Математические модели и методы исследования спонтанно упорядоченных нанокомпозитов тема диссертации и автореферата по ВАК РФ 05.13.18, доктор наук Корчагин Сергей Алексеевич

• Корчагин Сергей Алексеевич
• доктор наук
• 2022

Оглавление диссертации доктор наук Корчагин Сергей Алексеевич

Введение

Глава 1. Математическое моделирование диэлектрической

проницаемости спонтанно упорядоченных нанокомпозитов при

воздействии внешнего электромагнитного излучения

1.1 Объект исследования и основные допущения

1.2 Математическое моделирование диэлектрической проницаемости включений в спонтанно упорядоченных нанокомпозитах с использованием квантово-механических методов

1.3 Математическое моделирование диэлектрической проницаемости блоков в спонтанно упорядоченных нанокомпозитах с использованием моделей эффективной среды

1.4 Математические модели диэлектрической проницаемости нанокомпозита с со спонтанно упорядоченной структурой сложных конфигураций

1.5 Пространственно-временное моделирование диэлектрической проницаемости спонтанно упорядоченных нанокомпозитов

1.6 Математическое моделирование диэлектрической проницаемости темпоральных спонтанно упорядоченных нанокомпозитов с использованием метода матрицы переноса

1.7 Математическое диэлектрической проницаемости в пространственно темпоральных спонтанно упорядоченных нанокомпозитов с использованием нелокальной модели эффективной среды

1.8 Выводы к первой главе

Глава 2. Математическое моделирование электропроводности

спонтанно упорядоченных нанокомпозитов при воздействии внешнего

электромагнитного излучения

2.1 Математическое моделирование электропроводности включений в спонтанно упорядоченных нанокомпозитах с использованием квантово-механических методов

2.2 Математическое моделирование электропроводности блока в спонтанно упорядоченных нанокомпозитах с использованием моделей нелинейного переноса заряда

2.3 Метод эквивалентных схем замещения для моделирования электропроводности спонтанно упорядоченных нанокомпозитов

2.4 Математические модели для исследования влияния эффекта волнистости и индекса дисперсии на электропроводность спонтанно упорядоченных нанокомпозитов

2.5 Математическое моделирование электропроводности спонтанно упорядоченного нанокомпозита с учетом туннельного эффекта и частотно-зависимых диэлектрических свойств компонент

2.6 Математическое моделирование распределения мезоскопической электропроводности в спонтанно упорядоченных нанокомпозитах

2.7 Выводы ко второй главе

Глава 3. Методы машинного обучения в задачах моделирования

спонтанно упорядоченных нанокомпозитов

3.1 Методы машинного обучения для решения задач классификации спонтанно упорядоченных нанокомпозитов по топографии поверхности материалов

3.2 Методы машинного обучения для решения задач прогноза

электрофизических свойств спонтанно упорядоченных нанокомпозитов

3.3 Выводы к третьей главе

Глава 4. Комплекс программ для анализа данных и прогноза электрофизических свойств спонтанно упорядоченных нанокомпозитов

4.1 Архитектура комплекса программ для исследования спонтанно упорядоченных нанокомпозитов

4.2 База данных

4.3. Серверная часть

4.4 Интерфейс программного комплекса

4.5 Модели тестирование программного комплекса

4.6 Выводы к четвертой главе

Заключение

Благодарности

Список литературы

Приложения

Введение диссертации (часть автореферата) на тему «Математические модели и методы исследования спонтанно упорядоченных нанокомпозитов»

ВВЕДЕНИЕ

Актуальность работы и степень разработанности темы исследования

Перспективность использования нанокомпозиционных материалов обусловлена многими факторами, важнейшими из которых являются доступность сырья и многофункциональность [1-3]. Благодаря применению нанокомпозитам решаются следующие прикладные проблемы: получение материалов высокой коррозионной стойкости [4-6]; разработка материалов высокой радиоактивной устойчивости [7-9]; создание новых биологически совместимых материалов [10-12]; синтез безопасных и экологически чистых материалов [13-15] ; микроминиатюризация приборов с использованием композитных сред [16-18].

Как показала практика, эффективным решением указанных проблем является математическое моделирование. В этом отношении, заслуживают особое внимание практико-значимые спонтанно-упорядоченные нанокомпозиты сложных конфигураций, для которых, в настоящее время, недостаточно развиты их компьютерные и математические модели. Под спонтанно - упорядоченными нанокомпозитами мы имеем ввиду нанокомпозиты с периодической пространственно-упорядоченной структурой, спонтанно формирующейся под воздействием различных факторов (электромагнитное излучение, спинодальный распад, капиллярные явления и пр.).

При этом математическому моделированию спонтанно-упорядоченных нанокомпозитов посвящены исследования отечественных и зарубежных ученых - В.Ф. Шабанова [19, 20], В.Я. Зырянова [21, 22], О.А. Голованова [23, 24], М.В. Давидовича [25, 26], Д.А. Петрова [27, 28] , В.П. Матвиенко [29,30], Г.В. Козлова [31, 32], M.R. Saeb [33, 34], H.Rastin [35, 36], M. Shabanian [37, 38], M Ghaffari [39, 40], P.Kumar [41, 42].

Анализом взаимодействия электромагнитного излучения со спонтанно-упорядоченными нанокомпозитами посвящены работы А.Н. Юрасова [43, 44], М.М. Яшина [45, 46] , В.Н. Гульбина [47, 48], А.В. Водопьянова [49, 50], Д.А. Зимнякова [51, 52], А.В. Щеголькова [53, 54], Ф.Ф. Комарова [55, 56], K. Rajavel [57, 58], S. Luo [59, 60], Y. Wan [61, 62], H. Abbasi [63, 64], M. Antunes [65, 66], J.I. Velasco [67, 68].

Разработкой численных алгоритмов анализа и прогноза электрофизических характеристик спонтанно-упорядоченных

нанокомпозитов посвящены работы Ю.И. Димитриенко [69, 70], Ю.П. Емец [71, 72], А.В. Кодолова [73, 74] , А.Е. Храмова [75, 76] , Ю.В. Клинаева [77, 78] , М.В. Энтина [79, 80] , В.В. Лучинина [81, 82], Э.М. Баскина

[83, 84] , E. Yarali [85, 86], M. Baniassadi [87, 88], M. Baghani [89, 90].

Вместе с тем, в настоящее время в указанных работах не рассмотрено влияние слабого электромагнитного излучения на спонтанно-упорядоченные нанокомпозиты сложных конфигураций, недостаточно развиты математические и компьютерные модели, а также численные методы, позволяющие проводить экспресс-анализ и прогноз диэлектрической проницаемости и проводимости спонтанно упорядоченных нанокомпозитов с учетом квантоворазмерных и поверхностных эффектов. Данное направление является актуальным и имеет важное практическое значение, связанное с разработкой математических моделей, методов, алгоритмов и комплексов программ для создания новых композиционных материалов с заданными свойствами, применяемых в радиолокационных системах, медицине (биосовместимые материалы), физических средствах защиты информации, роботах, элементной базе для устройств микроэлектроники.

С учетом обозначенного выше, целью диссертационного исследования является развитие математических моделей и численных методов анализа взаимодействия электромагнитного излучения со спонтанно-упорядоченными наноструктурами сложных конфигураций, позволяющих проводить экспресс-анализ, прогноз и расчет

электрофизических характеристик нанокомпозитов с учетом квантоворазмерных и поверхностных эффектов.

Для достижения указанной цели были решены следующие задачи:

1. Создание комплекса математических моделей диэлектрической проницаемости спонтанно-упорядоченных наноструктур сложной конфигурации с учетом квантоворазмерных и поверхностных эффектов. Разработка метода и эффективного численного алгоритма для расчета диэлектрической проницаемости спонтанно-упорядоченных наноструктур сложной конфигурации на основе комплексного применения квантово-механического подхода, теории эффективной среды и эквивалентных схем замещения.

