POLYURETHANE. Дизайн полиуретановых материалов для ключевых отраслей промышленности

Дизайн полиуретановых материалов для ключевых отраслей промышленности

Университет ИТМО

Сириус. 2025.

Для оптимизации процесса производства полиуретановых
материалов было предложено создать базу данных
для обучения нейросети по предсказыванию

ОПТИМИЗАЦИЯ ПРОЦЕССА

ОГРАНИЧЕННОСТЬ РЕСУРСОВ. БОЛЬШОЙ ОБЪЕМ ЭКСПЕРИМЕНТОВ.

физико-механических свойств (ФМС) полиуретанов

из коммерчески доступных прекурсоров

Многие отрасли промышленности нуждаются в специализированных марках полиуретанов с особыми свойствами. Подбор рецептуры и синтез требуют временных и финансовых затрат, поэтому актуальной задачей является создание базы данных полиуретанов из коммерчески доступных веществ и обучение ИИ на еë основе для предсказания ФМС пено- полиуретанов.

ЦЕЛЬ: Формирование базы экспериментальных
и теоретических данных для обучения алгоритмов нейронных сетей, предсказывающих физико-механические свойства пенополиуретанов из коммерческих прекурсоров.

ЗАДАЧИ

Синтезировать полиуретаны по различным рецептурам
Исследовать физико-механические свойства полученных образцов.
Рассчитать квантово-химические и молекулярные дескрипторы исходных прекурсоров.

База данных, созданная в рамках проекта, позволит обучить нейросеть для предсказывания рецептур полиуретанов по заданным ФМС

БАЗА ДАННЫХ

Дорожная карта проекта

Мобильная картинка

ЭТАПЫ РАБОТЫ

Обзор имеющейся литературы по теме
Подбор собственных рецептур
Синтез полиуретановых материалов по заранее известным рецептурам
Измерение физико-механических свойств полиуретанов
Теоретический расчет молекулярных и квантово-химических дескрипторов изначального сырья используя метод теории функционала плотности (DFT) и библиотеки RDKit, Fingerprints

РЕЗУЛЬТАТЫ

Создана база данных, объединяющая сведения по 52 полиуретановым материалам на основе различных комбинаций полиолов, изоцианатов и добавок.
Для всех образцов определена твердость по Шору (часть образцов исключена из-за высокой пористости), методом дифференциальной сканирующей калориметрии получены термограммы 7 образцов и определены температуры стеклования 3 из них.
Собранные данные стали основой базы данных для обучения ML с целью прогнозирования свойств новых полиуретановых систем на этапе разработки рецептуры, что позволит сократить сроки и стоимость исследований.
В дальнейшем база будет пополняться новыми синтезированными образцами и расширяться за счёт включения дополнительных характеристик, таких как ИК-спектры и модуль Юнга.

24 дня работы
1 междисциплинарный проект
1 база данных
52 образца
18 структурных дескрипторов*
4 квантово-химических
дескриптора*
3 измеренных ФМС:
твердость по Шору, ДСК, пористость

РЕЗУЛЬТАТЫ В ЦИФРАХ