Новости

Создание базы знаний наноматериалов и нанотехнологий Чувашской Республики

Коллектив проекта 

Документы по проекту:

                                                                           

 

 

Предлагаемые методы и подходы

В Чувашии за последние 5-7 лет накоплено большое количество экспериментальных данных по свойствам и характеристикам различного рода наноматериалов, полученных с помощью различных  технологий. В первую очередь здесь имеются в виду наноматериалы на основе линейно-цепочечного углерода, наноструктурированные объемные композиционные материалы на основе меди, пленки алмазоподобного углерода, биосовместимые наноматериалы, нанонаполненные полимеры и материалы, наноструктурированные композитные материалы,  наноструктурированные металлы.

Но эти результаты пока не обобщены, не представлены в виде базы знаний, позволяющей соединять разнородные экспериментальные данные; заполнять пробелы в данных, выявлять неочевидные скрытые закономерности; реализовывать многофакторные вычислительные модели, способные предсказывать  свойства и характеристики еще не исследованных композиций (сочетаний компонентов) или для ранее не исследованных условий и режимов технологических процессов.

Очевидно, что, например, такие параметры наноматериалов на основе линейно-цепочечного углерода, технологий их изготовления, свойства и характеристики, как: размеры, форма, состав (виды и соотношение компонентов наноматериала), способы их изготовления (например, легирование или интеркалирование линейно-цепочечного углерода различного рода атомами, термообработка), оптические и электрофизические характеристики связаны между собой.

Вопрос – как мы можем обобщить эти связи и представить, например,  зависимость вольт-амперной характеристики материала или его спектра пропускания от нескольких факторов в виде единой вычислительной модели, позволяющей определять эти характеристики без непосредственного их измерения (эта задача относится к классу прямых задач)?

Не менее важными являются следующие вопросы - какие новые компоненты и материалы, и какие технологии можно использовать для реализации требуемых характеристик наноматериала, как оптимизировать состав, форму и размеры требуемых наноматериалов (обратная задача)?

Возможностями решения вышеназванных проблем обладают методы интеллектуальные анализа данных - Data Mining – DM («добыча» данных). Data Mining в широком понимании этого термина – комплекс современных средств предобработки данных, их анализа, моделирования и визуализации. Data Mining включает в себя такие средства, как: средства очистки и фильтрации данных (например, парциальная обработка, факторный и корреляционный анализ, выявление дубликатов и противоречий, спектральный анализ); средства трансформации данных (метод скользящего окна, квантование, слияние - объединение данных из нескольких таблиц и др.); автокорреляционный анализ, линейная и логистическая регрессия, «деревья решений», искусственные нейронные сети, самоорганизующиеся карты Кохонена, ассоциативные правила); многообразные средства визуализации результатов моделирования (различного рода графики, диаграммы, гистограммы, OLAP-куб и соответствующие кросс-диаграммы и таблицы). 

В проекте будет использована имеющаяся у заявителей аналитическая платформа, содержащая все средства Data Mining. Она способна решать задачи проекта на самом современном уровне.

Для создания многофакторных качественных и количественных (вычислительных) моделей, способных предсказывать характеристики и свойства ранее не исследованных наноматериалов или для ранее не исследованных условий и режимов технологических процессов, в  первую очередь, будут использоваться искусственные нейронные сети (ИНС) и самоорганизующиеся карты Кохонена.

При решении этой задачи, ИНС, которые являются универсальным аппроксиматором многомерных экспериментальных функций, играют ведущую роль. В основе их применения лежит теорема Колмогорова – Арнольда, адаптированная применительно к ИНС теоремой Хехт-Нильсена. ИНС позволяют одновременно использовать разнородные (как качественные, так и количественные) данные, «непредставительные» (неполные) выборки, анализировать сильно нелинейные связи. ИНС являются в настоящее время единственным средством аппроксимации многомерных экспериментальных функций с числом переменных более двух. Карты Кохонена будут использоваться при решении задач кластеризации данных, то есть, как этап выделения среди всех имеющихся данных - групп данных, для которых имеются частные закономерности, выделяющие эти группы среди других (как предварительный этап подготовки данных для построения ИНС-моделей). Кроме того они будут использоваться при анализе данных соответствующих ответу «да-нет-может быть».

