Наука/2021

Основные результаты научной деятельности за 2021 г. по КИИСиФЭ

1. В рамках исследования структурной иерархии наноструктурированных оксидных пленок, формируемых при электрохимическом оксидировании (анодировании) металлов и сплавов (Al, Ti, Ta, Nb, Zr, Ti-Al, Ti-Al-Nb):

   • Обобщены результаты исследований закономерностей формирования, структуры и функциональных свойств кристаллических микроконусных структур оксидов ниобия и титана на поверхности микрочастиц спеченного порошка ниобия и пористых порошковых материалов из губчатого титана (совместно с ИПМ НАН Беларуси, г. Минск, Беларусь).
   • Изучены принципы формирования, структура и электрофизические свойства нанокомпозитных покрытий с различными модификаторами на алюминии и алюминиевых сплавах с применением комплекса методов (АСМ, метод электрохимической импедансной спектроскопии).
   • Начаты исследования (совместно с ИГ КНЦ РАН, г. Петрозаводск) получения нанокомпозитных титаноксидных покрытий с наноразмерным шунгитовым модификатором.
   • Впервые получены иерархические микро/наноструктуры анатаза анодированием пористых порошковых материалов из губчатого титана. Установлено, что при определенных условиях на поверхности микрочастиц спеченного порошка формируется нанопористая пленка TiO₂, включающая совокупность микроконусных кристаллов со структурой анатаза. Микроконусы (высотой до 3.5 мкм, диаметром основания до 3 мкм) состоят из многослойных наноразмерных образований. Подобные микро/наноструктуры перспективны для изготовления новых наноматериалов для устройств фотокаталитической очистки окружающей среды, получения супергидрофобных поверхностей, для использования в качестве анодного материала литиевых источников тока.

   (доц. А. Н. Кокатев, К. В. Степанова, А. М. Шульга, проф. Н. М. Яковлева).
2. В рамках разработки комплекса по автоматизации геохимических исследований GeRDA:

   • Разработана сетевая инфраструктура комплекса.
   • Реализована поддержка «виртуальных» элементов.
   • Реализована поддержка РФА Bruker.
   • Реализована поддержка портативного спектрометра OreXpress для анализа спектров образцов в видимом и ближнем ИК-дапазонах.

   (доц. А. В. Соловьев, доц. А. П. Мощевикин, П. Н. Середов).
3. Разработан модуль (создан прототип) программно-аппаратного комплекса регистрации ударных воздействий плавсредств между собой и с другими объектами, оценки степени критичности зарегистрированных ударов и вибраций (Д. А. Кириенко, П. В. Луньков, доц. А. П. Мощевикин, С. А. Региня, П. Н. Середов, доц. А. В. Соловьев).
4. Разработан беспроводной датчик вибраций WVS-1 на основе трехосевого МЕМС-акселерометра, датчика температуры и беспроводного приемо-передатчика WiFi. WVS-1-XX регистрирует ускорения (включая гравитационное) по трем перпендикулярным осям, проводит предварительный анализ накопленных отсчетов и отсылает обработанные данные на сервер. Прибор устанавливается на место измерения параметров вибрации с помощью магнита, жестко закрепленного на корпусе. Устройство может работать как от встроенного аккумулятора, так и от внешнего источника питания. WVS-1-XX может быть использован в качестве инструмента для виброанализа, а также как инклинометр (А. В. Барановский, Я. А. Волкова, Д. А. Кириенко, П. В. Луньков, доц. А. П. Мощевикин, С. А. Региня, П. Н. Середов, доц. А. В. Соловьев, А. С. Штыков).
5. Разработан и внедрён в образовательный процесс по дисциплине «Компьютерные технологии в науке и образовании» сервис автоматизированного распределения времени работы вычислительного кластера «Лусидор» (доц. А. В. Соловьев).
6. Разработана и апробирована образовательная программа повышения квалификации и учебно-методический комплекс по теме «Проектирование и производство элементной базы современной радиофотоники с наноразмерным масштабом компонент». Электронный учебный курс «Физические основы радиофотоники» введен в учебный план магистратуры «Приборостроение» (доц. Н. Ю. Ершова).