2. Разработка математической модели электропроводности нанокомпозита со спонтанно упорядоченной структурой с учетом квантоворазмерных и поверхностных эффектов. Разработка метода и эффективного численного алгоритма анализа электропроводности нанокомпозита со спонтанно упорядоченной структурой на основе комплексного применения модифицируемого полноволнового метода, теории эффективной среды и самосогласованной функции Кона-Шэма.

3. Разработка численных алгоритмов для решения задач прогноза, и расчета электрофизических свойств нанокомпозита со спонтанно упорядоченной структурой, а также для классификации материалов, на основе комплексного применения методов машинного обучения и модифицируемых моделей теории эффективной среды.

5. Разработка программного комплекса для анализа электрофизических характеристик нанокомпозитов со спонтанно упорядоченной структурой с учетом квантоворазмерных и поверхностных эффектов. Разработка программного комплекса для создания и проектирования новых нанокомпозитов сложной конфигурации с заданными электрофизическими свойствами.

Достоверность и обоснованность полученных результатов подтверждается соответствием моделей с рядом натурных экспериментов, которые были проведены на поверенном измерительном оборудовании с использованием аттестованных методик. Разработанные математические модели базируются на известных подходах теории эффективной среды, квантово-механической теории, нелинейной динамики и математического моделирования, опубликованных в авторитетных и рецензируемых изданиях. Результаты, полученные с использованием предложенных новых математических моделей, методов и подходов, согласованы с результатами применения известных моделей и методов. Обсуждены границы применимости предлагаемых методов и подходов.

Научная новизна полностью соответствует пунктам 1-7 паспорта специальности и заключается в разработке математических моделей взаимодействия электромагнитного излучения со спонтанно-упорядоченными наноструктурами, отличающихся учетом сложной конфигурации, квантоворазмерных и поверхностных эффектов, а также создании эффективных численных алгоритмов и комплексов программ для экспресс-анализа и прогноза электрофизических характеристик нанокомпозитов, отличающихся высокой скоростью работы и точностью по сравнению с существующими аналогами.

1. Создан комплекс математических моделей взаимодействия слабого электромагнитного излучения со спонтанно-упорядоченными нанокомпозитами, отличающихся учетом ряда факторов (искажения атомной структуры материалов за счет давления, температуры, нескомпенсированности связей поверхностных атомов; возникновения неоднородных деформаций и неоднородного распределения компонент и фаз на поверхностях нанокомпозитов), позволяющих исследовать динамику электрофизических характеристик нанокомпозитов различной геометрической конфигурации в широком диапазоне длин волн

электромагнитного излучения (от 200 до 1000 нм) (соответствует пунктам 1, 2, 3 паспорта специальности 05.13.18).

2. Предложен новый метод для расчета диэлектрической проницаемости спонтанно-упорядоченных наноструктур сложной конфигурации на основе комплексного применения квантово-механического подхода, теории эффективной среды и метода матриц передач с учетом квантоворазмерных и поверхностных эффектов (соответствует пунктам 6, 7 паспорта специальности 05.13.18).

3. С использованием разработанного комплекса математических моделей, новых методов и созданного на их основе комплекса программ, впервые показано наличие осцилляций в спонтанно-упорядоченных наноструктурах GaAs-Au, соответствующих режиму целочисленного квантового эффекта Холла, а также установлено, что в спонтанно-упорядоченных наноструктурах GaAs-Au в области инфракрасного излучения (800-870 нм) появляются резонансные всплески действительной (максимумы поглощения) и мнимой (потери) частей диэлектрической проницаемости (соответствует пунктам 1, 2, 3, 6, 7 паспорта специальности 05.13.18).

4. Разработан комплекс математических моделей электропроводности нанокомпозита со спонтанно упорядоченной структурой, отличающаяся учетом сложной геометрической конфигурации материала, а также квантоворазмерных и поверхностных эффектов. Данная модель позволяет исследовать комплексную электропроводность спонтанно-упорядоченных наноструктур в широком диапазоне электромагнитного излучения (от 200 до 1000 нм) (соответствует пунктам 1, 2, 3 паспорта специальности 05.13.18).

5. С использованием разработанного комплекса математических моделей впервые обнаружены неомические эффекты, заключающиеся в изменение механизма электропроводности и связанные с переходом электронов, локализованных в пространстве, из одного состояния в другое в спонтанно-упорядоченных наноструктурах GaAs-Au (в диапазоне длин

волн 325-370 нм для нанокомпозитов с размерами частиц 30-50 нм) (соответствует пунктам 1, 2, 3 паспорта специальности 05.13.18).

6. Предложен численный алгоритм решения задач классификации материалов и их электрофизических характеристик по изображениям спонтанно упорядоченных структур, отличающийся комплексным применением методов машинного обучения на разных этапах моделирования. Точность классификатора составляет 88,2 %, что превосходит существующие аналоги (соответствует пунктам 4,5 специальности 05.13.18).

8. Разработан метод для решения задач прогноза электрофизических характеристик нанокомпозитов со спонтанно упорядоченной структурой, отличающийся комплексным использованием семплирования с улучшенным управлением исходными данными и применением генетического алгоритма. Использование данного метода позволяет проводить экспресс-анализ электрофизических характеристик нанокомпозитов на 19,45 % быстрее известных аналогов (соответствует пунктам 2,3 специальности 05.13.18).

10. Разработан программный комплекс для анализа электрофизических характеристик нанокомпозитов со спонтанно упорядоченной структурой с учетом квантоворазмерных и поверхностных эффектов. Интерфейс позволяет проводить экспресс-анализ сложных наноструктур с более высокой точностью и скоростью по сравнению с существующими аналогами (соответствует пунктам 4,5 специальности 05.13.18).

11. Разработано программное обеспечение для создания и проектирования нанокомпозитов сложной конфигурации с заданными электрофизическими свойствами. Предложенный интерфейс позволяет разрабатывать и моделировать новые функциональные материалы (соответствует пунктам 4,5,8 специальности 05.13.18).

12. На основе указанных в предыдущих пунктах машинных программ разработан единый объединенный программный комплекс, позволяющий исследовать взаимодействие спонтанно упорядоченных наноструктур с

электромагнитным излучением в натурном эксперименте, отличающиеся от аналогов возможностью удаленного управления и наличием многопользовательского режима. Разработана новая модель тестирования программного комплекса, с учетом разнородных отладчиков с разным вкладом в скорость обнаружения ошибок, разную скорость исправления ошибок и скорость появления ошибок. (соответствует пунктам 4,6 специальности 05.13.18).

Основные результаты и положения, выносимые на защиту.

1. Созданный комплекс математических моделей взаимодействия электромагнитного излучения со спонтанно-упорядоченными наноструктурами позволяет исследовать динамику электрофизических характеристик нанокомпозитов различной геометрической конфигурации в широком диапазоне длин волн электромагнитного излучения (от 200 до 1000 нм). С использованием разработанного комплекса математических моделей показано наличие осцилляций в спонтанно-упорядоченных наноструктурах GaAs-Au, соответствующих режиму целочисленного квантового эффекта Холла.

2. Предложенный метод для расчета диэлектрической проницаемости спонтанно-упорядоченных наноструктур сложной конфигурации отличается от существующих методов комплексным применением квантово-механического подхода, теории эффективной среды и эквивалентных схем замещения. Данная особенность позволяет учитывать квантоворазмерные и поверхностные эффекты и позволяет достичь высокой скорости вычислений.

3. Предложенный численный метод для расчета диэлектрической проницаемости позволяет показать, что в спонтанно-упорядоченных наноструктурах GaAs-Au в области инфракрасного излучения (800-870 нм) появляются резонансные всплески действительной (максимумы поглощения) и мнимой (потери) частей диэлектрической проницаемости.

4. Разработанная математическая модель электропроводности нанокомпозита со спонтанно упорядоченной структурой, отличается учетом сложной геометрической конфигурации материала, квантоворазмерных и поверхностных эффектов. С использованием данной математической модели впервые обнаружены неомические эффекты в спонтанно-упорядоченных наноструктурах GaAs-Au (в диапазоне длин волн 325-370 нм для нанокомпозитов с размерами частиц 30-50 нм).

