Новый
2026 / 2027

2834 Поиск высокоэнтропийных керамических материалов со структурой Ауривиллиуса с помощью машинного обучения: создание материалов с улучшенными характерист
Заявка создана
08.11.2026
На рассмотрении у ПО
09.11.2026
Отправлен на комиссию
09.11.2026
Одобрен
Паспорт проекта
Аннотация
Данный проект направлен на разработку новых высокоэнтропийных керамических материалов со структурой Ауривиллиуса на основе титаната висмута (Bi₄Ti₃O₁₂), предназначенных для использования в современных диэлектрических накопителях энергии, в частности, в условиях высоких рабочих температур. Применение принципов высокоэнтропийного материаловедения позволяет целенаправленно изменять структурные, электрические и диэлектрические свойства функциональной керамики путем контролируемого введения...
Отрасль
Химия
Теги
ML
Моделирование
аналитика
Цель
Цель данного проекта — разработка подхода, основанного на методах машинного обучения, для поиска и оптимизации высокоэнтропийных керамических материалов со структурой Ауривиллиуса (на базе Bi₄Ti₃O₁₂) с улучшенными диэлектрическими характеристиками накопления энергии и повышенной термической стабильностью. Сочетая методы вычислительного материаловедения, скрининг составов на основе анализа данных и экспериментальную проверку, проект направлен на выявление перспективных многокомпонентных...
Ожидаемые результаты
- Разработка вычислительной базы данных составов со структурой Ауривиллиуса на основе Bi₄Ti₃O₁₂.
- Разработка моделей машинного обучения, способных выявлять взаимосвязи между физико-химическими дескрипторами и диэлектрическими свойствами.
- Определение перспективных высокоэнтропийных составов.
- Подготовка научных рукописей.
Форма и способы промежуточного контроля
Еженедельные/ежемесячные групповые встречи и презентация хода исследования
Форма представления результатов
Результаты будут опубликованы в виде научных статей в журналах, индексируемых Scopus и WoS, предпочтительных журналах Q1. Результаты также будут представлены на конференции.
Ресурсное обеспечение
Потребуется компьютерная рабочая станция с доступом в интернет, установленными средой Python (Anaconda/Jupyter Notebook) и библиотеками для машинного обучения (Scikit-learn, XGBoost, SHAP), а также программами Microsoft Excel и Origin.
Имеющийся задел
Некоторые справочные материалы уже собраны.
Заказчик
МИЭМ / ДПМ