УДК 334.7
DOI: 10.36871/ek.up.p.r.2025.01.16.018
Авторы
Антон Антонович Крутов,
Евгений Александрович Бычков,
Елена Ивановна Воеводина,
Ярославский государственный технический университет, Ярославль, Россия
Аннотация
В статье рассматривается перспективный подход к проектированию полимерных материалов для аддитивных технологий с использованием методов нейросетевого инжиниринга. Обосновывается необходимость перехода от традиционного эмпирического подбора к интеллектуальному моделированию, основанному на анализе взаимосвязей между свойствами и молекулярной структурой полимеров. Приводятся аргументы в пользу применения нейронных сетей для прогнозирования эксплуатационных характеристик материалов и генерации новых рецептур, адаптированных под специфические технологические параметры 3D-печати. Использование современных архитектур нейросетей, таких как трансформеры и NLP-модули, позволяет автоматизировать подбор и генерацию полимерных составов, что способствует повышению качества и предсказуемости конечного продукта. Важным результатом является существенное снижение финансовых и временных рисков, связанных с экспериментальными испытаниями, что особенно актуально для малого и среднего бизнеса. Особое внимание уделено выявлению потенциальных ограничений и рисков применения нейросетевых моделей, а также стратегиям их минимизации через многоуровневую фильтрацию и верификацию данных. Представленная концепция платформы рассматривается как ключевой элемент цифровой инфраструктуры, способный стимулировать инновационное развитие и обеспечивать экономическую устойчивость отрасли за счёт интеграции с промышленными и исследовательскими экосистемами.
Ключевые слова
нейросетевой инжиниринг, полимеры, аддитивные технологии, 3D-печать, интеллектуальное моделирование, машинное обучение, структура-свойства, материалы для аддитивного производства, композиты, генерация полимеров
