Создавать более стойкие и функциональные полимеры поможет российская нейросеть, способная прогнозировать их свойства в тысячи раз быстрее других программ, утверждают разработчики из ДГТУ. Результаты исследования опубликованы в журнале Polymers. Полимерами называют химические соединения, состоящие из множества повторяющихся звеньев (мономеров), которые выстраиваются в крупные молекулы, рассказали в Донском государственном техническом университете (ДГТУ). Полимерные материалы – одни из самых востребованных в промышленности. К наиболее популярным изделиям из них можно отнести упаковки для различной пищи, посуду, бутылки, силиконовые предметы, шины и даже украшения, подчеркнули специалисты. В России и в мире регулярно синтезируют новые полимеры, однако процесс выяснения их свойств, в частности, устойчивости к высоким температурам и различным повреждениям, остается трудоемким и долгим. Для этого требуется создавать сложную математическую модель,  обратили внимание в вузе, и она не может выявить в точности все изменения в материале при его долгой эксплуатации.

"Мы обучили нейросеть прогнозировать деформационные свойства полимеров. Так возможно узнать особенности изменения деформаций материала во времени при воздействии – растяжении, сжатии, изгибе, кручении. Искусственный интеллект обрабатывает эти данные в тысячи раз быстрее других алгоритмов", – рассказал автор разработки, профессор кафедры сопротивления материалов ДГТУ Антон Чепурненко.

Материалом для обучения стали данные, сгенерированные на основе теоретических кривых релаксаций (процесс перестройки вещества при переходе из неравновесного состояния в равновесное), дополнил ученый. Теперь по результатам обработки информации исследователи могут составлять подробные графики изменений во времени для полимеров. Особенно ценным специалист называет выявление изменений их свойств в зависимости от температуры. Полимерные соединения размягчаются при высоких температурных показателях, и теперь можно четко установить порог начала выраженных деформаций для каждого соединения. Это позволит лучше определять сферу применения конкретных полимеров, уверен Антон Чепурненко, и может поспособствовать созданию более устойчивых соединений.

"Нейросеть помогает определить и особенности вторичных полимеров, которые производятся при переработке первичных. Так мы выясняем, насколько изменятся характеристики вещества в итоге, и будет ли материал полностью безопасен для использования в быту", – отметил исследователь.

Имея детальное знание о свойствах материалов можно существенно расширить область их применения, считает ученый. Так, например, вторичный поливинилхлорид жестче, чем исходный, значит, может использоваться не только для изготовления облицовочных элементов, но и конструкций, воспринимающих более серьезные нагрузки. Чепурненко подчеркнул, что дальнейшая перспектива исследований – дообучение нейросети для работы c бетоном и другими материалами. ДГТУ является участником государственной программы поддержки университетов "Приоритет 2030". В рамках программы развития вуза до 2030 года реализуется стратегический проект "Восемь точек роста", призванный обеспечить инновационное развитие на основе междисциплинарного подхода с фокусировкой на приоритетных направлениях.

Источник: https://ria.ru/20221114/dgtu-1830532158.html

Ученые МТУСИ разработали симулятор, позволяющий обучать беспилотные транспортные системы с повышенной точностью и меньшими временными и вычислительными затратами. По словам авторов, решение получено благодаря применению современных технологий искусственного интеллекта. Результаты работы опубликованы в журнале Sensors. Сегодня крупные города мира сталкиваются с  исчерпанием возможностей развития транспортных сетей в условиях, когда автомобильный трафик растет с каждым годом, отмечают специалисты. В сложившейся ситуации, говорят они, необходимо не только качественно проектировать новые дороги, но и обеспечивать эффективность их функционирования и безопасность движения.

