• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Зеркальная лаборатория

Лаборатория методов анализа больших данных НИУ ВШЭ победила в конкурсе проектов «Зеркальные лаборатории»
В коллаборации с Университетом Иннополиса, Национальным Университетом Сингапура мы работаем над проектом "Разработка и применение методов машинного интеллекта для эффективного поиска новых материалов". 
Руководитель проекта Устюжанин Андрей Евгеньевич.

Описание проекта

Современные материалы в основном определяются своими свойствами, которые не зависят от времени и окружающей среды. Однако для новых технологий очень полезны адаптивные материалы с функциями памяти и свойствами, которые изменяются под воздействием обратной связи с окружающей средой и управляющих сигналов. Такие материалы могут отслеживать внешние условия и адаптировать свою функциональность к новому набору условий посредством встроенной обратной связи. Большой подкласс таких функциональных материалов — это материалы вне равновесия, которые могут изменять свою конформацию, производя полезную работу, питаясь энергией окружающей среды.
Такие материалы называют функциональными материалами (ФМ). Они абсолютно необходимы для создания компьютеров фон Неймана (нейроморфных), интерфейсов "машина-человек", искусственных органов и тканей, умных мембран, умных батарей и катализаторов, и это лишь некоторые из них. Разработка и промышленное производство ФМ требуют точного моделирования функциональных и внеравновесных свойств материальных систем. Таким образом, подобные модели позволят осуществлять синтез интеллектуальных и адаптивных структур со встроенной памятью и возможностями управления. 

Цели и задачи

Разработка моделей машинного интеллекта для ускорения поиска новых материалов с заданными свойствами.

  • Создание структурированной базы данных (БД) для поиска экспериментальных/имитационных записей по различным версиям структур материалов;
  • Разработка и реализация алгоритмов и инструментов динамического машинного интеллекта, которые объединяют экспериментальные данные БД с компьютерным моделированием для решения прямой и обратной задачи синтеза;

  • Использование реальных экспериментов и моделирования с помощью подходов, основанных на машинном интеллекте и динамических суррогатных моделях;

  • Разработка и реализация алгоритмов оптимизации процесса синтеза с учетом дополнительных экспериментальных данных и результатов моделирования;

  • Применение разработанных алгоритмов для производства новых материалов с заданными характеристиками.

 


 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!
Сервис предназначен только для отправки сообщений об орфографических и пунктуационных ошибках.