Ученые создали прогнозную модель свойств керамики для костной имплантации

Модель для прогнозирования физико-механических свойств композитной керамики на основе гидроксиапатита, армированной многостенными углеродными нанотрубками, разработала научная группа из Института физики прочности и материаловедения СО РАН в Томске, 7 ноября сообщает издание СО РАН «Наука в Сибири» со ссылкой на пресс-службу Томского научного центра СО РАН.

Прогнозная модель томских ученых использует методы машинного обучения. В результате применения нейросетей они сократили время, затрачиваемое на исследования материалов, и повысили точность в установлении математических зависимостей.

Руководитель проекта кандидат физико-математических наук Анастасия Резванова рассказала, что главной его целью является создание керамических материалов на основе минерала гидроксиапатита. Его выбор обусловлен тем, что он является основной минеральной составляющей костной ткани и поэтому имеет высокую биосовместимость и остеоиндуктивность — свойство стимулировать рост новой костной ткани (остеогенез).

«Однако в чистом виде такая керамика, используемая в костной имплантации, очень хрупкая, с крайне низкой трещиностойкостью. Для повышения механических (твердости, прочности и трещиностойкости) и физических свойств (теплопроводности) гидроксиапатита мы разработали технологию внедрения многостенных углеродных нанотрубок в матрицу», — добавила Анастасия Резванова.

Исследование трещиностойкости материалов в основном проводят методом индентирования по Виккерсу — в испытуемый материал вдавливают с заданными нагрузкой и временем правильную четырехгранную алмазную пирамидку с углом между противоположными гранями 136 градусов — индентор. Трещиностойкость определяется по размеру отпечатка и длинам трещин после снятия нагрузки.

При исследовании в ходе экспериментов меняют диапазон нагрузок и сами образцы, имеющие разные свойства. Но этот метод требует очень много времени, поэтому ученые ТНЦ СО РАН для его сокращения решили объединить возможности экспериментальной науки и машинного обучения.

«В физике конденсированного состояния для прогнозирования физико-механических свойств материалов на основе экспериментальных данных и математических моделей возможно применение нейросетевых подходов. В отличие от классических численных методов, которые требуют наличия известного математического описания исследуемого объекта, нейросетевые модели используются для выявления скрытых зависимостей в экспериментальных данных», — пояснила Анастасия Резванова.

Такие модели адаптируются к изменению структуры материалов и могут обрабатывать разнородные данные, интегрируя экспериментальные измерения с аналитическими вычислениями. В результате точность прогнозирования характеристик исследуемых материалов повышается.

Построенная учеными прогнозная модель позволила установить, что при добавлении многостенных углеродных нанотрубок с концентрацией не более 0,5 масс.% прочность такой композитной керамики на сжатие увеличивается в девять раз, ее микротвердость улучшается на 30% и в три раза повышается сопротивление пластической деформации.

При такой концентрации достигается насыщение материала и пик его возможностей. Композит сохраняет безопасность для организма и работает максимально эффективно. Однако в некоторых случаях достаточной является еще меньшая концентрация нанотрубок (иногда даже сотая часть процента).

Как доказало исследование модели, она в совокупности с результатами эксперимента способна дать точный ответ по оптимальной концентрации нанотрубок для конкретных условий и нагрузки, а также по свойствам, которыми будет в этом случае обладать керамика на основе гидроксиапатита.