Ученые ФКН НИУ ВШЭ вошли в число самых цитируемых исследователей мира
.jpg "Ученые ФКН НИУ ВШЭ вошли в число самых цитируемых исследователей мира")
Исследователи факультета компьютерных наук НИУ ВШЭ вошли в рейтинг 2 % наиболее цитируемых ученых мира (science-wide author databases of standardized citation indicators), который ежегодно формируется аналитической группой профессора Джона Иоаннидиса на основе базы данных научного издательства Elsevier.
Методология этого рейтинга считается одной из самых строгих и объективных в академическом мире: он оценивает стандартизированный c-score — комплексный показатель, учитывающий индекс Хирша, вклад автора в совместные работы, соавторство и значимость публикаций за всю научную карьеру исследователя либо за конкретный календарный год. При формировании списка авторы анализируют массив публикаций в ведущих научных изданиях мира, индексируемых в базе Scopus с 1996 года по сегодняшний день. В фокус внимания попадают почти 250 тысяч исследователей, на долю которых приходится верхние 2 % самых цитируемых работ.
В обновленный список, опубликованный в 2026 году, в категории ученых в области искусственного интеллекта и обработки изображений вошли:
- Сергей Кузнецов — доктор физико-математических наук, ординарный профессор НИУ ВШЭ, директор Центра языковых и семантических технологий и академический руководитель магистратуры «Науки о данных» ФКН. Его работы посвящены анализу формальных понятий, математическим методам извлечения знаний и логическому выводу.
- Артём Бабенко — кандидат физико-математических наук, заведующий научно-учебной лабораторией компании «Яндекс» и руководитель направления фундаментальных исследований Yandex Research. В фокусе его научных интересов — алгоритмы эффективного поиска в векторных пространствах, методы оптимизации и современные архитектуры нейросетей.
- Сергей Николенко — кандидат физико-математических наук, преподаватель и кандидат физико-математических наук, профессор департамента анализа данных и искусственного интеллекта. Он исследует глубокое обучение, генеративные модели, синтетические данные и анализ алгоритмов.
Сергей Кузнецов отмечает, что подобная награда для любого ученого — это важный и приятный ориентир: у исследователя всегда есть сомнения в том, в правильном ли направлении ведется работа и востребована ли она. По словам профессора, среди его фундаментальных трудов наиболее цитируемыми сегодня оказались работы по алгоритмам и сложности алгоритмических задач анализа данных на основе замкнутых описаний. Рассуждая о том, что важнее для долгосрочной цитируемости в компьютерных науках — прогнозирование трендов или глубина математической базы, ученый отметил, что универсального правила нет: будущий тренд может базироваться на математических результатах, чья прикладная ценность не очевидна сразу.
«Например, алгоритм, который я опубликовал ещё в 1990-е годы, более десяти лет практически не цитировался, до тех пор, пока его не переизобрели несколько раз известные в моей области исследователи. После того как им и их ученикам указали на факт переизобретения, на мою работу пошел вал цитирования, — отмечает Сергей Кузнецов. — А бывает так, что сразу попадаешь в какой-то фокус интереса, особенно если публикуешь в хорошем журнале первого квартиля. Цитируемость, как известно, часто следует „закону Матфея“: „Ибо всякому имеющему дастся и приумножится, а у неимеющего отнимется и то, что имеет“. В эмпирических науках разные авторы могут получать сходные результаты, но авторы новых статей склонны цитировать более известных исследователей и статьи в более престижных изданиях».
Для Артёма Бабенко и его коллег попадание в рейтинг — это прежде всего подтверждение того, что исследования востребованы далеко за пределами Яндекса, а идеи команды находят признание и развитие в работах ученых по всему миру.
Сегодня исследовательское подразделение Yandex Research фокусируется на машинном обучении: работе с табличными данными, графовым машинным обучением и генеративными моделями, а также на повышении эффективности и оптимизации архитектур. По словам заведующего лабораторией, исследования могут начинаться как с фундаментальных теоретических вопросов, так и с конкретных технологических задач, а их результатами становятся научные статьи, открытые модели, код и датасеты, доступные мировому сообществу.
Особенностью работы подразделения остается тесная связка с продуктовыми командами: реальные задачи помогают формулировать новые исследовательские вопросы, а научные методы позволяют находить решения, выходящие за рамки первоначальной проблемы. При этом в лаборатории подчеркивают, что далеко не каждый проект должен обязательно внедряться в сервис — не менее важны фундаментальные результаты, расширяющие возможности машинного обучения в целом. Ярким примером международного влияния разработок стал проект Petals для распределенного запуска больших языковых моделей на нескольких устройствах, созданный исследователями Яндекса совместно с международными коллегами. Недавно исследователи Anthropic воспроизвели предложенный подход к распределенному инференсу, запустив модель Gemma-2-26B на 15 недорогих ТВ-приставках.
«Это наглядно показывает, как научная идея продолжает жить и становится основой для новых экспериментов, иногда довольно неожиданных даже для самих авторов, — подчеркивает Артём Бабенко. — Мы не видим противоречия между интересами бизнеса и фундаментальной науки. Для Яндекса это имеет и практическую ценность: помогает сохранять экспертизу мирового уровня, развивать собственные технологии и переносить новые подходы в сервисы, которыми пользуются миллионы людей. Мы не ставим себе целью выпустить определенное количество статей или попасть в конкретный рейтинг. Для нас гораздо важнее делать содержательные исследования, которые двигают область вперёд и выдерживают международную конкуренцию. Поэтому особенно ценно видеть не просто высокие показатели цитируемости, а то, как наши идеи получают продолжение в работах других ученых».