Главная / Технологические фронты / Искусственный интеллект в машиностроении

Искусственный интеллект в машиностроении

Методы машинного и глубокого обучения, нейронные сети и другие методы искусственного интеллекта в работах по машиностроению.

В 2025 году направлению посвящено 96 266 работ, в 2020 году — 33 783 работы; доля работ направления в корпусе с 2020 по 2025 год выросла в 2,5 раза.

Публикации по годам

Скачать данные в CSV

Кто лидирует, 2021–2025

Страны по вкладу в работы направления за 2021–2025 годы (312 161 работа). Счет дробный: каждая работа делится между авторами и их странами. Для 25 % авторского вклада страна в данных не указана; доли считаются от всех работ.

Организации

Россия

За 2021–2025 годы — 4 357 работ с участием российских организаций; по дробному вкладу 11-е место среди 195 стран. Больше всего работ у организаций: ITMO University (191), Bauman Moscow State Technical University (159), Lomonosov Moscow State University (203), Skolkovo Institute of Science and Technology (178), South Ural State University (142).

Ключевые работы

Наиболее цитируемые работы 2015–2025 годов, среди них до двух обзоров. Заглавия — на языке оригинала; аннотации не приводятся, ссылки ведут к публикациям.

1. SSD: Single Shot MultiBox Detector. http://www.cs.unc.edu/%7Ewliu/papers/ssd.pdf, 2016. Цитирований: 30 534.
2. DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017. Цитирований: 22 381. DOI
3. Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations. Journal of Computational Physics, 2018. Цитирований: 18 046. DOI
4. LAMMPS - a flexible simulation tool for particle-based materials modeling at the atomic, meso, and continuum scales. Computer Physics Communications, 2021. Цитирований: 12 018. DOI
5. Learning Deep Features for Discriminative Localization. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016. Цитирований: 10 908. DOI
6. YOLOv4: Optimal Speed and Accuracy of Object Detection. arXiv (Cornell University), 2020. Цитирований: 10 479. DOI
7. PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation. 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017. Цитирований: 9 837. DOI
8. Graph Attention Networks. arXiv (Cornell University), 2017. Цитирований: 8 385.
9. UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction. arXiv (Cornell University), 2018. Цитирований: 7 614. DOI
10. Deformable Convolutional Networks. 2017 IEEE International Conference on Computer Vision (ICCV), 2017. Цитирований: 7 005. DOI

Как считали

Корпус — научные работы с 2010 года по 185 темам OpenAlex, отнесенным к машиностроению (перечень тем по 11 слоям); выгрузка OpenAlex — август 2026 года, метаданные распространяются по лицензии CC0. Учтены работы с аннотацией, в заглавии или аннотации которых встречаются термины направления. Доля — число работ направления на 100 тыс. работ корпуса с аннотацией за тот же год: так рост корпуса в целом не завышает рост направления. 2026 год неполный и в ряды не входит.

Искомые термины:

machine learning · deep learning · neural network · artificial intelligence · reinforcement learning · large language model · generative ai · convolutional · random forest · support vector · gradient boosting · xgboost · lstm

Ограничения. Термины ищутся только на английском языке, поэтому работы на русском и других языках без английской аннотации недоучтены. Работы без аннотации в подсчет не входят. Классификация тем OpenAlex автоматическая и содержит ошибки. Число работ отражает интерес исследователей и не измеряет внедрение в производство.

Обновлено 04.11.2026