Российские исследователи впервые на практике сравнили качество работы нескольких систем искусственного интеллекта, предназначенных для подбора оптимальных свойств углеродных нанотрубок. Об этом 8 декабря сообщила пресс-служба «Сколтеха».
«Мы провели своего рода конкурс, в рамках 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, проведенные ими эксперименты показали, что и нейросетевые подходы, и классические системы машинного обучения достаточно неплохо справляются с подбором условий для синтеза нанотрубок с определенным диаметром и другими простыми свойствами. Более сложные характеристики, в том числе характер взаимодействия частиц света с нанотрубками, могут правильно определять только сложные нейросети, тогда как простые алгоритмы машинного обучения с этой задачей не справляются.
Исследователи ожидают, что расширение набора экспериментальных замеров позволит уже в ближайшем будущем создать в «Сколтехе» самообучающийся реактор, который будет производить углеродные нанотрубки с заранее заданными свойствами.
