Российский научный фонд (РНФ) подвел итоги конкурсов по проведению инициативных исследований молодыми учеными. Разработка платформы прогнозирования свойств полимеров с помощью искусственного интеллекта, которую ведут ученые Центра НТИ «Цифровое материаловедение: новые материалы и вещества» МГТУ им. Н. Э. Баумана, вошла в число победителей. Создаваемая интеллектуальная платформа предсказывает важные характеристики полимеров по структуре мономеров еще до их синтеза. Эта методология известна как QSPR (количественные соотношения структура-свойство) и активно развивается с применением машинного обучения.
«Наша интеллектуальная платформа позволит проектировать суперконструкционные полимеры с высокой температурой эксплуатации и возможностью переработки методами горячего прессования, литья под давлением и штамповки, что сократит в два и более раз число необходимых лабораторных синтезов легких, прочных и надежных материалов для корпусов БПЛА, имплантов и подшипников», — рассказал научный сотрудник Центра НТИ «Цифровое материаловедение: новые материалы и вещества» МГТУ им. Н. Э. Баумана Глеб Аверочкин.
Он уточнил, что современные материалы представляют собой не просто пластик или резину. Это высокофункциональные, биосовместимые и конструкционные полимеры, применяемые в таких областях, как медицина, энергетика, электроника и авиация.
Однако разработка новых полимеров в настоящее время является дорогостоящей и длительной задачей, требующей множества синтезов, испытаний и исправлений. Исследователям и инженерам часто необходимо подбирать материалы в соответствии с определенными требованиями: плотность, температура стеклования, термостойкость.
Использование платформы значительно ускорит разработку упаковочных материалов, изоляционных покрытий, мембран, имплантатов и других изделий, где критически важна точность характеристик.
Прототип уже функционирует и проходит тестирование на реальных данных из открытых и корпоративных источников. В ближайшие 1–2 года ученые планируют интегрировать его в платформу для химиков и материаловедов. Далее — расширение на смежные классы материалов и доступ через веб-интерфейс.
Свежие комментарии