Все эти средства широко применяются за рубежом в анализе экономической и финансовой деятельности, страховом деле и хорошо себя зарекомендовали. Имеются примеры их применения в фундаментальных и прикладных исследованиях.

В России примеры применения этих методов единичны, но, как показывает опыт их применения заявителями проекта (см. другие пункты заявки), они позволяют решать самые разнообразные задачи, которые невозможно решить стандартными методами моделирования или с помощью стандартных баз данных.

В Чувашском государственном университете с 2007 года проводятся  экспериментальные исследования нанопленок линейно-цепочечного углерода с внедренными в него атомами различных элементов. Более 10 лет проводятся исследования наноструктурированных объемных композиционных материалов на основе меди. За это время получено большое количество экспериментальных результатов.

На основе части полученных результатов по линейно-цепочечному углероду участниками проекта уже созданы с помощью средств DM первые многофакторные  вычислительные модели нанопленок линейно-цепочечного углерода и создана методологическая основа базы знаний для данного объекта: проверены возможности средств DM, разработаны методики их применения при анализе экспериментальных данных. По результатам работы выполнено несколько дипломных работ, опубликованы тезисы докладов и статьи.

 

Общий план работы:

1. Сбор экспериментальных данных о свойствах и характеристиках различного рода наноматериалов и технологических режимах их создания на основе материалов опубликованных в научной литературе, научных отчетах, а также новых еще не обработанных и неопубликованных материалов.

2. Анализ данных с помощью имеющейся аналитической платформы; построение, в первую очередь c помощью искусственных нейронных сетей и самоорганизующихся карт Кохонена, многофакторных вычислительных моделей связей и закономерностей между свойствам и характеристикам различного рода наноматериалов, видами композиций (сочетаний компонентов), параметрами технологических режимов.

3. Создание базы знаний наноматериалов и нанотехнологий Чувашской Республики.

4. Создание готовых к использованию компьютерных модулей базы знаний как:

- средства обобщения характеристик и свойств уже полученных наноматериалов и технологий их создания,

- средства прогнозирования характеристик и свойств новых наноматериалов и технологий их создания, определения перспективных направлений развития науки, техники и технологий в Чувашии,

- средства управления НИОКР в Чувашии.

5.  Создание основы баз знаний наноматериалов и нанотехнологий в России. Работа в этом направлении будет способствовать установлению научных связей и научно-технического содружества Чувашии с научно-исследовательскими организациями других регионов России и зарубежными организациями.

 

Среди них: крупные всероссийские потенциальные участники: ОАО «Роснано» - государственная организация, Национальная  ассоциация наноиндустрии (НАН) и Нанотехнологическое общество России (НОР) – общественные организации. Крупные научно-исследовательские организации России – центры развития нанотехнологий:  Институт ядерной физики им. Г. И. Будкера; Институт катализа им. Г.К. Борескова; Институт физики полупроводников; Институт общей и неорганической химии; Институт химии и химической технологии; Институт теоретической и прикладной механики им. С. А. Христиановича; РХТУ им. Менделеева; Физико-технический институт РАН им. А.Ф. Иоффе, Институт структурной макрокинетики и проблем материаловедения РАН, Физико-химический институт им. Л.Я. Карпова, Институт металлургии и материаловедения РАН им. А.А. Байкова, Институт прикладной механики УрО (РАН), Физико-технологический Институт им. А.И. Лейпунского, НИФХИ им. Л.Я. Карпова, Российский Институт проблем технологии микроэлектроники и особо чистых металлов, Санкт-Петербургский государственный технологический институт, Санкт-Петербургский государственный университет, МГУ им. М.В. Ломоносова, Российский институт проблем технологии микроэлектроники и особо чистых металлов, Институт физики полупроводников им. А.В. Ржанова СО РАН, РНЦ "Курчатовский институт", ЗАО "Нанотехнология МДТ" (Зеленоград), Институт физики микроструктур (Нижний Новгород), Институт проблем радиоэлектроники и особо чистых материалов (Черноголовка), Институт спектроскопии РАН (Москва), Институт радиотехники и электроники РАН (Москва), Институт кристаллографии им. А.В. Шубникова, Казанский государственный университет, Новосибирский государственный университет.

В выполнении проекта будут участвовать три аспиранта, магистранты факультета прикладной математики, физики и информационных технологий и машиностроительного факультета Чувашского государственного университета.  

