15.08.2026 08:00
🤖 Почему будущее разработки материалов за ИИ?
🤖 Почему будущее разработки материалов за ИИ?
Ученые «СИБУР ПолиЛаб» интегрируют искусственный интеллект в создание новых полимеров, чтобы перевести разработку из «догоняющей» в прогнозную. Главными инсайтами о внедрении технологий поделился руководитель направления развития процессов и сервисов Артур Асланян.
Как именно нейросети меняют индустрию уже сейчас:
🔹Генератор рецептур: ИИ-модель сама рассчитывает идеальное послойное строение полипропиленовых пленок. Задаешь требования (прочность, прозрачность, упругость) — получаешь готовый состав, толщину слоев и прогнозируемые свойства.
🔹Глубокая аналитика: Внутренние LLM-инструменты структурируют массивы мировых патентов, нормативной документации и научных статей для быстрого поиска новых ниш.
🔹Контроль цвета при переработке: Модели обучаются прогнозировать параметры цветности конечного продукта при добавлении вторичного сырья.
🔹Ускорение научного поиска: В центре «СИБУР Инновации» алгоритмы выявляют связи между составом и структурой веществ, помогая проектировать катализаторы и сокращать объемы долгих лабораторных тестов.
🔹Борьба с контрафактом: Прорабатываются цифровые маркеры для сквозного контроля качества продукции от завода до конечного потребителя.
Ключевыми вызовами для отрасли остаются доверие к результатам ИИ и безопасность конфиденциальных данных. Для их решения внедряются внутренние RAG-системы, автоматизируется сбор датасетов с производственных линий, а нейросети системно встраиваются в ежедневные рабочие процессы инженеров и исследователей.
Ученые «СИБУР ПолиЛаб» интегрируют искусственный интеллект в создание новых полимеров, чтобы перевести разработку из «догоняющей» в прогнозную. Главными инсайтами о внедрении технологий поделился руководитель направления развития процессов и сервисов Артур Асланян.
Как именно нейросети меняют индустрию уже сейчас:
🔹Генератор рецептур: ИИ-модель сама рассчитывает идеальное послойное строение полипропиленовых пленок. Задаешь требования (прочность, прозрачность, упругость) — получаешь готовый состав, толщину слоев и прогнозируемые свойства.
🔹Глубокая аналитика: Внутренние LLM-инструменты структурируют массивы мировых патентов, нормативной документации и научных статей для быстрого поиска новых ниш.
🔹Контроль цвета при переработке: Модели обучаются прогнозировать параметры цветности конечного продукта при добавлении вторичного сырья.
🔹Ускорение научного поиска: В центре «СИБУР Инновации» алгоритмы выявляют связи между составом и структурой веществ, помогая проектировать катализаторы и сокращать объемы долгих лабораторных тестов.
🔹Борьба с контрафактом: Прорабатываются цифровые маркеры для сквозного контроля качества продукции от завода до конечного потребителя.
Ключевыми вызовами для отрасли остаются доверие к результатам ИИ и безопасность конфиденциальных данных. Для их решения внедряются внутренние RAG-системы, автоматизируется сбор датасетов с производственных линий, а нейросети системно встраиваются в ежедневные рабочие процессы инженеров и исследователей.