5. Разработанный численный алгоритм решения задач классификации материалов и их электрофизических характеристик по изображениям спонтанно упорядоченных структур, отличающегося комплексным применением методов машинного обучения на разных этапах моделирования. Использование данного численного алгоритма позволяет достичь точности классификатора в 88,2 %.

6. Разработан метод для решения задач прогноза электрофизических характеристик нанокомпозитов со спонтанно упорядоченной структурой, отличающийся комплексным использованием семплирования с улучшенным управлением исходными данными и применением генетического алгоритма. Использование данного метода позволяет проводить экспресс-анализ электрофизических характеристик нанокомпозитов на 19,45 % быстрее известных аналогов.

7. Разработанный программный комплекс для анализа электрофизических характеристик нанокомпозитов со спонтанно упорядоченной структурой позволяет проводить экспресс-анализ сложных наноструктур с учетом квантоворазмерных и поверхностных эффектов с высокой точностью и скоростью.

8. Разработанный программный комплекс для создания и проектирования нанокомпозитов сложной конфигурации с заданными электрофизическими свойствами позволяет проектировать и моделировать новые функциональные материалы, а также проводить компьютерное

моделирование на основе данных, полученных в натурном эксперименте -удаленно, а также в многопользовательском режиме.

9. Разработанная новая модель тестирования программного комплекса позволяет учитывать разнородные отладчики с разным вкладом в скорость обнаружения ошибок, разную скорость исправления ошибок и скорость появления ошибок.

Теоретическая значимость диссертационной работы определяется тем, что предложенные математические модели позволяют описать сложные физические процессы, протекающие в нанокомпозитах со спонтанно упорядоченной структурой, находящихся под воздействием внешнего электромагнитного излучения. Разработанные в диссертации численные алгоритмы позволяют эффективно рассчитывать электрофизические характеристик спонтанно-упорядоченных наноструктур сложной конфигурации с учетом квантоворазмерных и поверхностных эффектов. Обнаруженные новые эффекты и закономерности в спонтанно-упорядоченных наноструктурах вносят вклад в понимание базовых принципов взаимодействия электромагнитного излучения с веществом.

Прикладная значимость обусловлена полученными в ходе исследования результатами, открывающими возможность использования спонтанно-упорядоченных наноструктур сложной конфигурации в современных радиолокационных системах, медицине, физических средствах защиты информации, элементной базе для устройств микроэлектроники, а также высокой востребованностью численных алгоритмов и программных комплексов для создания материалов с заданными свойствами, которые могут быть использованы в различных областях экономики. Программный комплекс для проведения экспресс-анализа электрофизических характеристик нанокомпозитов со спонтанно-упорядоченной структурой позволит оперативно получать информацию о взаимодействии электромагнитного излучения с новыми материалам и эффективно

планировать натурный эксперимент, что представляет ценность для научно-промышленных предприятий.

Полученные результаты обладают высоким потенциалом дальнейшего практического применения, их конкурентоспособность подтверждается проявленным интересом со стороны коллег, представляющих как исследовательское сообщество, так предприятия связанные с промышленной областью экономики. Программный комплекс для проведения анализа электрофизических характеристик нанокомпозитов используется в компаниях ОАО «НефтеТрансСервис» (Москва, Саратов), ООО «СК-ТрейдГрупп» (Энгельс), ООО «Экстренный вагонный ремонт» (Саратов), ООО «ЖД-Гарант» (Саратов). Программный комплекс для создания и проектирования новых нанокомпозиционных материалов сложной структуры используется компаниями ООО «Химпром-органик» (Саратов), ООО «СИМ-Тендер» (Энгельс), ООО «Батт-групп» (Москва). Результаты, полученные в области численных алгоритмов для решения задач прогноза и классификации используются в научном и учебном процессе Департамента анализа данных и машинного обучения ФГБОУ ВО Финансового университета при Правительстве Российской Федерации и Поволжском региональном центре новых информационных технологий ФГБОУ ВО Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского. Результаты, полученные в области математического моделирования диэлектрической проницаемости и проводимости спонтанно-упорядоченных наноструктур применяются в исследовательском и учебном процессе ФГБОУ ВО Энгельсский технологический институт (филиал) Саратовского государственного технического университета им. Гагарина Ю.А., лаборатории микроэлектроники ФГБОУ ВО Саратовский национальный исследовательский государственный университет имени Н.Г.

Чернышевского. Работы по созданию аппаратно-программных комплексов для исследования взаимодействия спонтанно упорядоченных наноструктур с

электромагнитным излучением ведутся на кафедре «Информационная безопасность автоматизированных систем» Саратовского государственного технического университета им. Гагарина Ю.А.

Личный вклад. Все предложенные в работе математические модели, методы, программные комплексы и научные результаты получены лично автором. Постановка задач и интерпретация результатов проводились лично автором, а также совместно с научным консультантом и соавторами работ.

Апробация работы. Материалы диссертации использовались при выполнении НИР:

- Грант ОАО «РЖД» № 4222988 «Разработка аппаратно-программного комплекса повышения коррозионной стойкости металлов для применения на железнодорожном транспорте» 2020-2022 гг. (руководитель проекта),

- НИР в рамках ООН СГТУ им. Гагарина Ю.А., проект Н.01 «Разработка математических моделей, алгоритмов и комплекса программ для исследования нелинейных структур и систем» 2019-2020 гг. (руководитель проекта),

- Грант РФФИ № 18-07-00752 «Комплексное исследование кинетики образования нано-, мезопористого кремния при гамма-облучении в сочетании с компьютерным моделированием для радиационно-стойких элементов микроэлектроники» 2017-2019 гг.. (ответственный исполнитель проекта),

- НИР в рамках ООН СГТУ им. Гагарина Ю.А., проект № 10Б.04 «Разработка математических моделей композиционных материалов фрактальной структуры» 2015-2017 гг.(ответственный исполнитель проекта),

- Грант Фонда содействия инновациям № 8957 GU2015 «Разработка аппаратно-программного комплекса для предотвращения хаоса в процессах коррозии металлов» 2015-2017 гг. (руководитель проекта).

Материалы диссертации были представлены на следующих научных конференциях и форумах:

- Школа-конференция «Нелинейные дни в Саратове для молодых» (Саратов, 2012);

- VI Международная конференция. Перспективные полимерные композиционные материалы. Альтернативные технологии. Переработка. Применение. Экология. («Композит-2013») (Саратов, 2013);

- VIII, X и XIV Международные конференции «Современные информационные технологии и ИТ - образование» (Москва, МГУ, 2013, 2015, 2021);

- XXI,XXII, XXIII и XXIV Международные научные конференции студентов, аспирантов и молодых учёных «Ломоносов» (Москва, МГУ, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021);

- XXVII Международная научная конференция « Математические методы в технике и технологиях - 27» (Саратов, 2014);

- Международный форум научных и творческих работ «Working to Progress» (Саратов, 2014, 2020);

- Всероссийская научная школа-семинар «Взаимодействие СВЧ, терагерцового и оптического излучения с полупроводниковыми микро- и наноструктурами, метаматериалами и биообъектами» (Саратов, 2015, 2016);

- VIII Международная школа - конференция «Фундаментальная математика и её приложения в естествознании» (Уфа, БашГУ, 2015);

- Всероссийский конкурс «Молодой инноватор года» (Нижний Новгород, Москва, 2015);

- XII,XIII, XIV Международные научно-технические конференции «Актуальные проблемы электронного приборостроения» (Саратов, 2016, 2018, 2020, СГТУ им. Гагарина);

- Международная конференция «Ion transport in organic and inorganic membranes» (Краснодар, 2017);

- Петербургский международный экономический форум (Санкт-Петербург, 2018);

- Международная конференция «Компьютерные науки и информационные технологии» (Саратов, СГУ, 2018);

- Всероссийская научно-практическая конференция «Роль опорного вуза в развитии транспортно-энергетического комплекса саратовской области» (ТРАНСЭНЕРГ0К0М-2018)»;

- V, VI Международная научная конференция, посвященной 85-летию Ю.А. Гагарина «Проблемы управления, обработки и передачи информации» (У0ПИ-2018) (Саратов, СГТУ, 2017, 2018);

- ИДИ Международный научный форум «Шаг в будущее: искусственный интеллект и цифровая экономика» (Москва, ГУУ 2018, 2019);

- XVIII Международная конференция имени А.Ф. Терпугова «Информационные технологии и математическое моделирование» (Саратов, СГУ, 2019);

- XVI Международная заочная научно-методическая конференция «Инновации и рискологическая компетентность педагога». (Саратов, СГУ, 2020);

- VII Международная научно-практическая конференция «Современная математика и концепции инновационного математического образования» (Москва, Финансовый университет при Правительстве РФ, 2020, 2021);

- XIII Международная конференция по агентам и искусственному интеллекту (ICAART 2021), Сетубал, Португалия, 2021).