Проект предполагает организацию и ведение сайта в Интернет; установление он-лайн сотрудничества с организациями, работающими в области научных и прикладных исследований в области наноматериалов и нанотехнологий в Чувашии, а также в других регионах России; привлечение их к участию в работе.

Все это позволит не только решать важные задачи обобщения ранее полученных результатов, но и проводить поиск технологий получения новых наноматериалов с заданными свойствами, определять перспективные направления развития нанотехнологий в Чувашии и в России, определять перспективные направления инвестиций

Результаты выполнения проекта планируется представить в виде научных публикаций в ведущих российских научных журналах, на всероссийских и международных научных конференциях и на сайте проекта в Интернет, который также будет использоваться для он-лайн сбора экспериментальных данных отдельных исследователей и организаций, заинтересованных в создании вычислительных моделей на основе собственных результатов.

Будет подготовлена монография «Создание баз знаний с помощью методов интеллектуального анализа данных»

Методология и готовые к использованию при решении научных и прикладных задач компьютерные модули базы знаний могут быть тиражированы и переданы по договорам другим организациям. В целом представляемый проект имеет большой инновационный потенциал в России и за рубежом.

 

Ожидаемые в конце года научные результаты

К концу 2013 г. будут созданы: база знаний свойств и характеристик линейно-цепочечного углерода, база знаний свойств и характеристик наноструктурированных объемных композиционных материалов на основе меди, основы баз знаний для других наноматериалов.

Полученные базы знаний будут содержать в себе в компактном виде разнообразную качественную (качественные модели) и количественную (многофакторные вычислительные модели) информацию о современных наноматериалах, обеспечивать быстрый доступ к информации в удобном графическом виде (различного рода графики, диаграммы, гистограммы, OLAP-куб и соответствующие кросс-диаграммы и таблицы). Она будет способна адаптироваться к новым экспериментальным данным («дообучаться»), служить своеобразным специализированным инженерным калькулятором, позволяющим мгновенно производить требуемые вычисления.

Результаты выполнения проекта будут представлены в виде научных публикаций в ведущих российских научных журналах, на всероссийских и международных научных конференциях и на сайте проекта в Интернет.

Будет организована Всероссийская конференция “Наноструктурированные материалы и преобразовательные устройства для солнечных элементов 3-го поколения” (г. Чебоксары, Чувашская республика, 7-8 июня 2013), посвященная перспективам развития солнечной энергетики в Российской Федерации в свете последних событий в Чувашии (строительство завода по производству солнечных батарей, монтаж первой экспериментальной солнечной электростанции в Чувашии, открытие нового направления обучения по направлению "фотовольтаика" и лаборатории по фотовольтаике. Конференция направлена на   повышение имиджа и инновационного потенциала  Чувашской Республики (сайт конференции - http://web53169.c26.redham.ru ).      

По результатам выполнения проекта будут созданы учебные курсы для студентов и магистрантов высших профессиональных учебных заведений, связанных с применением методов интеллектуального анализа данных в научных и прикладных исследованиях, подготовкой специалистов и научных кадров  для обеспечения исследований  и  производственной деятельности в области нанотехнологий.

Результаты выполнения проекта будут способствовать формирование  информационной инфраструктуры  для исследований и разработок в  области нанотехнологий, консолидация    ресурсов на прорывных направлениях   проведения   исследований и разработок в области нанотехнологий,  повышению  эффективности  и  результативности бюджетных и внебюджетных расходов на проведение научно-исследовательских работ, формирования кластера "образование - наука - практика".   

Методология и готовые к использованию при решении научных и прикладных задач компьютерные модули базы знаний наноматериалов могут быть тиражированы и переданы по договорам другим организациям.

Базы знаний позволяют придать принципиально новое качество уже имеющимся данным: получать на их основе новые «экспериментальные» результаты (существенно выходящие за диапазон использованных данных), выявлять новые не выявленные ранее закономерности объекта, определять перспективные направления научных и прикладных исследований. В целом представляемый проект имеет большой инновационный потенциал в России и за рубежом.

База знаний станет научной основой форсайтов (Foresight — «взгляд в будущее») и дорожных карт (Roadmap) для фундаментальных научных исследований и дополнительным инструментом форсайтов и дорожных карт для прикладных исследований и наноиндустрии в целом.

