Data-driven magnetic materials for nanomedicine
Фокус работ направлен на создание data-driven магнитных материалов для наномедицины, которые используются как контрастные агенты для МРТ, дистанционного контроля биохимических процессов, магнитной гипертермии, магнитоэлектрические наночастицы для биомедицины, а также для магнитной адресной доставки лекарств.
Данные области применения магнитных материалов исследуются на протяжении последних десятилетий, однако значительного практического выхода не наблюдалось.
Это во многом обусловлено невозможностью эмпирически осуществить рациональный дизайн магнитных материалов в направлении получения наиболее эффективных. Для предсказания таких материалов и генерации нового знания в рамках данного направления предлагается использовать методы искусственного интеллекта и машинного обучения, которые базируются на собранных базах данных и умеющие оценивать многомерные массивы данных.
Data-driven magnetic soft robot design
Мягкая робототехника специализируется на конструировании роботов из мягких материалов, подобных тканям живых организмов. Данная область является одной из наиболее мультидисциплинарных, включая в себя знания материаловедения, биологии, физики и инженерии.
Недавние достижения в области функциональных мягких материалов способствовали появлению нового класса мягких роботов, способных активироваться в ответ на внешние раздражители, такие как тепло, свет, растворитель, электрическое или магнитное поле.
Среди различных типов материалов, реагирующих на раздражители, магнитно-мягкие материалы продемонстрировали значительный прогресс в контексте дизайнов и методов фабрикации, что привело к разработке магнитных мягких роботов с уникальными преимуществами и потенциалом для многих важных приложений. Тем не менее, область магнитных мягких роботов все еще находится в зачаточном состоянии и требует дальнейшего совершенствования с точки зрения принципов дизайна, методов изготовления, механизмов управления и способов измерения.
Данное направление работ связано именно с принципами рационального дизайна магнитных мягких роботов с использованием методов искусственного интеллекта и машинного обучения для инвертированного дизайна роботов непосредственно под конкретные задачи, в частности, для малоинвазивной хирургии.
Data-driven Metal-Ion аккумуляторы
Мы живём во время доминирования Li-Ion аккумуляторов. Каждый день они обеспечивают работу наших девайсов. Но их параметры всё ближе к своему физическому пределу. Классический подход trial-error для получения научных результатов требует колоссального количества ресурсов, и не гарантирует научного и технологического прорыва. Для предсказания и генерации новых знаний, в том числе за пределами человеческой научной интуиции, необходимо применять Искусственный Интеллект (ИИ) и Машинное Обучение (МО). Именно поэтому наша работа будет тесно связана с ИИ и МО, и направлена на поиск эффективных электродных материалов, электролитов и других компонентов аккумуляторов, а также влияния условий синтеза на удельную и объёмную энергоёмкость.
Основной анодный материал в Li-Ion аккумуляторах – графит, но новые вызовы требуют смелых решений, в том числе провокационных как конвекционные материалы Si, Ge, Sn, Sb. Они обладают в разы большой ёмкостью, чем графит, но страдают от большого объёмного расширения. С помощью новых методов, в том числе реакции гальванического замещения с галлием, мы хотим получить композиционные материалы на их основе и улучшить их характеристики для применения в аккумуляторах нового поколения.