Публикации. Основные результаты диссертации представлены в 63 научных работах, 11 из которых изданы в журналах из списка ВАК Минобрнауки РФ; 19 статей, входящих в системы цитирования Web of Science и Scopus; 19 охранных документов.

Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения и списка использованной литературы. Объём работы составляет 284 страницы, список литературы включает 350 наименований.

Во введении дана общая характеристика диссертации, приведено описание современного состояния проблемы, обоснованы актуальность и научная новизна работы, сформулированы цель и методы исследования, изложена научная концепция диссертации, описаны объект исследования, основные результаты работы, её теоретическая практическая значимость, положения, выносимые на защиту, сведения об апробации работы и основных публикациях.

Первая глава, состоящая из восьми разделов, посвящена описанию объекта исследования, предлагаемого комплекса математических моделей диэлектрической проницаемости спонтанно-упорядоченных наноструктур сложной конфигурации при воздействии внешнего электромагнитного излучения.

Во второй главе, состоящей из семи разделов, предлагается математическая модель и метод определения электропроводности нанокомпозитов со спонтанно-упорядоченной структурой, позволяющий учитывать сложную конфигурацию, размерностные и поверхностных эффекты, а также приемлемую скорость выполнения расчетов.

В третьей глава, состоящая из трех разделов, посвящена методам машинного обучения для исследования спонтанно упорядоченных нанокомпозитов. Предлагается метод для решения задач классификации

спонтанно упорядоченных нанокомпозитов по топографии поверхности материалов и метод для решения задач прогноза электрофизических свойств спонтанно упорядоченных нанокомпозитов.

Четвертая глава, состоящая из шести разделов, посвящена описанию программного комплекса для анализа электрофизических свойств нанокомпозитов со спонтанно-упорядоченной структурой.

Глава 1. Математическое моделирование диэлектрической проницаемости спонтанно упорядоченных нанокомпозитов при воздействии внешнего электромагнитного излучения

1.1 Объект исследования и основные допущения

Объектом исследования в диссертационной работе является один из возможных вариантов нанокомпозита со спонтанно-упорядоченной структурой сложной конфигурации (рисунок 1).

Рисунок 1 - Объект исследования диссертационной работы: нанокомпозит со спонтанно-упорядоченной структурой сложной конфигурации

Список литературы диссертационного исследования доктор наук Корчагин Сергей Алексеевич, 2022 год

Список литературы

1. Ayed E. B. Vinyltriethoxysilane-functionalized starch nanocrystals as Pickering stabilizer in emulsion polymerization of acrylic monomers. Application in nanocomposites and pressure-sensitive adhesives/ Ayed E. B. et al. //Journal of Colloid and Interface Science. - 2020. - Т. 578. - P. 533-546.

2. Bharadwaz A. Recent trends in the application of widely used natural and synthetic polymer nanocomposites in bone tissue regeneration/ Bharadwaz A., Jayasuriya A. C. //Materials Science and Engineering. - 2020. - Т. 110. - P. 110698.

3. Cha G. D. Materials engineering, processing, and device application of hydrogel nanocomposites/ Cha G.D., Lee W. H., Lim C., Choi M.K., Kim D.H. // Nanoscale. -2020. -Vol 12(19). - P. 10456-10473.

4. Milosev I. He corrosion resistance of Nitinol alloy in simulate physiological solutionsn./ Milosev I., Kapun B. // Mater. Sci. Eng. -2012. - Vol. 32.

- P. 1087-1090.

5. Othman N.H. Graphene-based polymer nanocomposites as barrier coatings for corrosion protection / Othman N. H., Ismail M. C., Mustapha M., Sallih N., Kee K.E., Jaal R. A. // Progress in Organic Coatings. -2019.

- Vol. 135. - P. 82-99.

6. Kausar A. Corrosion prevention prospects of polymeric nanocomposites: A review/ Kausar A //Journal of Plastic Film & Sheeting. - 2019. - Vol. 35 (2).

- P. 181-202.

7. Liu H. Application of biodegradable and biocompatible nanocomposites in electronics: Current status and future directions. / Liu, H., Jian, R., Chen, H.,

Tian, X., Sun, C., Zhu, J., Wang, C. // Nanomaterials. - 2019. - Vol. 9(7). - P. 950.

8. Han L. Self-healable conductive nanocellulose nanocomposites for biocompatible electronic skin sensor systems/ Han L., Cui S., Yu H. Y., Song M., Zhang H., Grishkewich N., Tam K. M. // ACS Applied Materials & Interfaces. - 2019. - Vol. 11(47). -P. 44642-44651.

9. Tretyakov Y.D. Ceramics in the past, present, and future / Tretyakov Y.D.// Sorovsk Educ. J. - 1998. -V. 6. - P. 53-59.

10. Travkin P.G. Investigation of the regularities of the formation of the structure of porous silicon in multistage modes of electrochemical etching/ Travkin P.G., Vorontsova N.V., Vysotsky S.A., Lenshin A.S., Spivak Y.M., Moshnikov V.A. // Izv. Spb Getuleti. -2011. - V. 4. -P. 3-5.

11. Milosev I. He corrosion resistance of Nitinol alloy in simulate physiological solutions: Part 1: The effect of surface preparation/ Milosev I., Kapun B. // Mater. Sci. Eng. - 2012. - V. 32. -P. 1087-1090.

12. Buyakova S.P. Porous zirconium ceramics for bone endoprosthetics/ Buyakova S.P., Khlusov I.A., Kulkov S.N. // Phys. Mesomech. - 2004. - Vol. 7, - P. 127-130.

13.Aseev A.L. Prospects for the Use of Silicon-on-Insulator Structures in Micro-Nanoelectronics and Microsystem Technology/ Aseev A.L., Popov V.P., Volodin V.P., Maryutin V.N.// New Technologies. - 2002. P. 23-29.

14. Nikitin A.S. Prospects for the use of composite materials / Nikitin A.S. // Econ. Life. - 2012. - Vol. 4. - P. 6.

15. Werner D.H. An overview of fractal antenna engineering research/ Werner D.H. // IEEE Antennas Propag. Mag. - 2003. - V. 45. - P. 38-57.

16.Pavlik R. Cyclostationary and correlation based signal detection for harmonic radar systems/ Pavlik R. // Proceedings of the 2016 International Symposium on Fundamentals of Electrical Engineering. - 2016. P. 1-5.

17.Pishkinas A.O. Development of software for modeling composite nanomaterials/ Pishkinas A.O., Onosov I.A., Korchagin S.A. // Mod. Inf. Technol. IT Educ. - 2015. - V. 2. - P. 301-305.

18. Bennett R. Magnetic Coupling Device with Reflective Plate and Methods for Use Therewith/ Bennett R. // U.S. Patent Application. -2018. -Vol. 15(9).

- P. 13.

19. Ветров С. Я. Локализованные моды в хиральных фотонных структурах/ Ветров С. Я., Тимофеев И. В., Шабанов В. Ф. // Успехи физических наук.

- 2020. - Т. 190. - №. 1. - С. 37-62.

20. Gunyakov V.A. Synchronously controlled optical modes in the transmittance and reflectance spectra of multilayer photonic structure with dual-frequency nematic liquid crystal/ Gunyakov V.A., Sutormin V.S., Myslivets S.A., Shabanov V.F., Zyryanov V.Y. // Physical Review E. - 2022. -Vol.105(2). -P. A62.

