Новости

Машинное обучение поможет создать долговечный бетон для Российской Арктики

26.07.2023

<div> Учёные Сибирского федерального университета разработали уникальную модель, основанную на машинном обучении, которая позволяет оптимизировать состав бетонных смесей, специально разработанных для строительства жилых и инфраструктурных объектов в суровых условиях Крайнего Севера. Обученная на широком наборе данных цифровая модель способна не только предложить оптимальный состав бетона, учитывая особенности местных материалов, таких как щебень, песок и другие компоненты, качество которых может значительно варьироваться в зависимости от региона их происхождения, но и разработать подход, позволяющий устранить проблемы с их низким качеством. Бетон — это широко распространённый искусственный строительный материал, который получают в результате затвердевания специально подобранной смеси, в основе которой лежит вяжущее вещество, а также вода и различные добавки, которые позволяют варьировать состав и делать бетон более устойчивым к перепаду температур и механическому воздействию. Особые требования к бетону существуют в экстремальных условиях Российской Арктики, где от строительных материалов требуется максимальная морозостойкость. "Наша работа посвящена исследованию оптимизации состава бетонной смеси для получения морозостойких бетонов, в частности, для строительства дорожных покрытий и взлётно-посадочных полос. Традиционный подход к разработке бетонных смесей предполагает, что состав подбирается „вручную“ — это затратно и требует значительного времени для оценки его стойкости в суровых условиях эксплуатации. Благодаря использованию специально обученного искусственного интеллекта можно существенно сократить процесс — сэкономить пару лет и материальные ресурсы", — рассказала соавтор исследования, заведующая испытательной лабораторией строительных материалов и химического анализа воды СФУ Ирина Енджиевская. По словам учёного, подбор материалов для бетона — сложный процесс, особенно тщательно следует подходить к фактору морозостойкости, ведь если на большей части Российской Федерации в ходу бетон, рассчитанный на 200 циклов в хлористых солях (F 150–200), то в условиях Крайнего Севера материал должен выдерживать 300 циклов эксплуатации. Сложность же заключается в том, что учёным сложно определить опытным путём, что именно в составе бетонов отвечает за повышение этой характеристики. "Машинное обучение удивляет всё чаще. Созданная доцентом СФУ Максимом Молокеевым программа показала факторы, связанные с химическими процессами в бетоне, которые с высокой долей вероятности определяют, насколько этот состав будет морозоустойчивым и применимым, скажем, в Норильске для строительства взлётно-посадочной полосы аэродрома. Оказалось, что основную роль в этом случае играет качество и количество щебня и воздухововлекающие добавки. Причём если ранее считалось, что „лишний“ воздух однозначно уменьшает прочность бетона, то оказалось, что в определённых пределах он повышает не только стойкость к отрицательным температурам, но и меняет саму механику разрушения бетона с сохранением прочности. Этот факт был определён машинным интеллектом, и мы склонны согласиться с этим замечанием, поскольку уже проверили его на практике", — отметила Ирина Енджиевская. Морозостойкость — не единственное качество бетона, которым исследователи озадачили искусственный интеллект. Он также должен был потрудиться над тем, чтобы увеличить прочность материала на изгиб и при динамических воздействиях и выяснить, какова прогнозируемая стойкость к антигололёдным реагентам у бетонов, из которых изготавливают дорожное покрытие. Одно из преимуществ "рецептов" бетонных составов от машинной модели — адаптация под местные материалы, поскольку щебень, песок и прочие составляющие могут существенно варьироваться по физико-химическим свойствам в разных регионах страны, особенно проблемно их качество на труднодоступных территориях. Искусственный помощник подскажет, в какой пропорции следует использовать эти компоненты и как нивелировать их недостатки, чтобы в итоге получился тот самый бетон с заданными свойствами. Одной из ближайших задач, которые будут также решаться методами машинного обучения, является разработка оптимального состава бесцементного бетона. Такой материал будет выгодно отличаться своей экологичностью из-за уменьшения выбросов углекислого газа, кроме того, в нём будут использоваться активированные промышленные отходы — зола и нефелиновый шлам, образующийся при переработке редкоземельных руд. В случае успешной реализации новая технология бесцементного бетона позволит уменьшить площади уже существующих золоотвалов и сэкономить значительные средства, расходующиеся на их рекультивацию. Работы по созданию подобного материала уже ведутся специалистами СФУ совместно с партнёрами. "Был разработан набор инструментов машинного обучения и их комбинаций, который представляет огромную практическую ценность для прогнозирования составов новых материалов. В процессе моделирования подбирается наилучшее сочетание, проводится анализ данных в выбранных областях и выводятся полезные рекомендации, включая „рецепты“ бетонов с требуемыми свойствами. Такая модель — ценный помощник для материаловедов, от неё вряд ли ускользнёт то, что порой теряется из-за ограничений человеческого опыта и времени. Её выводы, хотя и могут показаться неожиданными, имеют высочайшую ценность и должны быть проверены на практике. Модель может использоваться в том числе для поиска новых строительных бетонов, особенно в тяжёлых и экстремальных природных условиях Российской Арктики", — объяснил доцент Института инженерной физики и радиоэлектроники СФУ Максим Молокеев. Источник: <a target="_blank" href="https://research.sfu-kras.ru/news/27901">Пресс-служба Сибирского федерального университета</a> </div>