 

Примечание (http://ru.wikipedia.org/wiki/%D4%EE%F0%F1%E0%E9%F2 ): «Форсайт (от англ. Foresight — «взгляд в будущее») — инструмент формирования приоритетов и мобилизации большого количества участников для достижения качественно новых результатов в сфере науки и технологий, экономики, государства и общества. По результатам форсайт-проектов создаются дорожные карты. Форсайт является одним из важнейших инструментов инновационной экономики».

 

Современное состояние исследований в данной области науки, сравнение ожидаемых результатов с мировым уровнем

В России и в мире накоплено чрезвычайно большое количество экспериментальных данных по свойствам и характеристикам разнообразных наноматериалов, полученных с помощью различных технологий. Такая ситуация складывается и в Чувашии.

Но задачи обобщения полученных данных на современной информационной основе, с помощью современных информационных технологий, не решены и не решаются! Возможно, это связано с тем, что сейчас развитие работ в области нанотехнологий идет широким фронтом, не определены с научной и практической точки зрения наиболее перспективные, главные направления развития нанотехнологий. Сейчас, исследовательские работы во многом осуществляются «методом проб и ошибок», по принципу – «давайте попробуем добавить …» что требует большого времени, больших финансовых и трудовых затрат.

Возможностями решения задач обобщения и прогнозирования как непосредственно результатов экспериментальных работ, так и перспективных направлений их развития обладают методы интеллектуального анализа данных - Data Mining (DM).

Средства DM широко применяются за рубежом в анализе, обобщении и прогнозировании  экономической и финансовой деятельности, страховом деле и хорошо себя зарекомендовали (интересно отметить, что по данным литературных источников,  50 из 100 крупнейших банков США уже используют аналитические системы, основанные на этих методах, 50 – планируют внедрить их).

За рубежом имеются примеры применения DM и в различных областях фундаментальных и прикладных исследований. В России примеры применения этих методов единичны.

Поиск, проведенный в научной электронной библиотеке России: http://elibrary.ru 22 декабря 2012 года, дал 0 ссылок по запросу «Data Mining AND нано» (поиск российских статей), и дал всего 14 ссылок по запросу «Data Mining AND nano” (поиск зарубежных статей). Причем анализ показал, что ни одна из них не относится непосредственно к нанотехнологиям. Поиск по запросу «Data Mining AND Knowledge Base» дал 634 ссылки (зарубежные статьи), а поиск по запросу «Data Mining AND база знаний» (российские статьи) дал 8 ссылок (причем, 5 – по медицинской тематике). Поиск по запросу «Искусственные нейронные сети AND база знаний»  (российские статьи) дал 8 ссылок. Поиск по запросу «Artificial neural networks AND Knowledge Base» (зарубежные статьи), дал 352 ссылки. Причем анализ показал, что ни одна из них не относится непосредственно к нанотехнологиям. Поиск по запросу «Artificial neural networks AND Knowledge Base AND nano» дал 0 ссылок. Все это показывает, что, во-первых, работы по созданию баз знаний за рубежом проводятся достаточно интенсивно, но только не в области нанотехнологий, а в России таких работ - нет.

Поэтому результат выполнения проекта будет превосходить мировой уровень научных работ.

Ожидаемый результат данного проекта - новое средство для исследования и «проектирования» наноматериалов  - база знаний наноматериалов и нанотехнологий. Ее создание позволит обобщить экспериментальные данные по наноматериалам и нанотехнологиям в Чувашии на качественно новом уровне, получить новые знания; создать основы для проведения этой работы в России в целом и за рубежом. Данная задача решается впервые. Можно предполагать, что представляемый проект будет иметь большой инновационный потенциал и в России, и за рубежом.

 

Имеющийся авторского коллектива научный задел по предполагаемому проекту

Заявители данного проекта имеет большой опыт применения средств Data Mining (DM) и,  в частности искусственных нейронных сетей (ИНС), в научных и прикладных исследованиях.

