Новая разработка позволяет оптимизировать технологические параметры производства без необходимости проведения многочисленных и трудоемких лабораторных экспериментов, что, по оценкам специалистов, способно сократить цикл исследований примерно в два раза.
В основе работы лежит изучение полиамида, армированного наночастицами. Этот материал находит широкое применение в самых разных отраслях – от производства медицинских имплантов до создания деталей для авиационной техники. Модель анализирует такие ключевые факторы, как концентрация наночастиц, скорость вращения рабочих органов экструдера и темп подачи сырья, чтобы спрогнозировать итоговые свойства композита.
Для обработки данных ученые применили алгоритмы машинного обучения. Наилучшие результаты продемонстрировал библиотека CatBoost, которая оказалась наиболее эффективной в выявлении сложных зависимостей между химическим составом материала и условиями его переработки. Это позволяет с высокой точностью предсказывать поведение композита еще до начала физического производства.
Внедрение такой системы дает возможность заменить часть дорогостоящих натурных испытаний виртуальным моделированием. Это особенно актуально при переходе на новое сырье или модернизации производственной линии. В дальнейших планах исследовательского коллектива – расширение возможностей модели для работы с композитами на базе различных химических компонентов, что откроет путь к созданию материалов с заранее заданными уникальными свойствами.
