Студент НИТУ МИСИС описал метод, который позволит материаловедам сэкономить время при расшифровке рентгенограмм. Он предложил использовать машинное обучение для прогнозирования фаз кристаллической структуры переходных металлов и их оксидов на основе данных рентгеновской дифракции. Статья вошла в сборник ML4Materials конференции International Conference on Learning Representations (ICLR), которая считается самой престижной в мире в сфере ИИ согласно среднему индексу цитирования Google. Один из основных...

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...