Новая нейросеть поможет ученым разработать сверхпрочные материалы

Группа российских исследователей разработала новую нейронную сеть, способную подбирать металлы и сплавы для создания сверхпрочных материалов и конструкций. Об этом стало известно из сообщения пресс-службы Пермского национального исследовательского политехнического университета (ПНИПУ).

Ученые Пермского Политеха создали нейросетевую модель, которая поможет разработчикам высокотехнологичных устройств быстро и недорого подбирать подходящие по набору природных свойств металлы и сплавы для создания перспективных конструкций для промышленных отраслей. В перспективе такая система станет «интеллектуальным помощником» для инженера на предприятии, которая автоматически подберет способ изготовления деталей, определит химический состав сплавов и программу их термомеханической обработки,

из сообщения пресс-службы ПНИПУ.

Известно, что для подбора оптимального сочетания металлов и сплавов ученым приходилось проводить серии экспериментов для измерения их качеств. Авторы нового исследования решили упростить поиск прочных материалов, создав особую нейросеть, анализирующую цифровые изображения образцов для определения перспективных видов материалов.

Алгоритм может распознать свойства материалов, относя каждый из них к одному из классов твердости. В работе нейросети применяются реальные, а не синтезированные данные, что позволяет обеспечить глубину работы технологии. Точность результатов анализа нейросети составляет 92,1%. Специалисты также отметили, что особое исследование позволило определить количество ошибочно размеченных снимков потенциальных материалов, способных повлиять на точность результата.

Авторы новой разработки намерены продолжить работу по ее совершенствованию. В будущем они намерены добавить новые критерии, по которым нейронная сеть могла бы подбирать перспективные металлы и сплавы для создания сверхпрочных материалов и изделий.

Ранее «Центральная Служба Новостей» сообщала о преодолении разрыва между квантовыми симуляторами и квантовыми компьютерами.