21. Гуняков В. А. Оптические свойства мультислойных фотонных структур с включением закрученных нематических компонентов / Гуняков В. А., Тимофеев И. В., Сутормин В. С., Крахалев М. Н., Паршин А. М., Зырянов

B. Я. // Жидкие кристаллы и их практическое использование. -2022.

- Vol. 22(1), P. 94-99.

22. Огруктурообразование в поверхностном слое пленки поликарбоната при взаимодействии с нематическим жидким кристаллом / Паршин А. М., Зырянов В. Я., Шабанов В. Ф. // Высокомолекулярные соединения. Серия

C. -2018. - Т. 60, Вып. 1. - С.27-36.

23. Макеева Г. С. Математические модели магнитных и графеновых наноструктур на основе автономных блоков с каналами флоке в нанотехнике сверхвысоких частот и терагерцового диапазонов/ Макеева Г. С., Голованов О. А.// Аналитические и численные методы моделирования естественно-научных и социальных проблем. - 2020.

- С. 167-172.

24. Лерер А. М. Дифракция электромагнитных волн на резонансных графеновых метаповерхностях/ Лерер А. М., Макеева Г. С., Голованов О. А. // СВЧ-техника и телекоммуникационные технологии.

- 2020. - Т. 1, Вып. 1. - С. 446-447.

25. Давидович М. В. Плазмоны в многослойных плоскослоистых структурах //Квантовая электроника. - 2017. - Т. 47. - №. 6. - С. 567-579.

26. Давидович М. В. Гиперболические метаматериалы: получение, свойства, применения, перспективы //Успехи физических наук. - 2019. - Т. 189. -№. 12. - С. 1249-1284.

27. Петров Д. А., Теория ферромагнитного упорядочения коллоидной суспензии магнитных частиц в жидком кристалле/ Петров Д. А., Скоков П. К. //Жидкие кристаллы и их практическое использование. -2020. - Т. 20. - №. 4. - С. 63-71.

28. Zakhlevnykh A. N. Weak coupling effects and re-entrant transitions in ferronematic liquid crystals/ Zakhlevnykh A. N., Petrov D. A. //Journal of Molecular Liquids. - 2014. - Т. 198. - С. 223-233.

29. Матвеенко В. П. Моделирование влияния морфологии структуры на физико-механические свойства нанокомпозитов на основе полимерной матрицы и оксида графена/ Матвеенко В. П., Ташкинов М. А. // Известия Российской академии наук. Механика твердого тела. - 2020. - №. 3. - С. 20-29.

30. Матвеенко В. П. Использование графеновых композитов для дополнительного демпфирования колебаний smart-структур на основе пьезоэлементов/ Матвеенко В. П., Ошмарин Д. А., Юрлова Н. А. //Доклады Российской академии наук. Физика, технические науки. - 2020. - Т. 491. - №. 1. - С. 18-23.

31. Козлов Г. В., Фрактальная модель структуры нанонаполнителя, влияющей на степень усиления нанокомпозитов полиуретан-углеродные нанотрубки/ Козлов Г. В., Долбин И. В. //Прикладная механика и техническая физика. - 2018. - Т. 59. - №. 3 (349). - С. 141.

32. Козлов Г. В. Влияние пространства формирования на структуру и свойства нанокомпозитов полимер/углеродные нанотрубки/ Козлов Г. В., Долбин И. В. //Известия высших учебных заведений. Химия и химическая технология. - 2022. - Т. 65. - №. 1. - С. 38-43.

33. Lima E. C. Is one performing the treatment data of adsorption kinetics correctly?/ Lima, E. C., Sher, F., Guleria, A., Saeb, M. R., Anastopoulos, I., Tran, H. N., Hosseini-Bandegharaei, A. // Journal of Environmental Chemical Engineering. -2021. - Vol. 9(2). - P. 104813.

34. Rahmati M. Electrospinning for tissue engineering applications/ Rahmati M., Mills D. K., Urbanska A. M., Saeb M. R., Venugopal J. R., Ramakrishna S., Mozafari // Progress in Materials Science. -2021. -V. 117. -P. 100721.

35. Hassan K. Functional inks and extrusion-based 3D printing of 2D materials: a review of current research and applications / Hassan K., Nine M. J., Tung T. T., Stanley N., Yap P. L., Rastin H., Losic D. // Nanoscale. - 2020. - Vol. 12(37), P. 19007-19042.

36. Rastin H. 3D bioprinting of a cell-laden antibacterial polysaccharide hydrogel composite/ Rastin H., Ramezanpour M., Hassan K., Mazinani A., Tung T. T., Vreugde S., Losic D.// Carbohydrate Polymers. -2021. -V. 264. - P. 117989.

37. Seidi F. Self-healing Polyol/Borax Hydrogels: Fabrications, Properties and Applications/ Seidi F., Jin Y., Han J., Saeb M. R., Akbari A., Hosseini S. H., Xiao H.// The Chemical Record. - 2020. -Vol. 20(10). - P. 1142-1162.

38. Jouyandeh M. Bushy-surface hybrid nanoparticles for developing epoxy superadhesives./ Jazani O. M., Navarchian A. H., Shabanian M., Vahabi H., Saeb M. R.// Applied Surface Science. - 2019. -V. 479. - P. 1148-1160.

39. Rafieazad M. Microstructural evolution and mechanical properties of a low-carbon low-alloy steel produced by wire arc additive manufacturing/ Rafieazad M., Ghaffari M., Vahedi Nemani A., Nasiri, A. // The International Journal of Advanced Manufacturing Technology. -2019. - Vol.105(5). -P. 2121-2134.

40. Ghaffari M. Co-delivery of curcumin and Bcl-2 siRNA by PAMAM dendrimers for enhancement of the therapeutic efficacy in HeLa cancer cells. / Ghaffari M., Dehghan G., Baradaran B., Zarebkohan A., Mansoori B., Soleymani J., Hamblin M. R. // Colloids and Surfaces B: Biointerfaces. -2020. - V. 188. - P. 110762.

41. Kumar P. Nanotechnology and its challenges in the food sector: A review. / Kumar, P., Mahajan, P., Kaur, R., & Gautam, S. // Materials Today Chemistry. -2020. -V. -17. -P. 100332.

42. Kumar P. M. Experimental study on thermal properties of nano-TiO2 embedded paraffin (NEP) for thermal energy storage applications/ Kumar P. M., Mylsamy K., Saravanakumar P. T., Anandkumar R., Pranav A. // Materials Today: Proceedings/ -2020. -V. 22. - P. 2153-2159.

43. Юрасов А. Н. Теория эффективной среды как инструмент анализа оптических свойств нанокомпозитов/ Юрасов А. Н., Яшин М. М. // Российский технологический журнал. -2018. Т.6(2). - С. 56-66.

44. Юрасов А. Н. Особенности магниторефрактивного эффекта в многослойной металлической наноструктуре [CoFe/Cu]/ Юрасов А. Н., Телегин, А. В., Банникова, Н. С., Миляев, М. А., Сухоруков, Ю. П. // Физика твердого тела. -2018. -Т. 60(2). -С. 276-282.

45. Яшин М. М., Симметризованное приближение Максвелла-Гарнетта как эффективный метод исследования нанокомпозитов/ Яшин М. М., Мирзокулов Х. Б. //Российский технологический журнал. - 2019. - Т. 7. -№. 4. - С. 92-100.

46. Горелик В. С. Спектры пропускания и оптические свойства мезопористого фотонного кристалла на основе анодного оксида алюминия/ Горелик, В. С., Яшин, М. М., Bi, D., Fei, G. T. // Оптика и спектроскопия. -2018. -Т. 124(2). -С. 171-177.

47. Гульбин В. Н. Исследование структуры и свойств радио-и радиационно-защитных полимерных нанокомпозитов/ Гульбин, В. Н., Колпаков, Н. С., Горкавенко В. В., Бойков А. А. // Электромагнитные волны и электронные системы. -2018. -Т. 23(1), - С. 4-11.

