Skip to the main content

Original scientific paper

Primjena umjetne inteligencije za karakterizaciju nanotriboloških svojstava tehnoloških tankih filmova

Marko Perčić ; Sveučilište u Rijeci - Tehnički fakultet, Vukovarska 58, 51000 Rijeka; Sveučilište u Rijeci, Centar za umjetnu inteligenciju i kibernetičku sigurnost, Radmile Matejčić 2, 51000 Rijeka; Sveučilište u Rijeci, Centar za mikro- i nanoznanosti i tehnologije, Radmile Matejčić 2, 51000 Rijeka
Saša Zelenika ; Sveučilište u Rijeci - Tehnički fakultet, Vukovarska 58, 51000 Rijeka; Sveučilište u Rijeci, Centar za umjetnu inteligenciju i kibernetičku sigurnost, Radmile Matejčić 2, 51000 Rijeka; Sveučilište u Rijeci, Centar za mikro- i nanoznanosti i tehnologije, Radmile Matejčić 2, 51000 Rijeka


Full text: croatian pdf 1.314 Kb

page 243-258

downloads: 35

cite


Abstract

Trenje na nanometarskoj razini ograničava preciznost i točnost mikro‑ i nanosustava. Doista, stohastička varijabilnost trenja otežava predviđanje ponašanja i regulaciju. Konvencionalni pristupi strojnog učenja omogućuju dobivanje većih točnosti, ali uz nedostatak objašnjivosti. U ovome se radu, stoga, koriste transparentni i interpretabilni algoritmi umjetne inteligencije (UI) da bi se dobio bolji uvid uz visoku prediktivnu učinkovitost. UI modeli testirani su na skupovima podataka dobivenih mikroskopijom s pretražnim osjetnikom na tankim filmovima ostvarenim naprednim postupcima taloženja. Trenje je mjereno varirajući istovremeno normalno opterećenje, brzinu klizanja i temperaturu. Eksperimentalnim su podacima trenirani modeli simboličke regresije temeljeni na evolucijskim algoritmima. Dobiveni modeli omogućili su utvrđivanje ovisnosti nanometarskog trenja o procesnim parametrima, vjerno reproducirajući eksperimentalne rezultate na neviđenim skupovima podataka uz dobivanje jednostavnih matematičkih korelacija.

Keywords

nanotribologija, umjetna inteligencija, tanki filmovi, eksperimentalna mjerenja, pretražna mikroskopija s osjetnikom

Hrčak ID:

347832

URI

https://hrcak.srce.hr/347832

Publication date:

8.6.2026.

Visits: 80 *