Основные результаты научной деятельности за 2021 г. по КЭиЭ

1. Представлен новый метод анализа медицинских данных с помощью нейроннной сети LogNNet, использующей хаотические отображения для трансформации входной информации. Методика предназначена для вычисления факторов риска на наличие заболевания у пациента по набору медицинских показателей здоровья. Архитектура LogNNet позволяет внедрять искусственный интеллект на медицинские периферийные устройства интернета вещей с низкими ресурсами RAM памяти, развивать периферифные вычисления в здравоохранении. Приведены примеры работы LogNNet при оценки перинатального риска, на основе данных кардиотокограммы 2126 беременных женщин, полученных из репозитория машинного обучения Калифорнийского университета в Ирвине. Точность классификации достигает ~91 %, при объеме используемой RAM ~3-10 kB Arduino микроконтроллера. Приведены примеры по диагностике COVID-19, после обучения LogNNet с использованием общедоступной базы данных от Министерство здравоохранения Израиля. В этой базе опубликованы данные о лицах, которые были протестированы на SARS-CoV-2 с помощью анализа мазка из носоглотки методом ПЦР, включая клинические симптомы, пол, данные о том, что возраст испытуемого превышает 60 лет и был ли контакт с инфицированным человеком. Разработана концепция сервиса, по экспресс тесту на COVID-19, точность классификации которого достигает ~95 %, при объеме используемой RAM ~0.6 kB Arduino микроконтроллеров. Во всех примерах тестирование модели производится c помощью оценки стандартных метрик качества классификации: Precision, Recall и F1-мера. Результаты работы могут быть использованы в системах поддержки принятия врачебных решений, дистанционной интернет- и телемедицине. Результаты работы открывают перспективы применения нейронных моделей LogNNet для мобильной диагностики в системах поддержки принятия врачебных решений и самодиагностики пациентов. Описанная методика является универсальной и может быть апробирована на самых разнообразных медицинских базах данных. Научно-практическая работа по развитию мобильных сервисов здравоохранения и периферийных вычислений может стать темой дальнейших исследований (доц. А. А. Величко).
2. Представлен способ формирования резервуара нейронной сети LogNNet с помощью линейного конгруэнтного генератора псевдослучайных чисел. Этот способ позволил снизить время распознавания рукописных цифр MNIST на плате Arduino Uno до 0.28 s для конфигурации LogNNet 784:20:10, с точностью классификации ~82 %. Выявлено, что переход на вычисления с целыми числами дает увеличение скорости работы алгоритма более чем 2 раза по сравнению с алгоритмом, использующим вещественные числа (П. П. Борисков, доц. Величко А. А., Ю. А. Изотов).
3. Предложен новый метод оценки сложности временных рядов, который основан на модели искусственной нейронной сети LogNNet. Было обнаружено, что эффективность классификации LogNNet пропорциональна энтропии временного ряда, и это открытие привело к развитию предложенного метода. Энтропия NNetEn на базе нейронной сети LogNNet определяется через точность распознавания нейронной сетью стандартизованной базы MNIST рукописных цифр. Цифры, прошедшие чрез резервуар, заполненный временной серией параметров, модифицируются, и таким образом меняется их степень распознавания. LogNNet способна с высокой точностью оценить энтропию временных рядов, которые преобразуют входящую информацию и могут содержать до 20 тыс. элементов. При изменении входных параметров нейросеть не ведет к глобальной смене результата, поэтому метод является более стабильным и дает однозначную оценку энтропии (доц А. А. Величко).
4. Разработан раздел «Волноводы» по гранту ФИОП РОСНАНО (рук. — доц. Н. Ю. Ершова, автор — проф. С. И. Мольков).
5. Разработана методика определения параметров плазмы зондовым методом с учетом влияния эмиссионных процессов. Показано, что на зондовые характеристики влияет степень шероховатости и материал зонда (проф. С. И. Мольков).
6. Определены пороговые концентрации, при которых наблюдаются резкие изменения как структурных характеристик (периодов элементарной ячейки, межатомных расстояний, степени искажения кислородных октаэдров), так и оптических свойств кристаллов LiNbO₃, легированных редкоземельными элементами. В кристаллах LiNbO₃:Tb пороговая концентрация составляет около 2.24 мас %, а в кристаллах LiNbO₃, легированных эрбием, — 2.8 мас.%. Показано, что кристаллы LiNbO₃ с низкими концентрациями редкоземельных элементов (Er, Tb), до пороговых значений, обладают более упорядоченной структурой и наиболее подходящие для создания устройств с преобразованием лазерного излучения и ГВГ. Установлено структурное состояние кристаллов, в частности, характер распределения примесных и собственных дефектов в решётке ниобата лития в исследуемых кристаллах в зависимости от концентрации легирующей примеси. В кристаллах ниобата лития, легированных эрбием, тербием и самарием атомы примеси занимают вакантные позиции лития и часть атомов ниобия находится в пустом октаэдре. При высоких концентрациях в образцах, легированных эрбием и тербием, примесь размещается дополнительно еще и в пустых октаэдрах. Кристаллы, легированные самарием, содержат больше дефектов по ниобию, чем кристаллы, легированные эрбием и тербием. Теоретические расчеты физических свойств, показали, что значения коэффициентов нелинейно-оптических восприимчивостей у кристаллов, легированных цинком выше, чем у кристаллов, легированных эрбием, тербием и самарием. Данные кристаллы являются наиболее подходящей средой для генерации вторых гармоник. Во всех случая легирования наиболее заметные изменения нелинейно-оптических коэффициентов наблюдаются при пороговых концентрациях, чему предшествует резкое изменение структурных характеристик (периодов элементарной ячейки, межатомных расстояний, степени искажения кислородных октаэдров) (А. В. Кадетова, доц. О. В. Сидорова).
7. Создана методика расчета энергетической диаграммы кремния с использованием программного пакета FireFly. Рассчитана энергетическая зона кремния с примесями эрбия, бора, фосфора. Методика внедрена в лабораторный практикум (доц. Н. А. Авдеев).