КАРТОЧКА
ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ
Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.
ОБЩИЕ СВЕДЕНИЯ
Номер 24-79-00281
НазваниеРазработка метода направленного регулирования сегнетоэлектрических свойств легированных KNN керамик на базе алгоритмов машинного обучения с учетом кристаллохимических параметров
РуководительИльина Татьяна Сергеевна, Кандидат физико-математических наук
Организация финансирования, регион Федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский технологический университет "МИСИС", г Москва
| Период выполнения при поддержке РНФ | 07.2024 - 06.2026 |
Конкурс№97 - Конкурс 2024 года «Проведение инициативных исследований молодыми учеными» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными.
Область знания, основной код классификатора 09 - Инженерные науки, 09-801 - Фундаментальные основы конвергентных наук
Ключевые словасегнетокерамики, структурно-чувствительные свойства, кристаллохимия, машинное обучение
Код ГРНТИ47.09.33
ИНФОРМАЦИЯ ИЗ ЗАЯВКИ
Аннотация
Проект направлен на разработку новых сегнетоэлектрических составов и методов регулирования основных функциональных параметров сегнетокерамик на базе алгоритмов машинного обучения с учетом кристаллохимических параметров, а также на решение проблемы оптимизации сегнетоэлектрических и диэлектрических свойств новых материалов на основе систем твердых растворов ниобата калия натрия. На сегодняшний день механизмы улучшения пьезоэлектрических свойств, за исключением фазового сосуществования, до сих пор изучены недостаточно, а значимые улучшения достигнуты благодаря эмпирическим методам. Для дальнейшего развития и улучшения сегнетоэлектрических свойств требуется исследование роли отдельных ионов в регулирующей способности индивидуальных добавок.
Применение алгоритмов машинного обучения для решения практических задач материаловедения является новым активно развивающимся подходом, открывающим широкие возможности для разработки новых композиций и способно значительно ускорить процесс создания перспективных составов с заданными свойствами. Машинное обучение является универсальным инструментом для анализа данных, который может быть успешно использован для создания и обучения моделей с целью получения данных о физических свойствах разрабатываемой композиции перед синтезом, ускоряя процесс разработки и обеспечивая дополнительные возможности регулирования сегнетоэлектрических свойств. Значительный интерес представляет прогноз значений пьезомодулей синтезируемых составов, рабочих температур и сегнетоэлектрического поведения в зависимости от фазового состава и характеристик структуры.
Несмотря на то, что алгоритмы машинного обучения успешно используются для предсказания функциональных свойств пьезоэлектрических материалов, исследования данным методом сегнетокерамик на основе ниобата калия натрия носят единичный характер. Данная тематика является принципиально отличающимся от традиционных методов подходом, способствующим решению как фундаментальных, так и прикладных задач материаловедения. Установление взаимосвязи сегнетоэлектрического поведения и кристаллохимических показателей является одной из современных научных задач, существующих в области исследования бессвинцовых сегнетоэлектриков, а проблемы, связанные с технологией синтеза данных материалов, весьма актуальны как с фундаментальной, так и с прикладной точек зрения.
Достигнутая цель позволит разработать рекомендации по созданию новых сегнетоэлектрических материалов на основе ниобата калия натрия с направленно-регулируемыми характеристиками. Основные идеи данного исследования направлены не только эффективное решение практических задач материаловедения, а также проблем, продиктованных современным состоянием экологии – отказа от использования высокотоксичных элементов в составе электронных компонентов и переходу к экологически-безопасным и биосовместимым материалам.
Ожидаемые результаты
В ходе выполнения проекта будет выявлена и представлена наиболее эффективная модель поиска новых сегнетоэлектрических материалов на базе алгоритма машинного обучения с учетом кристаллохимических параметров систем твердых растворов на основе ниобата калия натрия.
Разработанная модель позволит выявить основные кристаллохимические параметры и/или их функции, оказывающих определяющее влияние на сегнетоэлектрические свойства, ускорить разработку новых составов сегнетоэлектрических керамик и послужит научной основой для планирования технологического процесса, а решение прикладных задач материаловедения способствует технологическому и экономическому росту в сфере разработки инструментов анализа данных для предсказания свойств новых материалов.
ОТЧЁТНЫЕ МАТЕРИАЛЫ