The object of research, development or design (in Russian) : Генеративные модели машинного обучения для поиска новых гетеропереходных фотокатализаторов для экологически чистого производства водорода

The object of research, development or design (in Kazakh) : Таза сутегі өндірісіне арналған жаңа гетероөткізгіш фотокатализаторларды ашуға арналған генеративті машиналық оқыту модельдері

Aim of work (in Russian) : Цель проекта состоит в поиске эффективных гетеропереходных фотокатализаторов для экологически чистого производства водорода через расчеты генеративных моделей с привлечением передовых самообучающихся алгоритмов и сертифицированной базы данных.

Aim of work (in Kazakh) : Жобаның мақсаты - озық өзіндік оқыту алгоритмдерін және сертификатталған дерекқорды пайдалана отырып, генеративті модельдерді есептеу арқылы экологиялық таза сутегі өндірісі үшін тиімді гетероөткізгіш фотокатализаторларды табу.

Методы исследования (на русском) : Выполнены расчеты DFT/TDDFT/NAMD для исследования электронной структуры, выравнивания (структуирование) электронных переходов и механизмов переноса заряда в перспективных гетеропереходных фотокатализаторах. Результаты будут использоваться для руководства разработкой фреймворка генеративного машинного обучения и предоставления информации о взаимосвязях структура-свойство.

Методы исследования (на казахском) : Перспективалы гетероөткізгіш фотокатализаторлардағы электрондық құрылымды, электрондық ауысулардың туралануын (құрылымдалуын) және заряд тасымалдау механизмдерін зерттеу үшін DFT/TDDFT/NAMD есептеулері жүргізілді. Нәтижелер генеративті машиналық оқыту құрылымын әзірлеуге бағыт беру және құрылым-қасиет қатынастары туралы түсінік беру үшін пайдаланылады.

Obtained results and novelty (in Russian) : Адаптация современных методов моделирования в сочетании с особым вниманием к выбору дескрипторов и моделей машинного обучения оказалась весьма эффективной. Сравнительный анализ различных алгоритмов показал, что ансамблевые модели, в частности RFR и GBR, обеспечивают наивысшую точность и надёжность при предсказании энергий адсорбции различных абсорбентов, в том числе водорода, на MXene. Эти модели лучше всего улавливают сложные, нелинейные зависимости, присущие набору данных, превосходя традиционные линейные и основанные на ядрах методы. Построенные предсказательные модели продемонстрировали высокую эффективность: низкие средние абсолютные ошибки и высокие значения R² на валидационных выборках. Анализ важности признаков дал ценные научные результаты, подчеркнув ключевую роль отдельных дескрипторов в механизмах адсорбции H2, CO₂. Полученные результаты углубляют понимание взаимосвязи структуры и активности MXene и могут служить практическим ориентиром для рационального проектирования новых катализаторов в будущем.

Obtained results and novelty (in Kazakh) : Қазіргі заманғы модельдеу әдістерін бейімдеу, дескрипторлар мен машиналық оқыту модельдерін таңдауға мұқият назар аударумен бірге, өте тиімді болып шықты. Әртүрлі алгоритмдердің салыстырмалы талдауы ансамбльдік модельдердің, әсіресе RFR және GBR-дің, MXene-дегі CO₂ адсорбция энергияларын болжауда ең жоғары дәлдік пен сенімділікті қамтамасыз ететінін көрсетті. Бұл модельдер деректер жиынтығына тән күрделі, сызықтық емес қатынастарды жақсы көрсетеді, дәстүрлі сызықтық және ядроға негізделген әдістерден асып түседі. Нәтижесінде алынған болжамдық модельдер жоғары өнімділікті көрсетті: орташа абсолютті қателіктер төмен және валидация жиынтықтарында жоғары R² мәндері. Ерекшеліктердің маңыздылығын талдау құнды ғылыми түсініктер берді, CO₂ адсорбция механизмдеріндегі жеке дескрипторлардың негізгі рөлін атап өтті. Бұл нәтижелер MXene-нің құрылымдық-белсенділік байланысын түсінуімізді тереңдетеді және болашақта жаңа катализаторларды рационалды жобалау үшін практикалық нұсқаулық ретінде қызмет ете алады.

The main constructive and technical economic indicators (in Russian) : Высокая точность и надежность используемых методов. Экспериментальные показатели лежат в полном согласии с теоретическими вычислениями и известными литературными данными.

The main constructive and technical economic indicators (in Kazakh) : Қолданылған әдістер өте дәл және сенімді. Тәжірибелік нәтижелер теориялық есептеулермен және қолжетімді әдебиеттермен толық сәйкес келеді.

Level of implementation (in Russian) : Внедрение не предполагается

Level of implementation (in Kazakh) : Іске асыру күтілмейді

Efficiency (in Russian) : Вероятно, что по мере применения более продвинутых алгоритмов машинного обучения и интеграции большего количества каталитической информации и данных такие автономные вычислительные лаборатории смогут не только повысить эффективность поиска катализаторов, но и обеспечат проектирование всей каталитической системы (например, выбор со-катализаторов, растворителя и реагентов).

Efficiency (in Kazakh) : Машиналық оқытудың озық алгоритмдері қолданылып, каталитикалық ақпарат пен деректер біріктірілген сайын, мұндай автономды есептеу зертханалары катализаторларды іздеудің тиімділігін арттырып қана қоймай, сонымен қатар бүкіл каталитикалық жүйені жобалауға мүмкіндік береді (мысалы, кокатализаторларды, еріткішті және реагенттерді таңдау).

Field of application (in Russian) : Предполагается, что результаты, полученные в ходе выполнения этого проекта, будут стимулировать исследователей-экспериментаторов проверять теоретические выводы и инициировать новые эксперименты по оптимизации производительности фотокатализаторов в различных приложениях.

Field of application (in Kazakh) : Бұл жоба барысында алынған нәтижелер эксперименттік зерттеушілерді теориялық қорытындыларды тексеруге және әртүрлі қолданбаларда фотокатализаторлардың жұмысын оңтайландыру үшін жаңа тәжірибелер бастауға ынталандырады деп күтілуде.