НЕЙРОСЕТЕВОЙ СИНТЕЗ НОВЫХ ПОДБАЛЛАСТНЫХ КОМПОЗИТОВ МЕТОДАМИ ГЕНЕРАТИВНОГО ИСКУССТВЕННОГО ИНТЕЛЛЕКТА КАК ДРАЙВЕР СНИЖЕНИЯ СОВОКУПНОЙ СТОИМОСТИ ВЛАДЕНИЯ ЖЕЛЕЗНОДОРОЖНОЙ ИНФРАСТРУКТУРОЙ

Abstract

В статье рассматривается парадигмальный сдвиг в методологии проектирования материалов для железнодорожного пути – переход от эмпирического подбора составов к целенаправленному дизайну микроструктуры с использованием генеративных нейросетей (GAN). Обоснована необходимость создания отечественных полимер-базальтовых композитов, оптимизированных под бимодальные динамические нагрузки тяжеловесного движения и высокоскоростных магистралей. Представлена концептуальная архитектура сверточной нейронной сети, обучаемой на массивах данных акустической эмиссии и тензометрии эксплуатируемого пути. Показано, что применение методов обратного дизайна (inverse design) позволяет сократить цикл разработки материала «формула – образец» до 3–4 месяцев и прогнозировать снижение совокупной стоимости владения (LCC) верхним строением пути на 15–18%.