Твердые материалы, используемые в быту и в технике, например стекло, металлы и пластмассы, изначально имеют вид так называемых расплавов – вязких жидкостей. Точка, при которой они застывают, называется температурой Аррениуса. Если температура выше этого значения, атомы в жидкости подвижны, что делает материал текучим.
Российские ученые предложили контролировать процесс затвердевания с помощью нейронной сети. Исследования проводились с использованием гранта Российского научного фонда (РНФ).
Точность – более 90%
Новый метод на основе нейронной сети позволит быстро и точно определять температуру Аррениуса – показатель, от которого зависит процесс затвердевания расплавов.
При приближении к целевой точке атомы начинают двигаться связанно – группами – и медленнее, чем раньше, что является признаком подготовки жидкости к затвердеванию.
В ходе исследования ученым из Казанского федерального университета (КФУ) удалось с точностью более 90% уточнить этот параметр для различных типов материалов – металлических, силикатных, боратных и органических. Новый алгоритм поможет ускорить процесс производства таких материалов как стекло и сплавы металлов, а также точнее контролировать их качество.
Знать температуру Аррениуса важно при производстве любых твердых материалов, поскольку она помогает предсказывать вязкость и атомную структуру конечного вещества. Однако точно определить температуру Аррениуса для силикатных и боратных материалов – например, стекла – сложная задача, поскольку в них медленное движение атомов группами продолжается даже после достижения температуры, соответствующей застыванию. Силикатные стекла широко применяются при изготовлении посуды, аквариумов, окон и многих других вещей. Боратные стекла используются преимущественно в оптике, например, в лазерах и различных детекторах.
«Температуры плавления и стеклования легко определяются в лабораторных условиях. Более того, их можно найти в соответствующей литературе. Поэтому расчет температуры Аррениуса по ним становится очень быстрой процедурой. Это поможет упростить анализ свойств жидкостей и точнее оценивать характеристики конечных твердых материалов. В дальнейшем мы планируем адаптировать разработанный алгоритм к материалам с более сложным составом и структурой, таким как полимеры», – рассказал исполнитель проекта, кандидат физико-математических наук, доцент кафедры вычислительной физики и моделирования физических процессов КФУ Булат Галимзянов.
ИИ сэкономит на дорогих измерениях
С помощью компьютерного алгоритма на основе нейронной сети можно точно рассчитать температуру Аррениуса всего по нескольким физическим параметрам материала. До этого специалистам не удавалось определить характеристики, однозначно влияющие на данное значение, которые можно использовать при оценке.
В качестве исходных данных, с которыми работал алгоритм, авторы использовали всего четыре физические характеристики материалов, которые легко измерить в лабораторных условиях или найти при необходимости. Эти показатели, среди которых были, например, температура плавления, температура стеклования и значение хрупкости, физики используют, чтобы описать фазовые переходы и структурные изменения в жидкостях при охлаждении. Исследователи протестировали алгоритм на примере металлических, силикатных, боратных и органических стекол, для которых все четыре параметра были известны. Весь набор данных был разделен на три группы: с помощью первой алгоритм обучался, вторая использовалась для его проверки, а третья – для расчета температуры Аррениуса.
Расчеты показали, что для созданной нейронной сети температуры плавления и стеклования материала являются значимыми и достаточными характеристиками для оценки целевой температуры. По этим двум значениям алгоритм определил температуру Аррениуса для всех проанализированных жидкостей с точностью более 90%. Более того, ученые получили математическое уравнение, которое связывает данное значение с температурами плавления и стеклования. Оно позволит оценивать температуру Аррениуса, не прибегая к дорогостоящим экспериментальным измерениям.
