* **Пример:** Программа Howard Hughes Medical Institute (HHMI) в США, которая поддерживает ученых, а не проекты, давая им свободу менять направление исследований.

* **Изменение метрик оценки ученых:**

* Отказаться от подушевого подсчета публикаций и индекса Хирша как главных критериев.

* Внедрить **DORA Declaration (Сан-Францисская декларация об оценке научных исследований)**:

* Оценивать вклад по качеству, а не количеству публикаций.

* Учитывать другие формы результата: создание методов, программного обеспечения, менторство, популяризацию, участие в рецензировании.

* Внедрить систему открытых рецензий и препринтов.

### 2. Поддержка и удержание талантов

**Цель:** Вернуть престиж профессии ученого и создать для них стабильные карьерные траектории.

* **Создание прозрачных и стабильных карьерных путей:**

* Ограничить срок пребывания в позиции «постдока» (например, 5-6 лет) с гарантированным переходом на постоянную позицию для успешных исследователей.

* Развивать альтернативные карьеры внутри науки: научный менеджмент, инжиниринг, IT-специалисты для науки.

* **Достойное финансирование и зарплаты:**

* Обеспечить конкурентоспособные зарплаты, особенно на старте карьеры, чтобы конкурировать с частным сектором.

* Финансирование грантов должно включать адекватную статью на зарплаты исполнителей, а не только на оборудование и реактивы.

* **Привлечение молодежи к управлению:**

* Включать молодых ученых в научные советы, комитеты по распределению грантов и выработке научной политики.

### 3. Стимулирование междисциплинарности и конвергенции наук

**Цель:** Преодолеть устаревшую дисциплинарную раздробленность для решения сложных задач.

* **Создание междисциплинарных центров превосходства:**

* Формировать исследовательские кластеры, объединяющие физиков, биологов, химиков, математиков и специалистов по данным под одну крышу для работы над общей проблемой (например, борьба со старением, климатические модели).

* Выделять целевое финансирование исключительно на такие кросс-дисциплинарные проекты.

* **Развитие науки о данных и ИИ как «клея» для наук:**

* Создавать программы по обучению ученых-естественников методам Data Science и Машинного обучения.

* Инвестировать в создание инструментов ИИ для анализа научных данных, предсказания свойств материалов и ускорения открытий.

### 4. Глубокая интеграция с технологиями и обществом

**Цель:** Ускорить превращение открытий в инновации и повысить общественную поддержку науки.

* **Создание «переводных» мостов между наукой и индустрией:**

* Развивать программы по типу «Proof-of-Concept Grants» (гранты на доказательство концепции), которые помогают ученым проверить практическую применимость их открытия.

* Поощрять создание spin-off компаний при университетах и НИИ.

* **Приоритезация больших вызовов:**

* Публично объявить о национальных или глобальных научных «вызовах» (аналогия с лунной программой) и направлять значительные ресурсы на их решение (например, «Создание источника чистой энергии», «Понимание природы сознания»). Это мобилизует сообщество и привлечет общественный интерес.

### 5. Укрепление этических основ и открытости науки

**Цель:** Восстановить доверие к науке и повысить эффективность исследований.

* **Полный переход на открытую науку (Open Science):**

* Требовать обязательного размещения препринтов статей в открытом доступе.

* Создавать инфраструктуру для открытой публикации не только статей, но и исходных данных, кода и протоколов экспериментов.

* Это ускорит проверку результатов и повысит их достоверность.

* **Борьба с предвзятостью и кумовством:**

* Внедрять двойные слепые рецензии для грантов и статей.

* Создавать независимые международные комитеты для оценки крупных проектов и институтов.