Команда студентов и аспирантов МГУ представила AI-платформу MaterialsGen для управления этапами R&D многокомпонентных материалов, изначально разработанную для бетонных смесей.
Использование системы позволяет закрыть слепые зоны традиционных ERP- и LIMS-систем, использующихся на многих российских производствах. По расчетам, технология позволит получить экономический эффект в размере 41,5 млн рублей в год, и в дальнейшем может быть масштабирована в различных отраслях для разработки рецептур многокомпонентных смесей.
Одна из ключевых задач платформы – прогнозирование свойств бетона, нормируемых требованиями ГОСТ и СНиП (прочность на сжатие, подвижность) по исходным данным о составе смеси: удельным массам песка, щебня, цемента, воды и различных добавок на 1 м³. Свойства предсказываются для любого «возраста» бетона от 1 до 90 суток после замешивания, что позволяет установить время достижения требуемых диапазонов свойств еще до эксперимента за считанные секунды.
«Традиционный метод испытаний бетонных смесей требует 28 суток твердения кубика бетона для оценки финальной прочности, при этом отмечается острая нехватка технологов высокой квалификации для работы со сложными составами, а работа лабораторий и цехов на производствах, как правило, не цифровизирована, - отмечает руководитель проекта Максим Смирнов, аспирант химического факультета МГУ имени М.В. Ломоносова. – Кроме того, наблюдается систематический перерасход сырья из-за нестабильного качества и различных источников исходных материалов. Получается, что текущий цикл экспертного подбора рецептуры занимает месяц ручного труда, при этом его точность нельзя назвать удовлетворительной, она составляет всего 64% (процент попадания фактической прочности бетона в диапазон, предсказанный экспертом-технологом, на выборке более тысячи составов)».
Вторая и главная задача проекта - генерация новых рецептур бетонных смесей (расчет соотношения компонентов и определение методики замешивания) по заданным диапазонам желаемых свойств. Это существенно расширяет пространство известных составов и позволяет предлагать новые составы для различных климатических условий и областей применения, включая 3D-печать.
В основе работы платформы – байесовские модели искусственного интеллекта и нейроэволюционные алгоритмы, обеспечивающие прогнозирование свойств и генерацию рецептур при малом объёме обучающих данных. В рамках проекта также разработан ряд прикладных модулей, направленных на цифровизацию процессов внутри производственного контура, включая электронный лабораторный журнал и чат с ИИ-технологом. Решение было создано командой в рамках Проектной лаборатории Фонда «Интеллект».
В ходе проекта часть сгенерированных платформой MaterialsGen рецептур прошла экспериментальную валидацию на производственной площадке нашего партнера. В ходе 28-дневного цикла испытаний рецепты набрали прочность на сжатие в диапазоне 80-99% от прогнозируемой.
Использование системы позволяет закрыть слепые зоны традиционных ERP- и LIMS-систем, использующихся на многих российских производствах. Сейчас команда внедряет пилотное решение на крупных российских РБУ с расчетным IRR 144% и окупаемостью в течение одного календарного года с экономическим эффектом в размере 41,5 млн рублей в год.
Проект MaterialsGen занял 3-е место на V Молодёжном конкурсе инноваций и предпринимательства стран ШОС, который прошёл в Циндао (КНР). Экспертное жюри конкурса отметило высокий уровень проработки проекта, технологическую состоятельность сервиса и его прикладную значимость для ускорения и оптимизации исследований в области новых материалов. Отдельное внимание было уделено потенциалу дальнейшего развития платформы и возможностям её применения. По словам Максима Смирнова, универсальное AI-ядро MaterialsGen может быть адаптировано под любые многокомпонентные смеси в других отраслях (например, в цветной металлургии, АПК, медицине и биотехнологиях). Команда открыта к поиску инвесторов и бизнес-заказчиков для разработки решений по оптимизации многокомпонентных смесей и их рецептур, а также цифровизации производств.
В Проектной лаборатории студенты и аспиранты МГУ работают над практико‑ориентированными решениями на базе ИИ и цифровых технологий. Каждый проект реализуется под руководством наставников из индустрии, позволяя сочетать сильную научную составляющую и бизнес-логику, которая предполагает возможность быстрого внедрения и получения измеримых результатов в короткие сроки.
Состав проектной команды MaterialsGen: Максим Смирнов, руководитель проекта – аспирант химического факультета МГУ имени М.В.Ломоносова, Роман Чупин – менеджер продукта, выпускник экономического факультета ОмГУ, Михаил Никулин, ML-инженер – младший научный сотрудник МГУ имени М.В.Ломоносова, выпускник механико-математического факультета; Бабкен Бегларян, ответственный за R&D материалов – аспирант химического факультета МГУ имени М.В.Ломоносова; Имиль Мамин, ML-инженер – студент 4-го курса физического факультета МГУ имени М.В.Ломоносова.
Некоммерческий фонд развития науки и образования «Интеллект» оказывает грантовую и стипендиальную поддержку студентам и молодым ученым МГУ, способствует созданию новых образовательных курсов и программ, увеличению числа публикаций высокого уровня и развитию инфраструктуры для учебной и научной деятельности. Миссия фонда — поддержка науки и образования в области искусственного интеллекта и его применения в научных исследованиях. Фонд «Интеллект» был создан в 2020 году основателем фонда «Вольное дело», выпускником МГУ имени М.В.Ломоносова Олегом Дерипаска.