Основной целью исследователей, инженеров и технологических компаний, по словам ученых, сегодня является повышение безопасности и оптимальности движения транспортных средств, а также снижение экологического ущерба, наносимог автомобильным транспортом. Решение этих задач невозможно без математического моделирования транспортных сетей, которое позволяет определить такие параметры, как интенсивность движения, средняя скорость, задержки и потери времени. Сложность управления транспортными потоками заключается в том, что автомобилями управляет человек, а его поведение трудно предсказуемо и может принципиально различаться даже в схожих ситуациях. Для решения этой проблемы сегодня разрабатываются и внедряются беспилотные автомобили, однако их системы управления, как и любые другие интеллектуальные системы, нуждаются в предварительном обучении на широком спектре дорожных ситуаций. В настоящее время за рулем беспилотного автомобиля в ходе обучения находится специалист, вынужденный проезжать тысячи километров, проводя систему управления через меняющиеся внешние условия и различные дорожные ситуации, объясняют ученые Московского технического университета связи и информатики МТУСИ, занятые решением проблемы. Такой подход к обучению занимает много времени и притом не позволяет воспроизвести все сценарии, которые могут  встретиться на дороге в реальной жизни. "Мы предлагаем симулятор реалистичной городской среды, который позволит сократить время обучения и даст возможность  генерировать всевозможные события.

Для реализации такого тренажера мы разработали метод, позволяющий воссоздать реалистичный мир за один проезд по улицам города", – рассказал декан факультета "Информационные технологии" МТУСИ Михаил Городничев. Он пояснил, что речь идет о разработке интеллектуальной системы цифровой паспортизации транспортной инфраструктуры с использованием сверточных нейронных сетей, которая позволяет создавать объекты окружающего мира для дальнейшего размещения в виртуальной среде симулятора. Получаемые образы должны быть оптимального размера, добавил он, чтобы не перегружать систему, так как в ней будет храниться большое количество объектов дорожной инфраструктуры. "Мы в первую очередь выполнили проектирование системы, а также модифицировали и разработали архитектуру нейронной сети, которая позволяет классифицировать объекты с достаточной точностью, получать оптимизированные объекты и снизить вычислительную сложность", – отметил ученый. Предложенные методы используются в симуляторе реалистичной городской среды, резюмировал он, что позволяет сократить время и вычислительные затраты при обучении беспилотных транспортных систем. В Московском техническом университете связи и информатики (МТУСИ) проблемы 3D-моделирования и прототипирования, а также разработки в области искусственного интеллекта ведутся на факультете "Информационных технологий".

Источник: https://ria.ru/20221111/mtusi-1830572019.html

Холдинг «Швабе» Госкорпорации Ростех поставил российскому заказчику партию медтехники от Красногорского завода им. С. А. Зверева. Оборудование предназначено для диагностики различных патологий в области офтальмологии, гинекологии и акушерства. В поставку вошла щелевая лампа ЛС-01-«Зенит», разработанная для визуального стереоскопического наблюдения, исследования хрусталика, сетчатки и переднего отрезка глазного яблока. Прибор дает большую глубину резкости и имеет высокую разрешающую способность. КМЗ также направил бинокулярные напольные кольпоскопы КНб- 02-«Зенит» и КНб-04-01 LED-«Зенит». Их используют в своей практике гинекологи и акушеры. За счет объемного изображения, которое гарантируют изделия, специалисты способны детально рассмотреть структуру и состояние кровеносных сосудов, выделив их контрастно через сине-зеленый фильтр. «При разработке медтехники мы уделили внимание комфорту врачей – применили конвергентную оптическую систему, которая снижает нагрузку на зрение. Вместе с тем изделия обладают высокими техническими характеристиками, удобны в использовании. В совокупности это обеспечивает спрос на продукцию и ее востребованность на российском рынке», – отметил генеральный директор КМЗ Александр Новиков. Медицинские диагностические решения предприятия сегодня применяются в частных и государственных медучреждениях страны. На оборудовании работают врачи из Москвы, Саратова, Перми, а также Татарстана, Башкортостана и многих других российских регионов. Кроме того, медтехнику освоили специалисты стран ЕАЭС.

Источник: https://rostec.ru/news/shvabe-postavil-rossiyskoy-kompanii-partiyu-medtekhniki/