Изучение коэффициента самодиффузии в жидкостях является важной задачей в химической физике, материаловедении и молекулярном моделировании. Традиционные методы молекулярной динамики требуют значительных вычислительных ресурсов и времени, что делает их применение для анализа больших объемов данных затруднительным. В связи с этим актуальным становится использование методов машинного обучения и нейронных сетей, которые позволяют быстро и эффективно предсказывать коэффициенты самодиффузии на основе имеющихся данных. В работе проведено сравнение эффективности методов машинного обучения (Random Forest, Gradient Boosting) и нейронных сетей для предсказания коэффициента самодиффузии. Результаты показали, что методы Random Forest и Gradient Boosting демонстрируют высокую точность (R² > 0.9).

Бараблина Ю.Е. (науч. рук. Новотельнова А.В.) Использование нейронных сетей и методов машинного обучения для получения и предсказания данных самодиффузии чистых веществ и сравнение с результатами молекулярного моделирования // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/15519