Лазарев Михаил Владимирович

Database of tensile test results of carbon fibers impregnated with thermoplastic polymer.

2026 в печати · ARTICLE · en

В данном исследовании представлен исчерпывающий набор экспериментальных данных, направленных на выявление механизмов и закономерностей, определяющих деформационное поведение композитов, армированных непрерывными углеродными волокнами (УВ) на основе термопластичных полимеров. В работе описаны методы извлечения данных, которые впоследствии могут быть использованы для оптимизации механических свойств таких структур с помощью моделей нейронных сетей. В данной статье рассматривается термопластичный полимер полисульфон (ПСУ) марки Ultrason S 2010, который использовался в качестве матричного материала для композитов, а в качестве армирующих волокон использовались высокопрочные волокна Toray T700SC. Образцы композита в виде стержней диаметром 1 мм были получены путем пропитки волокон раствором полисульфона в N-метил-2-пирролидоне с последующим удалением растворителя. Собранный набор данных содержит более 600 результатов испытаний на растяжение, включая диаграммы нагрузка-деформация для различных условий испытаний, данные о механизмах разрушения образцов и изображения микроструктуры образцов в поперечном и продольном сечениях, полученные с помощью сканирующего электронного микроскопа (СЭМ). Этот набор данных будет полезен для разработки моделей машинного обучения.

Thermal stability of monolayer fullerene networks: A molecular dynamics study with machine-learning potential

2025 · ARTICLE · en

Two-dimensional C60 carbon allotropes have gained much attention since their first synthesis in 2022, but many of their thermophysical and mechanical properties remain unreported in the literature. In this article, we performed a high-temperature molecular dynamics study of quasi-hexagonal (qHP) and quasi-tetragonal (qTP) C60 phases using the modern machine-learning interatomic potential GAP-20. We show that, contrary to previous calculations, at T>1200 K, both phases are unstable and decompose into individual C60 molecules. A low bending modulus indicates the possibility of nanoripple excitation at high temperatures, similar to those in graphene. We also demonstrate the crucial role of interatomic potential verification for MD analysis of previously unexplored carbon allotropes.

Thermal stability of monolayer fullerene networks: A molecular dynamics study with machine-learning potential

2025 · ARTICLE · en

Two-dimensional C60 carbon allotropes have gained much attention since their first synthesis in 2022, but many of their thermophysical and mechanical properties remain unreported in the literature. In this article, we performed a high-temperature molecular dynamics study of quasi-hexagonal (qHP) and quasi-tetragonal (qTP) C60 phases using the modern machine-learning interatomic potential GAP-20. We show that, contrary to previous calculations, at T K, both phases are unstable and decompose into individual C60 molecules. A low bending modulus indicates the possibility of nanoripple excitation at high temperatures, similar to those in graphene. We also demonstrate the crucial role of interatomic potential verification for MD analysis of previously unexplored carbon allotropes.

Symbolic regression for defect interactions in 2D materials

2025 в печати · ARTICLE · en

Модели машинного обучения прочно утвердились во всех научных областях. Извлечение признаков из данных и на их основе выводы с помощью моделей нейронных сетей часто обеспечивают высокую точность; однако этот подход имеет ряд недостатков. Символическая регрессия — это мощный метод для обнаружения аналитических уравнений, описывающих данные, предоставляющий интерпретируемые и обобщаемые модели, способные предсказывать неизвестные данные. Методы символической регрессии получили новый импульс с развитием технологий нейронных сетей и предлагают ряд преимуществ, главным из которых является интерпретируемость результатов. В данной работе мы исследовали применение алгоритма глубокой символической регрессии SEGVAE для определения свойств двумерных материалов с дефектами. Сравнение результатов с современными методами, основанными на графовых нейронных сетях, показывает сопоставимые или, в некоторых случаях, даже идентичные результаты. Мы также обсуждаем применимость этого класса методов в естественных науках.