За время, начиная с 2001 года (в рамках государственных заданий Чувашского госуниверситета, грантов РФФИ и Минобрнауки РФ), были получены следующие результаты. Сформированы совокупности баз данных и получены многофакторные вычислительные ИНС - модели для таких объектов, как: переход от горения к детонации в различных условиях (в рамках задачи заполнения пробелов в экспериментальных данных), распространение волны по поверхности жидкости после удара дна о слой жидкости (задача цунами), прямые и обратные задачи оптики (определение интегральных и локальных характеристик объекта на основе неполных данных о распределении интенсивности сигнала в плоскости регистрации - классическими математическими методами эта задача не может быть решена в принципе), модель системы автоматического управления температурой пара в пароперегревателе котлоагрегата ТЭЦ при изменении нагрузки, модель системы управления транспортировкой газа (на примере газоперекачивающего агрегата компрессионной станции предприятии ООО «Газпром трансгаз Нижний Новгород» - Заволжское ЛПУМГ компрессорная станция “Ямбург-Елец 1”),  модель оптимальной эксплуатации солнечной электростанции (на примере электростанции установленной в ЧувГУ), модель семейных отношений http://www.chuvsu.ru/2008/proekt.html, модель  системы высшего профессионального образования  http://mfi.chuvsu.ru/opros/

В области нанотехнологий с 2007 года (в рамках государственных заданий Чувашского госуниверситета, грантов Минобрнауки РФ и министерства промышленности Чувашии) на кафедре прикладной физики и нанотехнологий Чувашского госуниверситета, где работают заявители проекта, проведены крупномасштабные исследования в области нанопленок линейно-цепочечного углерода.

В последнее время в инициативном порядке выполнены первые работы, непосредственно касающиеся заявляемой теме проекта. На основе части экспериментальных результатов по линейно-цепочечному углероду заявителями проекта уже созданы с помощью средств DM первые многофакторные  вычислительные модели, позволяющие прогнозировать оптические (спектры пропускания) и электрофизические (вольт-амперные характеристики) свойства линейно-цепочечного углерода с внедренными в него один-двумя различными химическими элементами.

Создана методологическая основа создания баз знаний: проверены возможности средств DM, разработаны методики их применения при анализе экспериментальных данных. По результатам работы выполнено несколько дипломных работ, опубликованы тезисы докладов и статьи, результаты работы представлены на международных, российских и региональных конференциях.

У заявителей имеется аналитическая платформа Deductor отечественного производства (разработчик - ООО «Аналитические технологии» – BaseGroup Lab, г. Рязань, www.basegroup.ru), содержащая в себе все средства DM, а также средства организации совокупности баз данных в виде «хранилища данных» и разнообразные средства визуализации результатов анализа и моделирования.

 

Список основных публикаций авторского коллектива, относящихся к предлагаемому проекту

Abrukov V.S., Schetinin V.G., Troeshestova D.A., Deltsov P.V. Perspectives for Decision of Some Hydrodynamical Problems by Neural Networks Models and Methods. In Book of International Summer Scientific School “High Speed Hydrodynamics”, (HSH – 2002, June 16 – 23, 2002, Cheboksary – Russia)/ Ed. by G.G. Cherny, M.P. Tulin, A.G. Terentiev, V.V. Serebryakov and Cortana Corporation – USA, Cheboksary, Russia/ Washington, USA, 2002, pp. 391-394.

Abrukov V.S., Deltsov P.V., Schetinin V.G. Using Artificial Neural Networks for Combustion Interferometry. Proceedings of the Seventh International Conference on Knowledge-Based Intelligent Information & Engineering Systems (KES'2003, 3 - 5 September 2003, University of Oxford, Oxford, United Kingdom), Springer-Verlag., Vol.1., p.684-690.

Abrukov V.S. Perspectives of Artificial Neural Network Technologies for Diagnostics, Modeling, Testing and Control In-Space Propulsion. In: Book of the 10th Int. Workshop on Combustion and Propulsion (In-Space Propulsion) (Lerici, La Spezia, Italy, 21-25 September 2003), Politecnico di Milano, Milan, Italy, 2003, p. 149-153.

Abrukov V.S., Deltsov V.P., Pavlov R.A Inverse and direct problems of combustion diagnostics and artificial neural networks. In: Proceedings of the Ninth International Workshop (9-IWCP) on Novel Energetic Materials and Applications (Lerici, SP, Italy, 14-18 September 2003) / Ed. by Luigi T. DeLuca, Rose Ann Pesce-Rodriguez, 2004, paper 25, pp. 1-11.

