Выпускник вуза разработал программу и нейросеть, которые позволяют значительно сократить время и затраты на исследование наноструктуры техуглерода.
Выпускник радиотехнического факультета ОмГТУ Алексей Ильин, проходя практику, заметил, что специалисты тратят много времени на анализ и оценку техуглерода. К тому же никто не отменял человеческий фактор, из-за которого можно прийти к ошибочным результатам.
В итоге в своей дипломной работе Алексей решил показать, что эту работу можно производить автоматически с помощью информационных технологий. Он разработал программу, которая в автоматическом режиме анализирует изображения техуглерода. Также он создал нейросеть, оценивающую влияние параметров структуры этого вещества на его эксплуатационные свойства.
Алексей отмечает, что на данный момент структура техуглерода на уровне частиц недостаточно изучена, а существующие для этого программы требуют максимального участия человека на всех этапах анализа.
Мы пообщались с выпускником и выяснили, как помогут на практике его разработки и где именно их можно применять.
— Алексей, чем ваши разработки могут помочь на практике?
— В первую очередь, нейросеть экономит огромное количество времени, если необходимо проанализировать большое количество снимков. Также она может освободить от лишних затрат на проведение различных испытаний. С помощью искусственного интеллекта можно предсказать регрессионную зависимость свойств техуглерода от численных значений структуры. Это и помогает сэкономить деньги на испытаниях, проще и быстрее изучать материал.
— Сколько времени экономит нейросеть на исследовании наноструктуры техуглерода?
— На обработку ручным способом одного ПЭМ-изображения уходит от 3 до 10 минут, а программа извлекает численные характеристики где-то секунд за пять. К тому же, обычно для проведения испытания необходимо найти и привлечь к работе персонал, оборудование. С моей разработкой (если модель первоначально была обучена на необходимом свойстве) возможность предсказания позволяет освободить от этого поиска, что тоже экономит довольно много времени.
Изображения увеличиваются по клику
— В каких областях может применяться ваша разработка?
— Ключевой вижу сферу исследования новых марок техуглерода за счёт функции предсказания. Также это может использоваться при производстве технического углерода и в образовательной деятельности.
— Какие компетенции и ресурсы нужны, чтобы создать подобную нейросеть?
— Необходимо знать Python хотя бы на среднем уровне, а также изучить машинное обучение и компьютерное зрение. Этого должно быть достаточно для создания. В зависимости от модели искусственного интеллекта и количества эпох обучения необходимы разные ресурсы. Например, в моём случае не получилось реализовать её обучение на изображениях. Для этого нужны довольно большие вычислительные ресурсы. Зато на численных значениях модель обучалась довольно быстро и прошла большое количество эпох. В работе я использовал процессор Ryazan 5 2400G и видеокарту RX 570.
— Всё же почему вас заинтересовала именно эта тема?
— Когда я проходил производственную практику, меня смутило то, что на обработку одного изображения необходимо тратить большое количество времени. Тем более влияет человеческий фактор, что негативно сказывается на результатах. Я сначала самостоятельно начал изучать Python, а потом пошёл учиться на цифровую кафедру. Тогда и появилось большое желание написать программу на смеси двух знакомых мне дисциплин — наноинженерии и программировании. Посчитал, что это будет интересно.
Так как же это работает? Снимок, полученный с помощью электронного микроскопа, необходимо загрузить в программу. Система исключает различные дефекты изображения и определяет область, подходящую для анализа. С помощью компьютерного зрения программа рассчитывает численные характеристики структуры: длину, толщину, площадь углеродных слоёв, их средние значения, межслоевое расстояние и другие. В результате учёный лишь извлекает информацию, которая требуется для дальнейших исследований.
Что касается нейросети, то обучение модели происходило на данных, полученных с помощью вышеописанной программы. Вместе с искусственным интеллектом Алексей изучил различные марки техуглерода. По его словам, нейросеть довольно точно предсказала численные значения ключевых эксплуатационных свойств вещества.
Научным руководителем, который направлял и поддерживал Алексея, выступил доцент кафедры "Физика" Александр Ласица.
Для справки отметим, что технический углерод — это дисперсный материал, обладающий богатым разнообразием свойств. Он в больших масштабах производится по всему миру. Он может быть металлом или полуметаллом, диа- или парамагнетиком, диэлектриком, полупроводником, сверхтвёрдым, сверхмягким материалом, а также теплоизолятором или одним из лучших проводником тепла.
Инфографика предоставлена пресс-службой ОмГТУ