ННІ "Український державний хіміко-технологічний університет"
УДУНТ
Обрати сторінку

Аспірант ННІ УДХТУ Віктор Макарченко дослідив інтелектуальне моделювання плазмохімічних процесів

11 вересня 2026 року в Українському державному університеті науки і технологій відбувся публічний захист дисертаційної роботи аспіранта кафедри інформаційних систем ННІ «Український державний хіміко-технологічний університет» Віктора Сергійовича Макарченка.

Дисертацію на тему «Інтелектуальні методи та моделі комп’ютерно-математичного моделювання плазмохімічних процесів отримання наночасток» подано на здобуття ступеня доктора філософії в галузі знань 12 «Інформаційні технології» за спеціальністю 122 «Комп’ютерні науки». Науковий керівник – Лариса Іванівна Коротка, кандидат технічних наук, доцент кафедри інформаційних систем ННІ «Український державний хіміко-технологічний університет» УДУНТ.

До складу разової спеціалізованої вченої ради увійшли:

  • голова разової ради – Зеленцов Дмитро Гегемонович, доктор технічних наук, професор кафедри інформаційних систем ННІ «Український державний хіміко-технологічний університет» УДУНТ;
  • рецензент – Гнатушенко Вікторія Володимирівна, доктор технічних наук, професор, завідувач кафедри інформаційних технологій і систем ННІ «Дніпровський металургійний інститут» УДУНТ;
  • рецензент – Островська Катерина Юріївна, кандидат технічних наук, доцент кафедри інформаційних технологій і систем ННІ «Дніпровський металургійний інститут» УДУНТ;
  • офіційний опонент – Гук Наталія Анатоліївна, доктор фізико-математичних наук, професор, в.о. проректора з науково-педагогічної роботи Дніпровського національного університету імені Олеся Гончара;
  • офіційний опонент – Нескородєва Тетяна Василівна, доктор технічних наук, професор кафедри інформаційних технологій Уманського національного університету.

Дослідження присвячене комп’ютерно-математичному моделюванню плазмохімічних процесів отримання наночасток в умовах обмеженого обсягу експериментальних даних. Такі процеси характеризуються складними нелінійними взаємозв’язками між параметрами, тому для їх аналізу та моделювання потрібні сучасні методи машинного навчання й інтелектуальної обробки даних.

У роботі поєднано методи статистичного аналізу, машинного навчання, генеративно-змагальних мереж (GAN), нейронних мереж та нечіткої логіки. Для оцінювання якості моделей використовувалися, зокрема, показники MAE, RMSE, MSE та R². Дослідження також охоплювало кореляційний аналіз, оцінювання взаємної інформації, визначення важливості ознак і застосування ансамблевих методів машинного навчання.

Одним із ключових результатів стало вдосконалення методу розширення малих вибірок експериментальних даних за допомогою генеративно-змагальних мереж. До моделі додано механізми регуляризації та оцінювання взаємної інформації (Mutual Information), що дало змогу зменшити ризик «колапсу мод» та зберегти взаємозв’язки між вхідними і вихідними параметрами.

Вперше запропоновано гібридний підхід до моделювання вихідних параметрів плазмохімічного процесу за умов обмеженого обсягу даних. Він поєднує GAN для генерації синтетичних даних, нечітку логіку для оцінювання їхньої якості та багатошарові нейронні мережі для визначення вихідних параметрів багатовимірного нестаціонарного нелінійного процесу.

Практичне значення результатів полягає у можливості ефективніше використовувати невеликі масиви експериментальних даних для моделювання плазмохімічних процесів. Розроблені методи дають змогу збільшувати вибірку синтетичними даними, водночас зберігаючи фізичний зміст встановлених залежностей.

Дослідження експериментальних даних синтезу наночасток срібла показало, що нелінійні моделі забезпечували точність у межах 74-99%, тоді як для лінійних моделей цей показник становив 51-89%. Методи ансамблевого навчання на основі дерев рішень забезпечили точність 87-94%. Отримані результати підтвердили складний нелінійний характер взаємозв’язків між параметрами плазмохімічних процесів.

Розроблений підхід також апробували на нових експериментальних даних під час моделювання процесу синтезу наночасток золота. Застосування нейро-нечіткої фільтрації дозволило зменшити загальну похибку з 5% до 1,8%, а відносну похибку – на 64% від початкового рівня.

Ще одним практичним результатом стало створення програмного інструментарію для генерації синтетичних даних та їх використання під час комп’ютерного моделювання плазмохімічних процесів. Розроблення підтверджено свідоцтвом № 1144970 про реєстрацію авторського права на комп’ютерну програму «Генерування синтетичних даних для моделювання плазмохімічних процесів отримання наносистем», зареєстрованим 1 квітня 2026 року.

Результати дослідження були представлені в наукових публікаціях та матеріалах міжнародних наукових конференцій. Зокрема, Віктор Макарченко та Лариса Коротка раніше спільно досліджували аналіз і підготовку експериментальних даних для моделювання плазмохімічних процесів отримання наносистем.

За результатами відкритого голосування всі п’ять членів разової спеціалізованої вченої ради одноголосно підтримали присудження Віктору Сергійовичу Макарченку ступеня доктора філософії.

Вітаємо Віктора Сергійовича та його наукового керівника Ларису Іванівну з успішним захистом дисертації! Бажаємо нових наукових результатів, дослідницьких здобутків та професійного розвитку.

Детальніше з матеріалами захисту можна ознайомитись на сайті УДУНТ за посиланням