В пресс-службе Томского политехнического университета (ТПУ) сообщили, что учёные вуза разработали метод применения нейронных сетей для оптимизации производства полимерных скаффолдов — каркасов, используемых в регенеративной медицине. Технология позволяет точно прогнозировать ключевые параметры материалов, сокращая время и ресурсы на эксперименты.
Скаффолды из поликапролактона создают среду для роста новых тканей и ускоряют заживление. Традиционные методы подбора технологических параметров требуют многочисленных испытаний. Нейросети анализируют экспериментальные данные и предсказывают диаметр волокон и прочность на разрыв с высокой точностью.
Исследование показало, что классические алгоритмы машинного обучения справляются с прогнозированием диаметра, но не могут точно определить прочность. Двухслойные персептронные нейросети успешно решают обе задачи даже на небольших наборах данных со сложными зависимостями.
Разработанный подход универсален — он применим к разным типам полимеров и морфологий скаффолдов. Это открывает возможности для оптимизации создания других медицинских изделий, где важны точные физические параметры.