Аспирант кафедры информационных технологий Юрий Згода выступил с докладом на IV Международной конференции по нейронным сетям и нейротехнологиям NeuroNT’2023, которая состоялась 16 июня в Санкт-Петербургском государственном электротехническом университете «ЛЭТИ» им. В. И. Ульянова (Ленина).

Тема доклада аспиранта – «Возможности глубокого обучения применительно к задаче компьютерного моделирования тонкостенных оболочечных конструкций».

Глубокое обучение – это вид машинного обучения, основанный на использовании многослойных нейронных сетей. Нейронные сети эффективно применяются во многих областях, в том числе в медицине, метеорологии, генерации изображений. Одним из основных свойств нейросетей является их обучаемость путем обработки большого объёма данных, после чего нейросети можно эффективно использовать для решения задач, схожих с теми, которые были обработаны ими в процессе обучения.

«В строительной отрасли интеграция нейронных сетей находится на начальном этапе, поэтому преимущества и недостатки их применения в моделировании строительных конструкций остаются малоизученными. В своей работе я рассматривал различные аспекты использования нейросетей в моделировании тонкостенных оболочечных конструкций (или оболочек). Разработал оригинальную нейросетевую архитектуру и процедуру её обучения, а также провёл вычислительный эксперимент по моделированию более четырёх тысяч различных конфигураций оболочек», – пояснил Юрий.

Затем нейросеть была обучена с использованием этих расчётов и протестирована на ряде вычислительных задач для изучения её свойств. Аспирант обнаружил, что в большинстве случаев она обладает незначительной погрешностью моделирования в сравнении с классическими методами расчёта, при этом сокращает длительность вычислений примерно в тысячу раз. Это позволяет значительно быстрее проводить сравнительный анализ конструкций различных конфигураций, а также показывает высокую перспективность применения нейросетевого моделирования в строительстве.

Автор работы завершает оформление разработанного решения в виде веб-приложения, которое можно будет использовать для прототипирования различных конфигураций оболочек. Кроме того, подобная разработка может быть успешно внедрена в учебный процесс, что позволит учащимся наглядно увидеть взаимосвязь между различными параметрами конструкции и её поведением под воздействием нагрузки.