Подборка статей и презентаций с митапа ИИшницы «Искусственный интеллект в индустрии» 👾
📃«Задача определения остаточного ресурса оборудования»
Статья 1, статья 2, статья 3 включают в себя обзоры подходов и конкретных методов, а также методы машинного обучения, с помощью которых можно решать задачу оценки остаточного ресурса оборудования. В репозитории представлены кейсы как в целом по решению задач технической диагностики с помощью ML в промышленности, так и кейсы по решению задачи определения остаточного ресурса.
Открытых бенчмарков для этой задачи совсем немного. Например, эти два: Turbofan Engine Degradation Simulation Data Set от NASA (можно посмотреть по ссылке), остаточный ресурс трансформаторов (доступен здесь).
📃«Применение гибридного моделирования с использованием ИИ в задачах предиктивной аналитики промышленного оборудования»
Делимся интервью, в котором Михаил Гусев в рамках проекта ТАСС рассказал о создании отечественной цифровой системы управления технологическими процессами.
📃«Нейросетевые модели в поиске новых функциональных материалов»
Роман Еремин рассказал о задаче поиска новых функциональных материалов, важных с точки зрения зеленого энергетического перехода и концепций устойчивого развития. В докладе рассматривались возможности применения моделей искусственного интеллекта, сложности пространства поиска новых материалов и использование современных экспериментальных и расчетных баз данных. Например, The Materials Project и AFLOW.
С существующими в настоящее время бенчмарками и моделями можно ознакомиться в проектах OpenCatalystProject и Matbench (имеют статус международных соревнований). Роман упомянул и исследования команды New Materials Design Института AIRI, результаты которых недавно были опубликованы в одном из журналов ACS.
⬇ Все презентации можно скачать по ссылке.
Сегодняшний круглый стол переносится. Новая дата будет известна позднее.
📃«Задача определения остаточного ресурса оборудования»
Статья 1, статья 2, статья 3 включают в себя обзоры подходов и конкретных методов, а также методы машинного обучения, с помощью которых можно решать задачу оценки остаточного ресурса оборудования. В репозитории представлены кейсы как в целом по решению задач технической диагностики с помощью ML в промышленности, так и кейсы по решению задачи определения остаточного ресурса.
Открытых бенчмарков для этой задачи совсем немного. Например, эти два: Turbofan Engine Degradation Simulation Data Set от NASA (можно посмотреть по ссылке), остаточный ресурс трансформаторов (доступен здесь).
📃«Применение гибридного моделирования с использованием ИИ в задачах предиктивной аналитики промышленного оборудования»
Делимся интервью, в котором Михаил Гусев в рамках проекта ТАСС рассказал о создании отечественной цифровой системы управления технологическими процессами.
📃«Нейросетевые модели в поиске новых функциональных материалов»
Роман Еремин рассказал о задаче поиска новых функциональных материалов, важных с точки зрения зеленого энергетического перехода и концепций устойчивого развития. В докладе рассматривались возможности применения моделей искусственного интеллекта, сложности пространства поиска новых материалов и использование современных экспериментальных и расчетных баз данных. Например, The Materials Project и AFLOW.
С существующими в настоящее время бенчмарками и моделями можно ознакомиться в проектах OpenCatalystProject и Matbench (имеют статус международных соревнований). Роман упомянул и исследования команды New Materials Design Института AIRI, результаты которых недавно были опубликованы в одном из журналов ACS.
Сегодняшний круглый стол переносится. Новая дата будет известна позднее.