Тематика применения машинного обучения (ML-machine learning) в материаловедении меня интересует по нескольким причинам. В 2014 году я получил диплом инженера в НИТУ МИСиС по специальности 15.06.01 "Новые материалы и технологии". А сейчас, работая в крупной электротехнической компании в качестве аналитика-датасаентиста, применяю машинное обучение для решения аналитических задач бизнеса. Анализируя информацию о последних достижениях науки о материалах с радостью узнал о применении машинного обучения в современных исследованиях и прогнозировании/разработке новых материалов...

В данной статье описан мой первый шаг по применению графовых нейросетей GNN для прогнозирования свойств материалов. Если вам интересна тематика ИИ в материаловедении, то Вы наверняка слышали о возможности применения классических моделей машинного обучения в данной сфере. Но дело в том, что признаки в классическом ML не могут точно отразить структуру материала, а структура - это основа всех свойств! В свою очередь, графы идеально подходят для её описания, и на сегодняшний день являются одним из наиболее перспективных подходов в рамках нашей задачи...