Научно-учебная лаборатория методов анализа больших данных LAMBDA

Публикации

• Книга

  Derkach D., Artemev M.

  2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)

  IEEE, 2025.

• Статья

  Lazarev M., Derkach D., Ratnikov F.

  Database of tensile test results of carbon fibers impregnated with thermoplastic polymer.

  В данном исследовании представлен исчерпывающий набор экспериментальных данных, направленных на выявление механизмов и закономерностей, определяющих деформационное поведение композитов, армированных непрерывными углеродными волокнами (УВ) на основе термопластичных полимеров. В работе описаны методы извлечения данных, которые впоследствии могут быть использованы для оптимизации механических свойств таких структур с помощью моделей нейронных сетей. В данной статье рассматривается термопластичный полимер полисульфон (ПСУ) марки Ultrason S 2010, который использовался в качестве матричного материала для композитов, а в качестве армирующих волокон использовались высокопрочные волокна Toray T700SC. Образцы композита в виде стержней диаметром 1 мм были получены путем пропитки волокон раствором полисульфона в N-метил-2-пирролидоне с последующим удалением растворителя. Собранный набор данных содержит более 600 результатов испытаний на растяжение, включая диаграммы нагрузка-деформация для различных условий испытаний, данные о механизмах разрушения образцов и изображения микроструктуры образцов в поперечном и продольном сечениях, полученные с помощью сканирующего электронного микроскопа (СЭМ). Этот набор данных будет полезен для разработки моделей машинного обучения.

  Scientific data. 2026.

• Глава в книге

  Ivanov S., Borisov V., Ali S. et al.

  Refrigerant Leak Detection in Data Centers Using Topologically Determined Graph Neural Networks

  In bk.: 2025 IEEE XVII International Scientific and Technical Conference on Actual Problems of Electronic Instrument Engineering (APEIE). IEEE, 2025. Ch. 127. P. 1-7.

• Препринт

  Shipilov F., Barnyakov A., Ivanov A. et al.

  ML-based Fast Simulation of FARICH Responses

  arxiv.org. Physics. Cornell University, 2026