синхронизации в сетях связи // Измерения и синхронизация. Первая миля. 2024. № 2. С. 62–69. 11.  Стаффорд Д. Преимущества ультранизкой задержки при трансляции видео // Современные технологии автоматизации. 2020. № 4. С. 76–81. 12.  Куссуль Э.М. Ассоциативные нейроподобные структуры. Киев: Наукова думка, 1991. 144 с. 13.  Constatine L.L., Lockwood L.A.D. Software for Use: A Practical Guide to the Models and Methods of Usage-Centered Design, Addison-Wesley Professional, 1999, 600 p. НОВОСТИ МИРА. ЧИТАЙТЕ НА ПОРТАЛЕ WWW.CTA.RU Учёные создали оптический «синапс», имитирующий работу человеческого зрения Исследователи из King Abdullah University of Science and Technology разработали гиб- кое оптическое устройство, способное од- новременно воспринимать и обрабатывать визуальную информацию по принципу, на- поминающему работу человеческого моз- га. Технология может стать основой для нового поколения систем машинного зре- ния, нейроморфных вычислений и носимой электроники. Разработка представляет собой тонко- плёночный «оптический синапс», полностью управляемый светом. В отличие от боль- шинства существующих светочувствитель- ных синаптических устройств, которым од- новременно требуются электрические и оп- тические сигналы, новая система работает исключительно за счёт воздействия света. Это позволяет снизить энергопотребление и упростить архитектуру устройства. Авторы проекта отмечают, что современ- ные камеры и вычислительные системы по- прежнему разделяют функции сенсора, па- мяти и обработки данных между разными компонентами. Из-за этого информация постоянно передаётся между блоками, что увеличивает задержки и энергозатраты. Но- перовскиты и чёрный фосфор. Наличие не- скольких степеней окисления помогает фор- мировать дефектные состояния и кислород- ные вакансии, необходимые для хранения и модуляции информации. Разработчики подчёркивают, что устрой- ство сохраняет работоспособность даже при изгибе подложки, что делает технологию перспективной для гибкой электроники и носимых систем. Помимо обработки изо- бражений в реальном времени, оптический синапс способен выполнять логические опе- рации, совместимые с существующими по- лупроводниковыми вычислительными плат- формами. Авторы считают, что технология может найти применение в робототехнике, си- стемах искусственного зрения, энергоэф- фективном ИИ-оборудовании и интеллектуальных сенсорных устройствах следующего поко- ления. вый подход приближает архитектуру к био- логической зрительной системе, где вос- приятие и обработка сигналов тесно инте- грированы. Устройство способно изменять своё со- стояние под воздействием света разных длин волн. Одни сигналы усиливают от- клик, другие – ослабляют его, что напо- минает механизм обучения и забывания в биологических синапсах. Исследователи продемонстрировали работу системы на примере эксперимента с «собакой Павло- ва»: разные длины волн света использова- лись как аналоги звука и пищи, после чего устройство научилось ассоциировать один сигнал с другим. По словам разработчиков, подобный ме- ханизм особенно важен для будущих систем искусственного зрения и аппаратного ИИ, по- скольку позволяет выполнять распознавание и обработку информации непосредственно на уровне сенсора, без передачи данных в отдельный вычислительный модуль. Конструкция устройства также была су- щественно упрощена. В её основе исполь- зуется ультратонкий слой оксида марганца на гибкой кремниевой подложке. Матери- ал отличается сравнительно низкой стои- мостью, доступностью и экологичностью по сравнению с рядом альтернатив, включая