48. Гульбин В. Н. Композиционные материалы для радиационной и электромагнитной безопасности // Экологическая, промышленная и энергетическая безопасность. - 2019. - С. 494-498.

49. Водопьянов А. В. Генерация многозарядных ионов тугоплавких металлов в электронно-циклотронном резонансном разряде в прямой магнитной ловушке/ Голубев С. В., Мансфельд Д. А., Николаев А. Г., Окс Е. М., Разин С. В., Юшков Г. Ю.// Журнал технической физики. -2005. - Т. 75(9). - С. 101-105.

50. Водопьянов А. В. Многократная ионизация ионов металлов вакуумной дуги в магнитной ловушке с нагревом мощным СВЧ-излучением/ Водопьянов А. В., Голубев С. В., Мансфельд Д. А., Николае, А. Г.,

Окс Е. М., Хижняк В. И., Юшков, Г. Ю// Письма в ЖТФ. -2007. -Т. 33(20). -С.77-84.

51. Зимняков Д. А. Квази-адиабатическое расширение полилактидной пены: особенности формирования пористых матриц в области перехода между суби сверхкритическими состояниями пластифицирующего диоксида углерода/ Зимняков Д. А., Баграташвили В. Н., Ювченко С. А., Славнецков И. О., Калачева А. В., Ушакова О. В. // Сверхкритические флюиды: Теория и практика. -2019. -Т.14(1). - С. 14-31.

52. Синичкин Ю. П. Влияние оптической анизотропии рассеивающих сред на состояние поляризации рассеянного света/ Синичкин Ю. П., Зимняков Д. А., Яковлев Д. А., Овчинникова И. А., Спивак А. В., Ушакова О. В. // Оптика и спектроскопия. -2006. - Т. 101(5). -С. 851-860.

53. Ягубов В. С. Саморегулируемый электронагреватель на основе эластомера, модифицированный многослойными углеродными нанотрубками/ Ягубов В. С., Щегольков А. В. //Вестник Воронежского государственного университета инженерных технологий. - 2018. - Т. 80. - №. 3 (77). - С. 341-345.

54.Щегольков А. В. Влияние углеродных нанотрубок на электропроводность реактопластов и эластомеров/ Щегольков А. В., Комаров Ф. Ф., Парфимович И. Д., Мильчанин О. В., Щегольков А. В., Хробак А. В., Семенкова А. В.// Вектор науки Тольяттинского государственного университета. -2020. -Т. 3. - С. 65-72.

55.Комаров Ф. Ф. Нано-и микроструктурирование твёрдых тел быстрыми тяжёлыми ионами //Успехи физических наук. - 2017. - Т. 187. - №. 5. - С. 465-504.

56. Щегольков А. В. Применение эластомеров, модифицированных углеродными нанотрубками при создании саморегулируемых электронагревателей и материалов для защиты от электромагнитного излучения/ Щегольков А. В., Комаров Ф. Ф., Парфимович И. Д. //Российский химический журнал. - 2020. - Т. 64. - №. 4. -С.65-72

57. Rajavel K. 2D Ti3C2Tx MXene/polyvinylidene fluoride (PVDF) nanocomposites for attenuation of electromagnetic radiation with excellent heat dissipation/ Rajavel K., Luo S., Wan Y., Yu X., Hu Y., Zhu P., Wong C. // Composites Part A: Applied Science and Manufacturing. -2020. -V. 129. - P. 105693.

58. Rajavel K. Exfoliation and Defect Control of Two-Dimensional Few-Layer MXene Ti3C2T x for Electromagnetic Interference Shielding Coatings/ Rajavel K., Yu X., Zhu P., Hu Y., Sun R., Wong C. // ACS Applied Materials & Interfaces. -2020. -V. 12(44). -P. 49737-49747.

59. Luo S. Nano Ag-deposited BaTiO3 hybrid particles as fillers for polymeric dielectric composites: toward high dielectric constant and suppressed loss/ Luo S., Yu S., Sun R., Wong C. P.// ACS applied materials & interfaces. -2014. -V. 6(1). -P. 176-182.

60. Luo S. C. Polydioxythiophene nanodots, nonowires, nano-networks, and tubular structures: the effect of functional groups and temperature in templatefree electropolymerization/ Luo S. C., Sekine J., Zhu B., Zhao H., Nakao A., Yu H. H. // Acs Nano. -2012. -V. 6(4). -P. 3018-3026.

61. He Ji-Huan. Nano-effects, quantum-like properties in electrospun nano fibers/ He Ji-Huan, Yu-Qin Wan, Lan Xu // Chaos, Solitons & Fractals. -2007. -V. 33.1. -P. 26-37.

62. Wan Y. Adhesion and proliferation of OCT-1 osteoblast-like cells on micro-and nano-scale topography structured poly (L-lactide)/ Wan Y., Wang Y., Liu

Z., Qu X., Han B., Bei J., Wang S. // Biomaterials. -2005. -V.26(21). -P. 4453-4459.

63. Abbasi Q. H. Nano-communication for biomedical applications: A review on the state-of-the-art from physical layers to novel networking concepts/ Abbasi Q. H., Yang K., Chopra N., Jornet J. M., Abuali N. A., Qaraqe K. A., Alomainy, A. // IEEE Access. -2016. -V.4. -P. 3920-3935.

64. Khan A. K. Nano-elicitation as an effective and emerging strategy for in vitro production of industrially important flavonoids/ Khan A. K., Kousar S., Tungmunnithum D., Hano C., Abbasi B. H., Anjum S. // Applied Sciences. -2021. -V. 11(4). -P. 1694.

65. Prajapati A. Opportunities for enhanced omnidirectional broadband absorption of the solar radiation using deep subwavelength structures/ Prajapati A., Llobet J., Antunes M., Martins S., Fonseca H., Calaza C., Shalev G.// Nano Energy. -2020. -V. 70. -P. 104553.

66. Alencar M. S. Nanopatenting patterns in relation to product life cycle/ Alencar M. S. M. Porter, A. L. Antunes // Technological Forecasting and Social Change. -2007. -V. 74(9). -P. 1661-1680.

67. Abbasi H. Recent advances in carbon-based polymer nanocomposites for electromagnetic interference shielding/ Abbasi H., Antunes M., Velasco J. I. //Progress in Materials Science. - 2019. - V. 103. - P. 319-373.

68. Antunes M. Multifunctional polymer foams with carbon nanoparticles/ Antunes M., Velasco J. I. //Progress in Polymer Science. - 2014. - V. 39(3). - P. 486-509.

69. Димитриенко Ю. И. Многомасштабное моделирование упругих композиционных материалов/ Димитриенко Ю. И., Соколов А. П. //Математическое моделирование. - 2012. - Т. 24. - №. 5. - С. 3-20.

70. Димитриенко Ю. И. Асимптотическая теория конструктивно-ортотропных пластин с двухпериодической структурой/ Димитриенко Ю. И., Губарева Е. А., Сборщиков С. В. //Математическое моделирование и численные методы. - 2014. - №. 1 (1). - С. 36-56.

71. Емец Ю. П. Дисперсия диэлектрической проницаемости трех-и четырехкомпонентных матричных сред //Журнал технической физики. -2003. - Т. 73. - №. 3. - С. 42-53.

72. Емец Ю. П. Эффективные параметры многокомпонентных диэлектриков с гексагональной структурой //Журнал технической физики. - 2002. -Т. 72. - №. 1. - С. 51-59.

73. Шабанова И. Н. Рентгеноэлектронное исследование механизма функционализации sp-элементами поверхности металл/углеродных наноструктур/ Шабанова И. Н., Теребова Н. С., Сапожников Г. В., Кодолов, В. И. // Физика твердого тела. -2017. -T. 59(1). -C. 167-171.

74. Обухов А. В. Разработка методов получения и исследования наномодифицированного поликарбоната/ Обухов А. В., Шабанова И. Н., Кодолов В. И. //Химическая физика и мезоскопия. - 2014. - Т. 16. - №. 4. - С. 595-601.