Исследование ВЦИОМ: 92% опрошенных не смогли назвать имена современных российских ученых или инженеров

21.07.2023

<div> Всероссийский центр изучения общественного мнения (ВЦИОМ) представил результаты исследования, проведенного в партнерстве с Фондом Росконгресс для Форума будущих технологий, о том, как россияне 18-55 лет представляют себе профессии ученого и инженера. Согласно результатам опроса, ученого и инженера представляют прежде всего как мужчин (12% и 15% ответов соответственно). Ученый-женщина и инженер-женщина не звучат в ответах. Ученый и инженер воспринимаются прежде всего как умные и образованные люди (18% ученый и 16% инженер). Профессии и инженера, и ученого воспринимаются большинством опрошенных как престижные, но инженер получает более высокие оценки — 65% vs. 51% (считают профессии инженера и ученого непрестижными соответственно 29% и 44%). Профессию ученого считают престижной чаще других женщины (54% vs. 49% мужчин), молодежь 18-24 лет (56%), опрошенные со средним и средним специальным образованием (58% и 56% vs. 48% в группе с высшим образованием), с хорошим материальным положением (59% vs. 38% в группе с плохим материальным положением) и проживающие в небольших городах с численностью населения 100 тыс. чел. и меньше, а также в селах (60% и 55%). Профессию инженера считают престижной чаще других женщины (67% vs. 63% мужчин), молодежь 18-24 лет (75%), опрошенные со средним и средним специальным образованием (70% и 66% vs. 63% в группе с высшим образованием) и с хорошим материальным положением (72% vs. 51% в группе с плохим материальным положением). Ниже других оценивают престиж профессии и ученого, и инженера опрошенные с плохим материальным положением (57% и 42%) и жители Москвы и Санкт-Петербурга (59% и 38%). Аудитория с высшим образованием чаще других невысоко оценивает престиж профессии ученого (49%), как и 25-34-летние (51%), а 45-55-летние чаще говорят о невысоком престиже профессии инженера (39%). Представления о том, почему профессии ученого и инженера престижные, основываются на их вкладе в будущее страны, развитие технологий, достижение прогресса (38% у ученого и 30% у инженера). Но престиж профессии инженера гораздо чаще объясняется также востребованностью (26%) и высокими зарплатами (21%), тогда как о востребованности профессии ученого опрошенные говорят в 6,5 раза реже (4%), а высокие зарплаты в этой сфере называют 8%. 14% тех, кто находит профессию ученого престижной, указали на престижность не столько профессии, сколько интеллекта, ума, отмечая, что «умных должно быть больше; чтобы стать ученым, нужно быть умным». Еще 8% считают важным, что ученые работают на благо государства. Замечают поддержку ученых государством 5%, еще 4% полагают, что в этой сфере сегодня хорошее финансирование и создаются все необходимые условия для труда, а поддержку государством инженеров отметили 2%. В целом можно сделать вывод, что происходит «оттаивание» интереса к этим профессиям после 1990-х годов. Доводы тех, кто не находит профессии инженера и ученого престижными, совпадают в представлениях об оплате труда: каждый второй в этих группах указал на низкую заработную плату (47% об ученых и 48% об инженерах). Но остальные аргументы различаются. Низкий престиж профессии ученого часто связывают с нехваткой государственного участия в развитии науки — недостаточное внимание и финансирование (18% и 13%), низкая государственная поддержка и дефицит социальных гарантий (8%), незаинтересованность в развитии научных направлений (5%). Еще 10% отметили сложности с ограничениями в работе, блокировке исследований, а 9% указали на то, что большая часть наших ученых работает за границей. Часть опрошенных в этой группе говорили, что профессия непопулярна у молодежи, а труд ученых не ценится (по 7%), 6% полагают, что в науке плохие условия труда. Несколько иная ситуация складывается с инженерами, на втором месте среди причин низкой престижности профессии стоит ее невостребованность — 21%, в отношении ученых этот вариант не звучал. Еще 17% среди тех, кто считает профессию инженеров непрестижной, отметили, что об инженерах мало говорят, нет рекламы профессии в СМИ, а эта сфера труда мало популяризована. Этот вариант также не упоминался в отношении ученых. По 6% полагают, что инженерам уделяется мало государственного внимания, а также что профессия не востребована у молодежи. Еще 5% указали на низкий уровень образования по этой специальности. Анализ ответов о престижности и непрестижности профессий показывает, что престиж профессии воспринимается россиянами по-разному: для одних это социальная значимость результатов труда, для других — признание оплатой труда. Исследование показало, что ситуация с популяризацией науки и инженерного дела требует большего внимания. Подавляющее большинство опрошенных не смогли назвать имена современных российских ученых или инженеров — 92%. Важно отметить, что зачастую опрошенные припоминали далеко не современников, а людей прошлых эпох (М. Ломоносов, П. Капица, К. Циолковский и др.). Это говорит как о низком уровне знаний о современных ученых и инженерах, так и о слабой персонификации науки и инженерии, а также об отсутствии примера, ориентира для будущих поколений. С полным текстом обзора можно ознакомиться <a target="_blank" href="https://wciom.ru/analytical-reviews/analiticheskii-obzor/obraz-uchenogo-i-inzhenera-glazami-rossijan">на сайте ВЦИОМ</a> </div>

НОВОСТИ НАУКИ И ОБРАЗОВАНИЯ В АРКТИКЕ