Please use this identifier to cite or link to this item: http://hdl.handle.net/10995/100483
Title: Efficiency of the algorithms for forecasting the properties of materials by their molecular composition
Other Titles: Эффективность алгоритмов прогнозирования свойств материалов по их молекулярному составу
Authors: Igoshina, E. D.
Игошина, Е. Д.
metadata.dc.contributor.advisor: Gubina, D. I.
Губина, Д. И.
Issue Date: 2021
Publisher: ООО «Издательский Дом «Ажур»
Citation: Igoshina E. D. Efficiency of the algorithms for forecasting the properties of materials by their molecular composition / E. D. Igoshina ; научный руководитель D. I. Gubina // Язык в сфере профессиональной коммуникации : сборник материалов международной научно-практической конференции преподавателей, аспирантов и студентов (Екатеринбург, 29 апреля 2021 г.). — Екатеринбург : ООО «Издательский Дом «Ажур», 2021. — С. 453-465.
Abstract: Множество алгоритмов машинного обучения (ML) в материаловедении позволяет на основе известных данных прогнозировать свойства материалов по молекулярному составу. Однако существуют факторы, препятствующие эффективному применению алгоритмов для решения конкретной задачи. В данной статье рассмотрены основные способы прогнозирования свойств материалов с помощью алгоритмов ML и уровень их эффективности, установлены факторы, влияющие на успешность предсказаний и выдвинуты предложения по улучшению некоторых алгоритмов.
Numerous machine learning (ML) algorithms in materials science allow predicting the properties of materials by molecular composition based on known data. However, there are factors that impede the effective application of algorithms for solving a specific problem. This article discusses the main methods for predicting the properties of materials using ML algorithms and the level of their efficiency, identifies factors that affect the success of predictions, and put forward proposals for improving some algorithms.
Keywords: МАШИННОЕ ОБУЧЕНИЕ
ПРОГНОЗИРОВАНИЕ СВОЙСТВ МАТЕРИАЛОВ
КОЛИЧЕСТВЕННОЕ СООТНОШЕНИЕ СТРУКТУРА-СВОЙСТВО (QSPR)
ДЕСКРИПТОР
СОЧЕТАНИЕ АЛГОРИТМОВ)
MACHINE LEARNING
MATERIAL PROPERTY PREDICTION
QUANTITATIVE STRUCTURE-PROPERTY RELATIONSHIP (QSPR)
DESCRIPTOR
COMBINATION OF ALGORITHMS
URI: http://hdl.handle.net/10995/100483
Conference name: Международная научно-практическая конференция преподавателей, аспирантов и студентов «Язык в сфере профессиональной коммуникации»
International research to practice conference for educators, postgraduates and students "Languages in professional communication"
Conference date: 29.04.2021
ISBN: 978-5-91256-521-2
Origin: Язык в сфере профессиональной коммуникации.— Екатеринбург, 2021
Appears in Collections:Конференции, семинары

Files in This Item:
File Description SizeFormat 
978-5-91256-521-2_2021_071.pdf433,36 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.