В пресс-службе "Сколтеха" сообщили, что это позволило отобрать лучший алгоритм для синтеза этих наноструктур с четко заданными свойствами
Российские исследователи впервые на практике сравнили качество работы нескольких систем искусственного интеллекта, предназначенных для подбора оптимальных свойств углеродных нанотрубок. Это позволило им отобрать лучший алгоритм для синтеза этих наноструктур с четко заданными свойствами, сообщила в четверг пресс-служба "Сколтеха".
"Мы провели своего рода конкурс, в рамах которого мы заставили наиболее популярные модели машинного обучения соревноваться друг с другом. Многослойные нейронные сети победили в этом забеге - они оказались значительно лучше в предсказании сложных характеристик углеродных нанотрубок, таких как их оптоэлектрические свойства, чем более простые алгоритмы машинного обучения", - заявил старший научный сотрудник "Сколтеха" Дмитрий Красников, чьи слова приводит пресс-служба вуза.
Как отмечают ученые, физические и механические свойства нанотрубок сильно зависят от того, каким диаметром они обладают, как устроены отдельные "соты" из атомов углерода внутри их стенок. По этой причине физики и химики много лет разрабатывают алгоритмы и подходы, которые позволяют синтезировать нанотрубки с четко выверенными свойствами, подобранными под конкретные практические приложения.
Красников и его коллеги под руководством профессора "Сколтеха" Альберта Насибулина заинтересовались, насколько хорошо с этой задачей справляются уже существующие нейросетевые алгоритмы и классические системы машинного обучения, которые позволяют вычислять механические, электрические, химические и прочие свойства нанотрубок по параметрам их синтеза.
