Север и рынок. 2025, № 4.

СЕВЕР И РЫНОК: формирование экономического порядка. 2025. № 4. С. 182-192. Sever i rynok: formirovanie ekonomicheskogo poryadka [The North and the Market: Forming the Economic Order], 2025, no. 4, pp. 182-192. ИННОВАЦИИ В ЭКОНОМИКЕ СЕВЕРНЫХ И АРКТИЧЕСКИХ РЕГИОНОВ округ, Мурманскую область, Республику Коми, Красноярский край (северные районы), Чукотский автономный округ, Ненецкий автономный округ, Ханты-Мансийский автономный округ — Югру, Тюменскую область (северные районы), Архангельскую область (северные районы), Республику Саха (Якутия) и Магаданскую область. Данные о технологических показателях, социально-экономических условиях и реализации федеральных программ собраны за период 2018-2024 гг. из официальных источников, таких как: Федеральная служба государственной статистики (Росстат), Министерство развития Дальнего Востока и Арктики, Роспатент и Министерство цифрового развития РФ. На основе анализа программных документов и их валидации было выделено 12 технологических индикаторов, релевантных для экстремальных условий Арктики. Эти индикаторы охватывают четыре ключевые области: 1) цифровую инфраструктуру (плотность оптоволоконных линий, уровень цифровизации госуслуг); 2) технологическую инновационность (число патентов на IoT, доля ИТ-услуг в ВРП); 3) цифровизацию промышленности (доля роботизированных систем в добыче, объем инвестиций в ИТ-инфраструктуру); 4) социокультурную адаптацию (уровень цифровой грамотности населения, количество технопарков, подключенных к федеральной сети). Следует подчеркнуть, что в данном исследовании под технологической инновационностью понимается именно цифровая составляющая технологического развития, что обусловлено основной научной гипотезой и фокусом на цифровизации экономики. Используемые показатели — количество патентов в области Интернета вещей и доля ИТ-услуг в структуре валового регионального продукта — отражают цифровой аспект технологических изменений. Вместе с тем авторы признают, что эти индикаторы охватывают лишь часть более широкого спектра технологических трансформаций в экономике. В частности, в реальном секторе значительное число технологических решений и процессов модернизации (включая отказ от устаревших и неэффективных технологий в соответствии с распоряжением Правительства РФ от 19.03.2014 № 398-р) не связаны напрямую с ИТ или IoT, но также вносят вклад в общее технологическое развитие. Дополнительно учтены три контекстных фактора — экономика (ВРП на душу населения), социум (миграция квалифицированных кадров) и экология (индекс загрязнения атмосферы) — как модуляторы технологического развития, а не цели анализа. Для оценки федерального влияния на региональное развитие были выбраны 7 направлений, агрегированных в понятие федеральных программ, определяемых следующими аспектами: цифровая трансформация Арктики, развитие инновационной инфраструктуры, экологический мониторинг и устойчивое управление, поддержка малого инновационного предпринимательства, развитие транспортной и логистической инфраструктуры, цифровое образование и кадры для Арктики, создание цифровых кластеров в моногородах. Предлагаемые федеральные программы отражают кумулятивное воздействие по выделенным направлением за счет распределения федерального бюджета в области стратегического регионального развития. Модель MASGN-TT построена на основе семантического атрибутного графа G = ( Ѵ ,Е , Х ) , где узлы V соответствуют арктическим регионам, рёбра Е отражают географическую близость (расстояние < 800 км) и функциональные связи (совместные проекты, миграция специалистов и пр.), а атрибуты X £ R 11X1S включают 12 технологических индикаторов и 3 контекстных фактора. Для обеспечения воспроизводимости все данные нормализованы методом Z-score. Архитектура модели включает три ключевых компонента. Во-первых, слой семантического представления преобразует входные атрибуты в скрытое пространство размерности 64 через два полносвязных слоя с ReLU-активацией и dropout (р = 0,2). Во-вторых, реализован механизм многокритериального внимания: семь параллельных голов внимания, каждая из которых соответствует одной из семи федеральных программ («Цифровая трансформация», «Экологический мониторинг» и др.), вычисляют веса влияния этих программ на каждый из 12 технологических индикаторов. Внимание формулируется как softmax-функция от скалярного произведения обучаемых весов и скрытых представлений регионов, что позволяет интерпретировать каждый элемент матрицы внимания А £ R 7X12 как силу причинного воздействия программы на конкретный технологический показатель. Таким образом, каждая голова внимания к вычисляет вектор внимания а к £ R 12, где каждый элемент a kj показывает, насколько программа к влияет на технологический индикатор у: /Ж Т •hl + bk а к = softmax (■ Vd где Wk £ R 64X1 — обучаемый вектор; h — скрытое представление региона i; d — размерность скрытого слоя. Важно отметить, что внимание не применяется к узлам, а направлено на индикаторы — это обеспечивает интерпретируемость: каждая голова отвечает за отражение влияния конкретных программ на конкретные технологические показатели. Прогнозные значения на основе матрицы внимания ©Антипов С. К., Белошицкий А. В., Дубгорн А. С., Ильин И. В., Лёвина А. И., 2025 185