«Они используются, например, для изготовления сейсмодатчиков, мембран манометров, датчиков скорости, ускорения и крутящего момента автомобилей, пружин часовых механизмов, весов, для изготовления металлокорда шин, сердечников высокочастотных трансформаторов, – перечисляет А. Мокшин. – Применение аморфных металлических сплавов в той или иной области обусловлено преимущественно их прочностными показателями, такими как сопротивляемость к разрушению, упругость, твердость. Именно поэтому существует потребность в разработке относительно простого и в то же время эффективного метода поиска аморфных металлических сплавов с необходимыми прочностными показателями».
«В рамках предложенной методологии из различных комбинаций этих элементов, преимущественно металлических, «собирается» сплав, и задается доля каждого элемента в сплаве. Далее обученная нейросеть осуществляет анализ информации о физических и химических свойствах элементов, образующих эти сплавы, и определяет механические свойства этого сплава. Вся эта процедура занимает всего пару минут», – проинформировал доцент кафедры вычислительной физики Булат Галимзянов.
«Для обучения нейросети были использованы данные о более чем 50 тысячах аморфных сплавов различного состава, – сообщила инженер кафедры вычислительной физики Мария Доронина и пояснила. – Поскольку нейросеть обучается с использованием большого набора эмпирических данных, полученных для аморфных металлических сплавов различного состава при комнатной температуре, результаты, которые она выдает, также соответствуют аморфным сплавам. Причем нейросети не требуется информация о координатах и скоростях атомов, что освобождает нас от трудоемкого процесса анализа структуры. Средняя погрешность расчетов составляет 12 процентов, что является хорошим показателем».