Використання методів штучного інтелекту та машинного навчання для автоматизації досліджень екструдованих термоелектричних матеріалів на основі Bi–Te

Abstract

Дисертаційна робота присвячена розробці мультимодальної системи на основі методів штучного інтелекту та машинного навчання для автоматизації повного циклу досліджень екструдованих термоелектричних матеріалів на основі Bi–Te. Центральним результатом роботи є створення мультимодальної моделі прогнозування ключових термоелектричних параметрів, яка інтегрує мікроструктурні зображення та числові дані. На основі цієї моделі реалізовано алгоритм зворотного проєктування, який за цільовими значеннями прогнозує оптимальний склад та параметри синтезу з оцінкою невизначеності, а також дозволяє розширити сферу свого застосування на багатокритеріальну оптимізацію термоелектричних модулів та сенсорів.