V.S. Abrukov, D.A. Troeshestova, R.A. Pavlov, P.V.Ivanov. Artificial Neural Networks and Inverse Problems of Optical Diagnostics/ // Proceedings of the 6th International Conference on Intelligent System Design and Applications, Jinan Nanjiao Hotel, Jinan, China October 16-18, 2006. P. 850-855.

V. G. Schetinin, V. S. Abrukov and A. I. Brazhnikov. A method for synthesizing neural-network models under incomplete data. //Optoelectronics, Instrumentation and Data Processing.  Allerton Press, Inc., Volume 43, Number 5 (October, 2007), 2008, pp. 433-440.

В.С. Абруков, Я.Г. Николаева, Д.Н. Макаров, А.А. Сергеев, Е.В. Карлович. Применение средств интеллектуального анализа данных (Data Mining) для исследования неполно определенных систем /Вестник Чувашского университета, № 2, 2008, с. 233-241.

В.С. Абруков, Я.Г. Николаева, Л.С. Абрукова, Д.А. Троешестова, А.А. Сергеев, Д.Н. Макаров. Разработка моделей неполно определенных систем с помощью самоорганизующихся карт Кохонена / Вестник Чувашского университета, № 2, 2008, с. 241-246.

Абруков В.С., Афанасьев В.В., Тарасов Н.А., Карлович Е.В., Афанасьев В.Н., Семенов Ю.В. Создание базы знаний в области вибрационного горения средствами Data Mining. Материалы V Всероссийской научно-технической конференции «Проблемы и перспективы развития авиации, наземного транспорта и энергетики «АНТЭ-2009» (Казань, КГУ им. А.Н.Туполева, 12-13 октября 2009). – Казань: Изд-во Казан. гос. техн. ун-та, 2009. – С. 162-165.

Абруков В.С., Афанасьев В.В., Ильин С.В., Лапин А.В., Кощеев И.Г., Рисков К.К., Шушканов В.А. Создание базы знаний в области горения энергонасыщенных конденсированных систем средствами Data Mining. Материалы докладов Всероссийской научно-технической и методической конференции «Современные проблемы технической химии» (Казань, КГТУ, 7-9 октября 2009 года). – Казань: Изд-во Казан. гос. технол. ун-та, 2009. – С. 44-50.

Abrukov V.S., Malinin G.I., Volkov M.E. Makarov D.N., Ivanov P.V. Application of artificial neural networks for creation of “black box” models of energetic materials combustion. In Book "Advancements in Energetic Materials and Chemical Propulsion/ Ed. By Kenneth K. Kuo and Keiichi Hori, Begell House, Inc. of Redding, USA, Connecticut, 2009.-1136 pp., pp. 377-386.

Виктор Абруков, Сергей Абруков, Елена Карлович. Создание вычислительных моделей в области горения конденсированных систем средствами Data Mining. В кн.: Information Models of Knowledge // Markov K., Velychko V., Voloshin O. (editors), First edition, Recommended for publication by The Scientific Council of the Institute of Information Theories and Applications. Материалы XVI Международной конференции, ITHEA®, Kiev, Ukraine – Sofia, Bulgaria, 2010, стр. 193 – 197.

Чернов А.С., Троешестова Д.А., Абруков В.С. Разработка модели адаптивного управления пароперегревателем котлоагрегата с помощью искусственных нейронных сетей. Вестник Чувашского университета, №3, 2010, с. 317 – 322.

Abrukov V.S., Karlovich E.V., Abrukov  S.V. Development of computing models of propellant combustion by means of data mining // 2010 Research Bulletin of the Australian Institute of High Energetic Materials, Vol.2, April, 2011, pp. 129-144.  

Абруков В.С., Широчин В.П., Троешестова Д.А., Карлович Е.В., Абруков С.В. Средства data mining как основа создания баз знаний. В кн.: Прикладні аспекти інтелектуальних обчислень СІ–2011. 1 Міжнародна науково-технічна конференція «Обчислювальний інтелект», Черкаси, Україна, 10-13 травня 2011. – P. 141.

Абруков В.С., Троешестова Д.А. Создание баз знаний в задачах прикладной физики. Сборник материалов II Межвузовской науч.-практ. конференции «Бизнес-аналитика. Использование аналитической платформы Deductor в учебном процессе вуза». – Рязань: ООО «Лаборатория баз данных», 2011. С. 36-44.

