Сергей Вячеславович Слепнёв - студент кафедры информационных технологий и прикладной математики, Кафедра «Информационных технологий и прикладной математики».
Уфа, ул. Космонавтов, 1
1, Kosmonavtov str., Ufa
Коледина Камила Феликсовна - доктор физико-математических наук, доцент кафедры информационных технологий и прикладной математики Уфимского ГНТУ, научный сотрудник Института нефтехимии и катализа РАН.
Уфа, ул. Космонавтов, 1; Уфа, пр. Октября, 141
1, Kosmonavtov str., Ufa; 141, October Ave, Ufa
Введение. На сегодняшний день полиариленфталиды (ПАФ) находят широкое применение в оптоэлектронике. При этом реакции, протекающие при синтезе полиариленфталидов, имеют сложный характер, который до сих пор не удалось описать с помощью математических моделей. В связи с этим, невозможно использовать ПАФ во многих процессах. При этом ПАФ обладают люминесценцией, хорошими оптическими и электрофизическими свойствами. Выяснение механизмов возникновения люминесцирующих состояний ПАФ представляет как фундаментальный, так и практический интерес. В связи со сложностью расчета кинетики интенсивности свечения полиариленфталидов с помощью известных математических моделей была поставлена цель исследования — построить с помощью методов машинного обучения систему, прогнозирующую значения люминесценции в зависимости от температуры и времени нагревания.
Материалы и методы. Подготовлены к вычислениям экспериментальные данные, обосновано использование методов «случайный лес» и «градиентный бустинг», выбран способ подбора гиперпараметров данных моделей и обоснована целесообразность его использования, построены оптимальные модели и получены предсказания.
Результаты исследования. Разработан алгоритм предсказания интенсивности свечения полиариленфталидов. Используя методы машинного обучения на экспериментальных данных, были определены ключевые гиперпараметры системы и достигнута средняя точность предсказания значений — 80 %.
Обсуждение и заключения. Прогнозы высокой точности позволят предсказывать, как будут реагировать на внешнее воздействие продукты, включающие в свой состав полиариленфталиды. В работе представлено два метода решения задачи, так как они показали наилучшие результаты.
Introduction. Рolyarylene phthalides (PAF) are widely used in optoelectronics today. The reactions occurring during the synthesis of polyarylene phthalides have a complex character, which has not yet been described using mathematical models. In this regard, it is impossible to use PAF in many processes. Рolyarylene phthalides have luminescence, good optical and electrophysical properties. The elucidation of the mechanisms of the occurrence of luminescent states of PAF is of both fundamental and practical interest. The elucidation of the mechanisms of the occurrence of luminescent states of PAF is of both fundamental and practical interest. Due to the complexity of calculating the kinetics of the luminescence intensity of polyarylene phthalides using known mathematical models, the aim of the study was to build a system using machine learning methods that predicts luminescence values depending on temperature and heating time.
Materials and methods. Experimental data have been prepared for calculations, the use of “random forest” and “gradient boosting” methods has been justified, a method for selecting hyperparameters of these models has been selected and the expediency of its use has been justified, optimal models have been constructed and predictions have been obtained.
The results of the study. An algorithm for predicting the luminescence intensity of polyarylene phthalides has been developed. Using machine learning methods based on experimental data, the key hyperparameters of the system were determined and the average accuracy of predicting values was achieved — 80 %.
Discussion and conclusions. High-accuracy forecasts will allow predicting how products containing polyarylene phthalides will react to external influences. The paper presents two methods for solving the problem, as they showed the best results.
The authors declare that there are no conflicts of interest present.