75. Kuraev A.A. Prospects of application of superconducting electrodynamic structures in electronic devices for their advancement to the terahertz range / Kuraev A.A., Kurkin S.A., Koronovskii A.A., Sinitsyn A.K., Hramov A.E. // Technical Physics. -2015. -V.60(4). -P. 583-587.

76. Balanov A.G. Effect of interminiband tunneling on complex processes in a semiconductor superlattice/ Balanov A.G., Koronovskii A.A., Moskalenko O.I., Selskii A.O., Hramov A.E.// Physics of Wave Phenomena. -2015. -V.23(1). -P. 28-34.

77. Клинаев Ю. В. Математическое моделирование средств анализа и контроля сред, содержащих сферические наночастицы/ Клинаев, Ю. В., Романчук, С. П., Терин, Д. В. // Международный журнал прикладных и фундаментальных исследований. -2012. -Т.12. -С. 92-93.

78. Кальдин Д. А., Мурашев Д. А., Клинаев Ю. В., Терин Д. В. (2012). Оптимизация алгоритмов компьютерного моделирования трехмерного физического пространства. Современные информационные технологии и ИТ-образование. -2012. -Т.8. -С. 751-755.

79. Магарилл Л. И. Оптические и фотоэлектрические свойства спиральных квантовых проволок/ Магарилл Л. И., Энтин М. В. //Письма в Журнал экспериментальной и теоретической физики. - 2003. - Т. 78. - №. 4. - С. 249-252.

80. Магарилл Л. И. Спектр и кинетика электронов в криволинейных наноструктурах/ Магарилл Л. И., Чаплик А. В., Энтин М. В. //Успехи физических наук. - 2005. - Т. 175. - №. 9. - С. 995-1000.

81. Афанасьев А. В. Карбид кремния-наноразмерный алмазоподобный широкозонный полупроводниковый материал и приборы на его основе/ Афанасьев А. В., Ильин В. А., Лебедев А. О., Лучинин В. В., Таиров Ю. М.// Биотехносфера. -2011. -Т.1.(13). -С. 11-19.

82. Мусихин С. Ф. Полупроводниковые коллоидные наночастицы в биологии и медицине/ Мусихин С. Ф., Александрова О. А., Лучинин В. В., Максимов А. И., Мошников В. А.// Биотехносфера. -2012. -Т. 5 (23). -С. 40-48.

83. Брагинский Л. С. Неупругое резонансное туннелирование/ Брагинский Л. С., Баскин Э. М. //Физика твердого тела. - 1998. - Т. 40. - №. 6. - С. 1151.

84. Баскин Э. М. Стохастическая динамика двумерных электронов в периодической ре шетке антиточек/ Баскин Э. М., Гусев Г. М., Квон З. Д., Погосов А. Г., Энтин М. В. //Письма в ЖЭТФ. -1992. -Т. 55. -С. 649.

85. Yarali E. Recent progress in photonic processing of metal-oxide transistors/ Yarali E., Koutsiaki C., Faber H., Tetzner K., Yengel E., Patsalas P., Anthopoulos T. D. // Advanced Functional Materials. -2020. -V.30(20). -P. 1906022.

86. Yarali E. Magneto-/electro-responsive polymers toward manufacturing, characterization, and biomedical/soft robotic applications/ Yarali E., Baniasadi M., Zolfagharian A., Chavoshi M., Arefi F., Hossain M., Bodaghi M.// Applied Materials Today. - 2022. -V. 26. -P. 101306.

87.Wang K. Heat-treatment effects on dimensional stability and mechanical properties of 3D printed continuous carbon fiber-reinforced composites //Composites Part A: Applied Science and Manufacturing. - 2021. - V. 147. - P. 106460.

88. Soleyman E. Assessment of controllable shape transformation, potential applications, and tensile shape memory properties of 3D printed PETG/ Soleyman E., Aberoumand M., Rahmatabadi D., Soltanmohammadi K., Ghasemi I., Baniassadi M., Baghani M.// Journal of Materials Research and Technology. -2022. -V.18. -P. 4201-4215.

89. Javadi F. Biosynthesis, characterization of cerium oxide nanoparticles using Ceratonia siliqua and evaluation of antioxidant and cytotoxicity activities/ Javadi F., Yazdi M. E. T., Baghani M., Es-haghi A// Materials Research Express. -2019. -V. 6(6). -P. 065408.

90. Dolatabadi R., Mohammadi A., Baghani M. A computational simulation of electromembrane extraction based on Poisson-Nernst-Planck equations/

Dolatabadi R., Mohammadi A., Baghani M. // Analytica Chimica Acta. -2021. -V.1158. -P. 338414.

91. Giannozzi P. Quantum ESPRESSO toward the exascale/ Giannozzi P., Baseggio O., Bonfa P., Brunato D., Car R., Carnimeo I., Baroni S.// The Journal of Chemical Physics. -2020. -V.152(15). -P. 154105.

92. Nam S. Polydopamine-coated nanocomposites of Angelica gigas Nakai extract and their therapeutic potential for triple-negative breast cancer cells./ Nam S., Lee S. Y., Kim J. J., Kang W. S., Yoon I. S., Cho H. J.// Colloids and Surfaces B: Biointerfaces. -2018. -V. 165. -P. 74-82.

93. Shi C. 1D Carbon-Based Nanocomposites for Electrochemical Energy Storage/ Shi C., Owusu K. A., Xu X., Zhu T., Zhang G., Yang W., Mai L. // Small. -2019. -V. 5(48). -P. 1902348.

94. Assis A.N. Spontaneous emulsification of a metal drop immersed in slag due to dephosphorization: Surface area quantification // Metall. Mater. Trans. B. -2015. -V.46. -P. 568-576.

95. Moczo J. Polymer micro and nanocomposites: Structure, interactions, properties/ Moczo J., Pukanszky B. //Journal of Industrial and Engineering Chemistry. - 2008. - V. 14. - №. 5. - P. 535-563.

96. Todorov R. Microstructure and ellipsometric modelling of the optical properties of very thin silver films for application in plasmonics/ Todorov R., Lozanova V., Knotek, P., Cernoskova E., Vleek M. // Thin Solid Film. -2017, -V. 628. -P. 22-30.

97. Xie Y. Flexible, controllable, and high-strength near-infrared reflective Y2O3 nanofiber membrane by electrospinning a polyacetylacetone-yttrium precursor/ Xie Y., Wang L., Liu B., Zhu L., Shi S., Wang, X.// Mater. Des. -2018. -V. 160. -P. 918-925.

98. Li P. Collective near-field coupling and nonlocal phenomena in infrared-phononic metasurfaces for nano-light canalization/ Li P., Hu G., Dolado I., Tymchenko, M., Qiu C. W., Alfaro-Mozaz F. J., Casanova F., Hueso L.E., Liu S., Edgar J.H.// Nat. Commun. -2020, -V.11, -P. 1-8.

99. Wu J. Giant Goose-Tansies shift with a high reflectance assisted by interface states in photonic heterostructures/ Wu J., Wu F., Lv, K., Guo, Z., Jiang, H., Sun Y., Li Y., Chen H. // Phys. Rev. A. -2020. -V. 101. -P. 053838.

100. Vinogradov A.P. Electrodynamics of Composite Materials. - Editorial URSS: Moscow, Russia, 2001. - 208 p.

101. Апресян Л. А. О модели эффективной среды для частиц со сложной структурой/ Л.А. Апресян, Д.В Власов, Д.А. Задорин, В.И. Красовский // Журнал технической физики. -2017. -Т. 87, № 1. -С.10-17.

102. Романчук С. П. . Математическое моделирование структур и процессов взаимодействия электромагнитного излучения с core-shell нанообъектами //Вестник Саратовского государственного технического университета. -2011. - Т. 4. - №. 2 (60). -C. 57-61.

103. Hadi S. P. Impedance Measurement System of a Biological Material Undergoing Pulsed Electric Field Exposed //Procedia engineering. - 2017. - Т. 170. - P. 410-415.

104. Челидзе Т.Л. Электрическая спектроскопия гетерогенных систем/ Т.Л. Челидзе,А.И. Деревянко, О.Д. Куриленко, -Киев: Наука думка, 1977, с. 48-60.

