Застосування алгоритмів машинного навчання (machine learning) для прогнозування властивостей нових матеріалів

Abstract

У роботі розглядається застосування алгоритмів машинного навчання для прогнозування фізичних та хімічних властивостей нових матеріалів. Проаналізовано методи регресії, нейронних мереж та алгоритму випадкового лісу для передбачення таких характеристик, як температура Кюрі, ширина забороненої зони та механічна міцність. Наведено ключові фізичні рівняння, що описують досліджувані явища. Показано, що застосування машинного навчання дозволяє суттєво скоротити час і ресурси лабораторних досліджень порівняно з традиційними підходами.

The paper examines the application of machine learning algorithms for predicting physical and chemical properties of new materials. Regression methods, neural networks, and random forest algorithms are analysed to predict characteristics such as Curie temperature, band gap width and mechanical strength. Key physical equations describing the studied phenomena are presented. It is shown that machine learning can significantly reduce the time and resources required for laboratory research compared to traditional approaches.