Ang New Neuraleta ay tutulong sa mga siyentipiko na bumuo ng mga materyales sa mabigat na tungkulin

Ang katumpakan ng algorithm ay 92%

Ang isang pangkat ng mga mananaliksik ng Russia ay bumuo ng isang bagong neural network na may kakayahang pumili ng mga metal at alloys upang lumikha ng mga materyales at istruktura ng mabibigat na tungkulin. Ito ay naging kilala mula sa pahayag ng Perm Perm National Research Polytechnic University (PNIPU).

Ang mga siyentipiko ng Aleman polytechnic ay lumikha ng isang neural na modelo ng network na makakatulong sa mga developer ng mga high-tech na aparato nang mabilis at walang inspensively riles na angkop para sa hanay ng mga natural na katangian ng mga metal at haluang metal upang lumikha ng mga promising istruktura para sa mga industriya ng industriya. Sa hinaharap, ang ganitong sistema ay magiging isang "intelektwal na katulong" para sa isang engineer sa isang enterprise, na awtomatikong pipiliin ang paraan ng mga bahagi ng pagmamanupaktura, ay tutukoy sa kemikal na komposisyon ng mga haluang metal at ang programa ng kanilang thermomechanical processing - mula sa pingip press mensahe ng serbisyo.

Ito ay kilala na para sa pagpili ng pinakamainam na kumbinasyon ng mga metal at alloys, ang mga siyentipiko ay kailangang magsagawa ng isang serye ng mga eksperimento upang masukat ang kanilang mga katangian. Ang mga may-akda ng bagong pag-aaral ay nagpasya na gawing simple ang paghahanap para sa matibay na materyales, paglikha ng isang espesyal na neural network, pag-aaral ng mga digital na larawan ng mga sample upang matukoy ang mga promising uri ng mga materyales.

Maaaring makilala ng algorithm ang mga katangian ng mga materyales, na may kaugnayan sa bawat isa sa kanila sa isa sa mga klase ng katigasan. Sa gawain ng neurition, tunay, at di-synthesized na data, na ginagawang posible upang matiyak ang lalim ng teknolohiya. Ang katumpakan ng mga resulta ng pag-aaral ng neural network ay 92.1%. Nabanggit din ng mga eksperto na posible ang isang espesyal na pag-aaral upang matukoy ang bilang ng mga maling minarkahang mga larawan ng mga potensyal na materyales na may kakayahang makaapekto sa katumpakan ng resulta.

Ang mga may-akda ng bagong pag-unlad ay nagnanais na magpatuloy sa trabaho sa pagpapabuti nito. Sa hinaharap, nais nilang magdagdag ng mga bagong pamantayan kung saan ang neural network ay maaaring pumili ng mga promising riles at alloys upang lumikha ng mga materyales at produkto ng mabibigat na tungkulin.

Mas maaga, iniulat ng central news service na mapagtagumpayan ang agwat sa pagitan ng quantum simulators at quantum computer.