Abrukov S.V., Kochakov V.D., Telegin G.G. Nano films of linear-chain carbon with embedded metal and nonmetal atoms: characterization and data mining modelling. Abstract of Joint International Conference «Advanced Carbon Nanostructures - ACN'2011 (St Petersburg, Russia, July 4-8, 2011), p. 317.

V. S. Abrukov, V.D. Kochakov, S.V. Abrukov  Nano films of linear-chain carbon with embedded metal and nonmetal atoms: Data Mining modeling.   Proceedings of the Metamaterials 2011 Congress Metamaterials '2011: The Fifth International Congress on Advanced Electromagnetic Materials in Microwaves and Optics (October, 10-15 2011, Barcelona, Spain), pp. 248-250.

Абруков С.В. Применение искусственных нейронных сетей при создании вычислительных моделей характеристик наноматериалов. Материалы XVI Всероссийской научно-технической конференция студентов, молодых ученых и специалистов «НОВЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В НАУЧНЫХ ИССЛЕДОВАНИЯХ» (НИТ-2011, 16-18 ноября 2011 года ). Рязанский государственный радиотехнический университет, Рязань, с. 206-208.

Кочаков В.Д., Новиков Н.Д., Васильев А.И, Смирнов А.В. Элементы электроники на основе пленок линейно-цепочечного углерода. «Вестник Чувашского университета». 2011 № 3. С. 194-197

A.V. Smirnov, V.D. Kochakov, V. S. Abrukov, A.I. Vasilyev, S.V. Abrukov. Photoactive electronic components on the basis of linear-chain carbon. European Materials Research Society E-MRS 2012 Fall Meeting (September 18-20, 2012, Warsaw University of Technology).

Symposium : H Organized Nanostructures and Nano-objects: Fabrication, characterization and applications. H-II 5. http://www.emrs-strasbourg.com/index.php?option=com_abstract&task=view&id=189&day=2012-09-18&year=2012&Itemid=99999999&id_season=8

Victor S. Abrukov, V.D. Kochakov, A.V. Smirnov, S.V. Abrukov. Development of computational models of nanomaterials by means of artificial neural networks: future of knowledge base of nanomaterials world. NANOPAPRIKA-POSTER 2012 - 2nd Virtual Nanotechnology Poster Conference. P12-22:  http://www.nanopaprika.eu/group/poster2012/page/p12-22 

V. S. Abrukov, V.D. Kochakov, A.V. Smirnov, A.I. Vasilyev, S.V. Abrukov. Nano Films Of Linear-Chain Carbon With Embedded Metal And Nonmetal Atoms: Artificial Neural Networks Modeling // Material Technologies and Modeling Proceedings of the 7th International Conference MMT-2012 (Ariel, Israel, August 20 - 23, 2012), Ed. by M. Zinigrad, Ariel, 2012-08-20, pp. 2: 1-6.

Смирнов А.В., Васильев А.И., Кочаков В.Д., Бобыль А.В.,  Теруков Е.И. Синтез фотоактивных пленок на основе углерода в состоянии Sp1. Сборник материалов 8 Всероссийской научно-технической конференции Информационные технологии в электротехнике и электроэнергетике (ИТЭЭ-2012). Чебоксары 2012. С. 219-220.

Victor S. Abrukov, V.D. Kochakov, A.V. Smirnov, S.V. Abrukov. Future of nano materials world is a creation of knowledge base: Development of calculation models of nano materials by means of artificial neural networks / All 2nd Nano-India Days on TINC (3rd - 16th  December, 2012) http://www.nanopaprika.eu/group/nanoindiadays/page/nid2012-201

Васильев А.И., Смирнов А.В., Кочаков В.Д. Фотоактивные элементы электроники на основе линейно-цепочечного углерода. Вестник Чувашского государственного педагогического университета имени  И.Я. Яковлева, 2012, №4. C. 43-46

Кочаков В.Д., Смирнов А.Г., Кокшина А.В. Компьютерное молекулярное моделирование/ Учебное пособие, Чебоксары, 2011. Рег. свид. N 24734 (ФГУП НТЦ «Информрегистр»)

Заявка на патент: Смирнов А.В., Васильев А.И., Кочаков В.Д., Теруков Е.И., Бобыль А.В. «Способ получения металлсодержащего углеродного наноматериала», ФГБУ «Федеральный институт промышленной собственности», приоритет заявки от 04.06.2012.