Mortality Prediction in Patients with Coronary Bifurcation Lesions by Machine Learning Methods and KAN Models

2024 · CHAPTER · en

Numerical study of Valence Band states evolution in AlxGa1-xAs [111] QDs systems

2024 · ARTICLE · en

Metal Organic Vapor-Phase Epitaxy (MOVPE) growth in an inverted pyramid provides an opportunity to grow nanostructure with predictable heterostructure potential. In this paper, we investigate the effect of nanostructure geometry and composition on optical properties and Valance Band (VB) character on examples of single Quantum Dot (QD), Quantum Dot Molecules (QDMs), and QD superlattices. As a model structure, we take well-known explored Quantum Dots (QDs) GaAs/AlGaAs systems in inverted pyramids. We examine optical properties under an external electric field and demonstrate a dynamic way to control the optical polarization properties and their evolution. Another interesting effect is the special modularity of the hole wavefunction also affects its type. In case of strong modularity and even in long QD that Ground State (GS) of the VB may be turned from a light hole to a heavy type. The ability to control the optical properties of QDs is important for the fabrication of future nano-optical devices since QDs are practical sources of single photons. In particular, the control over the energy and polarization of the emitted photons is important for quantum information technologies.

Review on automated 2D material design

2024 в печати · ARTICLE · en

AI in Interventional Cardiology: Innovations and Challenges

2024 в печати · ARTICLE · en

Искусственный интеллект (ИИ) проникает во все сферы нашей жизни. Уже сейчас мы все используем алгоритмы ИИ в своей повседневной деятельности, и медицина не является исключением. Потенциал технологии ИИ трудно переоценить, ИИ уже доказал свою эффективность во многих областях науки и техники. Предложено и внедряется огромное количество методов в различных областях медицины, включая интервенционную кардиологию. Отличительной чертой этой дисциплины является широкое использование методов визуализации не только для диагностики, но и для лечения пациентов с ишемической болезнью сердца. Внедрение инструментального ИИ позволит сократить расходы в широком смысле. В этой статье мы приводим обзор исследований ИИ в интервенционной кардиологии, практических приложений, а также проблем, препятствующих широкому использованию нейросетевых технологий в интервенционной кардиологии.

Physical origins of optical anisotropy in quantum confined-semiconductors: the roles of valence band mixing, transition broadening and state filling

2023 · ARTICLE · en

We investigate experimentally and theoretically the impact of valence band mixing and structure of confined states on the polarization of light emitted from GaAs/AlGaAs semiconductor quantum dots (QDs) and quantum wires QWRs with tailored heterostructure potential. Such nanostructures with parabolic-profile confinement potentials were realized by organometallic vapor phase epitaxy inside pyramidal pits. Different degrees of linear polarization (DOLP) of emitted light, depending on the confinement potential profile, the excitonic transition and the level of excitation, are observed. A theoretical model shows that, besides the impact of valence band mixing, overlap of conduction and valence band wavefunctions as well as state occupation probability and broadening of transitions determine the DOLP. The conclusions are useful for the design of single photon emitters with controlled polarization properties.

Symbolic expression generation via Variational Auto-Encoder

2023 · ARTICLE · en

Есть много проблем в физике, биологии и других естественных науках, в которых символическая регрессия может дать ценную информацию и открыть новые законы природы. Широко распространенные глубокие нейронные сети не предоставляют интерпретируемых решений. Между тем символические выражения дают нам четкую связь между наблюдениями и целевой переменной. Однако на данный момент нет доминирующего решения для задачи символической регрессии, и мы стремимся уменьшить этот разрыв с помощью нашего алгоритма. В этой работе мы предлагаем новую структуру глубокого обучения для генерации символьных выражений с помощью вариационного автоэнкодера (VAE). Короче говоря, мы предлагаем использовать VAE для создания математических выражений, и наша стратегия обучения заставляет сгенерированные формулы соответствовать заданному набору данных. Наша структура позволяет кодировать априорные знания о формулах в предикаты быстрой проверки, которые ускоряют процесс оптимизации. Мы сравниваем наш метод с современными тестами символьной регрессии и показываем, что наш метод превосходит конкурентов по большинству задач.