Ученые разработали модель AGAT, которая использует машинное обучение для прогнозирования поведения материалов, используемых в носимой электронике, таких как композиты из углеродных нанотрубок (CNT) и полидиметилсилоксана (PDMS).
AGAT основана на искусственных нейронных сетях (ANN) и помогает инженерам оптимизировать материалы для электронных интерфейсов с высокой эффективностью. Модель обучалась на данных из многомасштабных симуляций и существующей литературы, что позволяет ей с высокой точностью оценивать свойства материалов для датчиков.
AGAT значительно сокращает время, необходимое для расчета свойств материалов, что важно для разработки гибких электронных устройств. Новая модель позволит дизайнерам быстрее и проще создавать новые материалы для носимой электроники.
Результаты исследования опубликованы в журнале National Science Open.
Похожие новости:
Международная группа учёных рассказала о новом способе предсказания свойств магнитных сплавов с помощью ML
Ученые создали новый метод разработки светоизлучающих материалов
Создана модель, способная прогнозировать погодные аномалии на полгода вперёд
В России представили новый метод контроля материалов в авиакосмической отрасли