 

Список основных (не более 5) публикаций руководителя проекта в рецензируемых журналах за последние 3 года

 

1. Victor S. Abrukov, E. V. Karlovich, V. N. Afanasyev, Yu. V. Semenov, & S. V. Abrukov.  Сreation of propellant combustion models by means of data mining tools // International Journal of Energetic Materials and Chemical Propulsion. – 2010, № 9(5). – pp. 385-396.

2. Абруков В.С., Николаева Я.Г. Количественные и качественные методы: соединяем и властвуем! СОЦИС, Москва, 2010, N 1, с. 142-145.

3. В.С. Абруков, Л.С. Абрукова, Д.А. Троешестова, А.А.Петров. Моделирование закономерностей вибрационного горения с помощью искусственных нейронных сетей // Вестник Чувашского университета. – 2011. – № 3. – С. 178-184.

4. Абруков В.С., Карлович Е.В., Иванов А.Г. Моделирование горения конденсированных систем с помощью средств Data Mining // Вестник Чувашского университета. – 2011. – № 3. – С. 184-189.

5. Славутская Е.В., Абруков В.С., Славутский Л.А. Интеллектуальный анализ данных психодиагностикишкольников предподрoсткового возраста // Вестник Чувашского университета. – 2012. – № 3. – С. 226 - 231.

 

Перечень оборудования и материалов, имеющихся у коллектива для выполнения проек

 

1. Спектрофотометр Lambda 25 (Perkin-Elmer, США), атомно-силовой и туннельный сканирующий микроскоп СЗМ фемтоСкан Онлайн, вакуумный пост «УРМ.3.279.070 Алмаз» модернизированный для получения наноструктур на основе линейно-цепочечного углерода, металлографический микроскоп с системой подготовки образцов, Фурье-спектрометр инфракрасный ФСМ1202, Рентгеновский дифрактрометр ДРОНТ, оптический микроскоп ЕС МЕТАМ-РВ23 (ЛОМО), интерференционный микроскоп МРI. Оборудование обеспечивает получение и исследование следующих типов наноматериалов и наноструктур: пленки линейноцепочечного (sp) углерода; пленки алмазоподобного (sp2) углерода (ta-C); биосовместимые наноматериалы; модифицированные пленочные структуры; нанонаполненные полимеры и материалы; наноструктурированные композитные материалы; наноструктурированные металлы, самоорганизующиеся наноматериалы.

2. Аналитическая платформа «Deductor», BaseGroup Labs, www.basegroup.ru - комплекс методов сбора данных в виде «хранилища данных», предобработки данных и интеллектуального анализа данных (Data Mining).

 

Перечень оборудования и материалов, которые необходимо дополнительно приобрести, изготовить или отремонтировать для успешного выполнения проекта; обосновать необходимость его приобретения

Ноутбук (20000 руб.) – для оперативного сбора и обработки информации, мультимедиа-проектор (15000) - для представления презентаций по проекту.

 

Перечень командировок (в том числе зарубежных), необходимых для выполнения проекта. Обосновать их необходимость и указать приблизительную стоимость

Точный перечень пока не определен, но из перспективных можно отметить: конференции, организующиеся ОАО «Роснано», Национальной  ассоциацией наноиндустрии и Нанотехнологическим обществом России, Приволжским федеральным университетом (КГУ), г. Казань; Казанским национальным исследовательским технологическим университетом (КГТУ-КХТИ, Казань), на которых можно будет обсудить пути сотрудничества по теме проекта.

 

Из зарубежных конференций можно отметить: ICANM 2013: International Conference & Exhibition on Advanced & Nano Materials (August 12-14,2013 , Quebec (QC) Canada), IEEE XXXIII International Scientific Conference ELECTRONICS AND NANOTECHNOLOGY, APRIL 16-19, 2013, Kyiv, Ukraine;  EuroNanoForum 2013 (ENF2013), 18 - 20 June 2013, Dublin, Ireland; The Seventh International Congress on Advanced Electromagnetic Materials in Microwaves and Optics – Metamaterials 2013 (Bordeaux, France, 16-21 September 2013),

3rd Nano Today Conference (Singapore, December 8-11, 2013).

 

Примерная стоимость командировок – 100 000 рублей.