Методы глубокого обучения для оптимизации решeния образовательных и исследовательских задач в области наноматериаловедения

Abstract

Симбиоз классической науки и передовых информационных технологий становится все более продуктивным и востребованным для современного научно-технического прогресса и укрепления позиций белорусской науки и образования на международной арене. Нейронные сети и методы машинного обучения в общем способны снизить временные и трудовые затраты на широкий ряд материаловедческих исследований, особенно в направлении прогнозирования свойств наноматериалов и новых соединений, что особенно актуально в рамках стратегии «Наука и технологии: 2018–2040» и внедрения концепции Университета 3.0. В данной работе рассмотрен практический пример решения актуальной задачи исследования свойств материалов на примере иттрий-алюминиевых оксидов (материалы, широко используемые в лазерной технике, оптоэлектронике и др.) с привлечением методов глубокого обучения. Дан сравнительный анализ результатов, полученных нейронной сетью, с данными традиционного компьютерного эксперимента.