Исследователи предложили методику машинного обучения для проектирования эрозионностойких покрытий

Авторы Ю. Г. Кирпал, Т. Р. Ромахина и А. А. Силаева описали методику, которая применяет машинное обучение к разработке эрозионностойких лакокрасочных покрытий. Работа опубликована в 2026 году в трудах 13-й Всероссийской конференции по необратимым процессам в природе и технике (Springer Proceedings in Physics 365, с. 373-384). Она посвящена первому этапу конвейера машинного обучения: построению специализированного датасета.

Новые эрозионностойкие составы традиционно разрабатывают эмпирически, это ресурсоёмко и долго, что тормозит инновации и сужает перебор новых рецептур. Анализ современного состояния вопроса показал главное препятствие: в этой области нет стандартизированных, выверенных датасетов, пригодных для машинного обучения.

Ретроспективный анализ научной литературы позволил выделить и обосновать молекулярные, композиционные и технологические параметры, от которых зависит эрозионная стойкость. Для полимерного связующего это молекулярная масса и функциональность. Для наполнителя это размер частиц, фактор формы и химическая природа.

Авторы отказались от прогнозирования эрозионных показателей, которые трудно стандартизировать. Целевыми переменными стали устойчивые стандартизированные механические характеристики: твёрдость, адгезионная прочность и прочность при растяжении. По мнению авторов, такой выбор расширяет применимость моделей для разных систем покрытий и протоколов испытаний.

Центральный результат работы - методика создания базы данных из разнородных источников, включая технические паспорта и результаты экспериментов. Она задаёт принципы сбора данных, предобработки качественных признаков и критерии отбора признаков. Это готовит почву для обучения интерпретируемых моделей, которые работают со смешанными типами данных и выдают оценки важности признаков. Конечная цель - инструмент на данных для прямого прогноза свойств и обратного проектирования рецептур.

Источник — European Coatings