Государственный библиографический указатель Республики Саха (Якутия) "Статьи из газет Якутии" выходит ежемесячно и предназначен для текущего информирования о статьях, опубликованных в газетах, выходящих в республике по всем отраслям знания и практической деятельности. В указателе также представлены материалы из газет, изданных за пределами республики (местных авторов, на языках коренных народов, о республике). Формирование указателя осуществляется на основе государственного библиографического учета и регистрации обязательного экземпляра газет, поступающих в Национальную библиотеку Республики Саха (Якутии) в соответствии с Федеральным законом "Об обязательном экземпляре документов" и Закона Республики Саха (Якутия) "Об обязательном экземпляре документов"

Исследованы возможности применения искусственного интеллекта (ИИ) в Национальной библиотеке Республики Саха (Якутия). Рассмотрены труды отечественных специалистов, доказывающие преимущества ИИ для эффективного поиска информации, формирования ресурсов, цифровизации процессов обслуживания и анализа больших данных. Опыт Национальной библиотеки Республики Саха (Якутия) показывает положительные результаты интеграции технологий ИИ. Проведен анализ ряда ИИ-продуктов, модернизирующих библиотечные сервисы. Центральным элементом выступает использование API нейросетевой модели GigaChat для разработки собственных продуктов и сервисов. Детально описаны шесть инновационных проектов, внедряемых в Национальной библиотеке Республики Саха (Якутия): платформа сбора голосовых данных VoiceNLRS, синтезатор речи на якутском языке "Истиҥ", вопросно-ответная система "Эксперт Якутии", сервис работы с документами "ИИ-текст", виртуальный помощник "Цифровой библиотекарь Якутии", модуль автоматизированной каталогизации на основе ИИ (ИИ-каталогизация). Данные решения повышают эффективность обслуживания пользователей, улучшают взаимодействие с библиотечными ресурсами и способствуют цифровизации библиотечных процессов. Проведен сравнительный анализ аналогичных проектов за рубежом. Подняты вопросы создания единой ИИ-платформы нового поколения для библиотек, проанализированы сопутствующие вызовы и риски. Данная публикация предлагает пути развития библиотек в области ИИ и призвана вызвать дискуссию в библиотечном сообществе о будущем применении ИИ в библиотеках
The possibilities of artificial intelligence (AI) application in the National Library of the Republic of Sakha (Yakutia) are studied. The works by domestic specialists proving the advantages of AI for effective information retrieval, resource formation, digitalization of service processes and big data analysis are considered. The experience of the National Library of the Republic of Sakha (Yakutia) shows positive results of integration of AI technologies. A number of AI products modernizing library services have been analyzed. The central element is the use of API of the GigaChat neural network model for the development of own products and services. Six innovative projects implemented in the library are described in detail: VoiceNLRS voice data collection platform, speech synthesizer in Yakut language “Istin”, chatbot “Yakutia Expert”, document handling service “AI-Text”, telegram bot “Yakutia Digital Librarian”, module of automated cataloging based on AI (AI-Cataloging). These solutions increase the efficiency of user service, improve interaction with library resources and contribute to the digitalization of library processes. A comparative analysis of similar projects abroad is carried out. The issues of creating a unified AI platform of a new generation for libraries are raised, the associated challenges and risks are analyzed. The paper proposes ways for libraries to develop in the field of AI and aims to provoke a discussion in the library community about the future application of AI in libraries

Национальное издательство "Бичик" выпустило энциклопедию профессора Розалии Бравиной о шаманизме якутского народа, содержащую уникальные архивные материалы и иллюстрации, предназначенную для широкого круга читателей

В Якутии открыт современный учебно-лабораторный корпус Малой академии наук на 150 мест с лабораториями мирового уровня, что позволит интенсифицировать работу по поддержке одаренных детей

Якутия подписала соглашение с Сибирским отделением РАН для активизации научного сотрудничества в социально-экономическом развитии республики, особенно в области Арктики и перспективных экономических направлений

Команда Малой академии наук Якутии успешно выступила на XX Балтийском конкурсе в Санкт-Петербурге, завоевав дипломы II и III степени, а также специальные призы

В рамках 55-летия службы детской хирургии Якутии состоялась конференция с участием ведущих специалистов, где якутским врачам представили новые методы лечения и провели мастер-класс по сложным операциям

Приводятся результаты применения методов машинного обучения для прогнозирования золоторудной минерализации на поисковой стадии геологоразведочных работ на примере Верхнеамгинского щелочного массива Алдано-Станового щита. Использованы данные анализа 403 штуфных проб методом ICP-AES на 25 химических элементов. Протестированы восемь алгоритмов классификации: Random Forest, Support Vector Machine, Neural Network (Multilayer Perceptron), Boosting (AdaBoost), Decision Tree, K-Nearest Neighbors, Linear Discriminant Analysis и Naive Bayes. Наивысшую точность (до 89,6 %) продемонстрировали Random Forest и Support Vector Machine, основанные на выявлении взаимосвязей между рудными элементами (Au, Ag, As, Cu, Sb) и элементами с отрицательной корреляцией (Mg, Ca, Ti). Результаты подтверждены ROC-анализом. При создании модели машинного обучения в качестве целевой переменной приняты значения "рудного" фактора для каждой пробы, использованные в качестве предиктора. С помощью построения аномальных полей значений "рудного" фактора проведено сравнение параметров известных объектов и прогнозируемых площадей. Методы машинного обучения позволяют оперативно и надежно интерпретировать аналитические данные, полученные с использованием спектрометрии или портативных XRF-анализаторов. Для повышения точности прогноза подчеркивается важность комбинации традиционных статистических методов (кластерный, факторный анализ) с современными алгоритмами машинного обучения.
The study reports on the application of machine learning methods for predicting gold mineralization in the prospecting phase of geological exploration. It focuses on the Verkhneamginsky alkaline massif, situated within the Aldan-Stanovoy Shield, as a case study. The investigation included the analysis of 403 ore samples, which were evaluated through Inductively Coupled Plasma Atomic Emission Spectroscopy (ICP-AES) to determine the concentrations of 25 chemical elements. A total of eight classification algorithms were assessed in this investigation, including Random Forest, Support Vector Machine, Neural Network (Multilayer Perceptron), Boosting (AdaBoost), Decision Tree, K-Nearest Neighbors, Linear Discriminant Analysis, and Naive Bayes. The Random Forest and Support Vector Machine algorithms demonstrated the highest accuracy, achieving 89.6%, by identifying the relationships among ore elements (Au,Ag, As, Cu, Sb) and those elements that displayed negative correlations (Mg, Ca, Ti). These results were further validated through Receiver Operating Characteristic (ROC) analysis. In the process of developing the machine learning model, the values corresponding to the “ore” factor for each sample were designated as the target variable, while serving as predictors. To enable a comparative analysis between the parameters of established entities and the predicted regions, anomalous fields of the “ore” factor values were constructed. Additionally, machine learning methods enable the rapid and reliable interpretation of virtually any geochemical analytical data in the field, including data obtained through modern spectrometry methods and portable X-ray fluorescence (XRF) analyzers. The research further underscores the significance of integrating traditional statistical approaches, such as cluster and factor analysis,with contemporary machine learning algorithms to improve the accuracy of predictions.