105. Нетушил А.В. О расчете средней диэлектрической проницаемости смесей / А.В. Нетушил // Научн. докл. высш. шк. Сер. Электромех. и автом. - 1959.- № 1. - С. 23-26

106. Bruggeman D.A.G. Berechnung verschiedener physikalischer Konstanten von heterogenen/ Bruggeman D.A.G. // Ann. Phys. -1935. -V. 23. -P. 636-664.

107. Kotitz R. Time domain study of Brownian and Neel relaxation in ferrofluids/ Kotitz R., Fannin P. C., Trahms L.// Journal of magnetism and magnetic materials. - 1995. - T. 149. - №. 1-2. - P. 42-46.

108. Sipahioglu O. Modeling the dielectric properties of ham as a function of temperature and composition/ Sipahioglu, O., Barringer, S. A., Taub, I., & Prakash, A. //Journal of Food Science. - 2003. - T. 68. - №. 3. - P. 904-909.

109. Schutt W. Applications of magnetic targeting in diagnosis and therapy— possibilities and limitations: a mini-review/ U. Hafeli, W. Schutt, J. Teller, and M. Zborowski // Hybridoma. - 1997. - T. 16. - №. 1. - P. 109-117.

110. Rahaman M. Consideration of interface polarization in the modeling of dielectric property for ethylene vinyl acetate (EVA)/polyaniline conductive composites prepared through in-situ polymerization of aniline in EVA matrix/ Rahaman M., Chaki T. K., Khastgir D. // European Polymer Journal. - 2012. -T. 48. - №. 7. - P. 1241-1248.

111. Milkin S. S. Modeling the microwave field and specific absorbed-power distributions in a sample of magnetic fluid/ Milkin, S. S., Starodubov, A. V., & Venig, S. B. // Technical Physics Letters. -2014. -V.40(10). -P.860-863.

112. Allen P. B. Dipole interactions and electrical polarity in nanosystems: the Clausius-Mossotti and related models //The Journal of chemical physics. -2004. - T. 120. - №. 6. - P. 2951-2962.

113. Ramaccia D. Temporal multilayer structures for designing higher-order transfer functions using time-varying metamaterials/ Ramaccia, D., Alu A., Toscano A., Bilotti F.// Applied Physics Letters. -2021. -V. 118(10), -P. 101901.

114. Chamanara N. Optical isolation based on space-time engineered asymmetric photonic band gaps / N. Chamanara, S. Taravati, Z.-L. Deck-Leger, C. Caloz // Phys. Rev. B. -2017. -V.96. -P.155409.

115. D. Ramaccia. Electromagnetic isolation induced by time-varying metasurfaces: Non-reciprocal bragg grating/ D. Ramaccia, D. L. Sounas, A. Marini, A. Toscano, and F. Bilotti// IEEE Antennas Wireless Propag. Lett. -2020. -Vol. 19. -P.1886-1881.

116. Wu Z. Serrodyne frequency translation using time-modulated metasurfaces/ Z. Wu, A. Grbic// IEEE Trans. Antennas Propag. -2020. -V.68. -P. 1599-1606.

117. Liu M. Huygens' metadevices for parametric waves / M. Liu, D. A. Powell, Y. Zarate, I. V. Shadrivov// Phys. Rev. X. -2018. -V.8. -P.031077.

118. Chamanara N. Spacetime processing metasurfaces: GSTC synthesis and prospective applications / N. Chamanara, Y. Vahabzadeh, K. Achouri, and C. Caloz // IEEE International Symposium on Antennas and Propagation IEEE. - 2016. -P. 365-366.

119. Zhang L. Space-time-coding digital metasurfaces/ L. Zhang, X. Q. Chen, S. Liu, Q. Zhang, J. Zhao, J. Y. Dai, G. D. Bai, X. Wan, Q. Cheng, G. Castaldi, V. Galdi, and T. J. Cui// Nat. Commun. -2018. -V.9. -P. 4334

120. Ramaccia D. Phase-induced frequency conversion and doppler effect with time-modulated metasurfaces/ D. Ramaccia, D. L. Sounas, A. Alu, A. Toscano, F. Bilotti// IEEE Trans. Antennas Propag. - 2020. -V. 68. - P. 1607-1617.

121. Sounas D. L. Giant non-reciprocity at the subwavelength scale using angular momentum-biased metamaterials/ D. L. Sounas, C. Caloz, A. Alu, // Nat. Commun. -2013. -V.4. -P. 2407.

122. Ramaccia D. Nonreciprocal horn antennas using angular momentum-biased metamaterial inclusions/ D. Ramaccia, D. L. Sounas, A. Alu, F. Bilotti, A. Toscano// IEEE Trans. Antennas Propag. -2015. -V. 63. -P. 5593-5600.

123. Ramaccia D. Angular Momentum-biased metamaterials for filtering waveguide components and antennas with non-reciprocal behavior/ D. Ramaccia, F. Bilotti,A. Toscano// 8th International Congress on Advanced Electromagnetic Materials in Microwaves and Optics. -2014. -P. 250-252.

124. Taravati S. Giant linear nonreciprocity, zero reflection, and zero band gap in equilibrated space-time-varying media. Phys. Rev. Appl. -2018. -V.9, -P. 064012.

125. Pacheco-Pea V. Effective medium concept in temporal metamaterials/ Pacheco-Pea V., Engheta N. //Nanophotonics. - 2020. - V. 9. - №. 2. - P. 379391.

126. Yu Z. Complete optical isolation created by indirect interband photonic transitions/ Z. Yu, S. Fan// Nat. Photonics. -2009. -V.3. -P. 91-94.

127. Lira H. Electrically driven nonreciprocity induced by interband photonic transition on a silicon chip/ H. Lira, Z. Yu, S. Fan, M. Lipson // Phys. Rev. Lett. -2012. - V.109. -P.033901.

128. Sounas D. L. Non-reciprocal photonics based on time modulation/ D. L. Sounas, A. Alu// Nat. Photonics. -2017. -V.11. -P. 774-783.

129. Galiffi E. Broadband nonreciprocal amplification in luminal metamaterials/ E. Galiffi, P. A. Huidobro, and J. B. Pendry// Phys. Rev. Lett. - 2019. -V. 123. -P. 206101.

130. Bacot V. Time reversal and holography with spacetime transformations/ Bacot V., Labousse M., Eddi A., Fink M., Fort E. // Nat Phys. -2016. -V.12. -P. 972-1038.

131. Vezzoli S. Optical time reversal from time-dependent Epsilon-Near-Zero media / Vezzoli S., Bruno V., DeVault C.// Phys Rev Lett. - 2018. V.120(4). -P.43902/.

132. Sivan Y. Theory of wave-front reversal of short pulses in dynamically tuned zero-gap periodic systems/ Sivan Y., Pendry J.B.// Phys Rev A. -2011. -V.84(1), -P.033822.

133. Menant A. Transient stripping of subducting slabs controls periodic forearc uplift/ Menant A., Angiboust S., Gerya T., Lacassin R., Simoes M., Grandin R. //Nature Communications. - 2020. - V. 11. - №. 1. - P. 1-10.

134. Taravati S. Advanced wave engineering via obliquely illuminated space-time-modulated slab/ Taravati S., Kishk A. A. //IEEE Transactions on Antennas and Propagation. - 2018. - V. 67. - №. 1. - P. 270-281.

135. Lerosey G. Time reversal of electromagnetic waves/ Lerosey G., De Rosny J., Tourin A., Derode A., Montaldo G., Fink M. // Phys Rev Lett. -2004. -V.92. -P. 193904.

136. Shapere A. Classical time crystals/ Shapere A, Wilczek F. // Phys Rev Lett. - 2012. -V.109. -P. 160402.

137. Wilczek F. Quantum time crystals // Phys Rev Lett. -2012. -V.109. -P.160401.

138. Zhang J. Observation of a discrete time crystal/ Zhang J., Hess P.W., Kyprianidis A.// Nature. - 2017. -V.543. P.217-220.

139. Choi S. Observation of discrete time-crystalline order in a disordered dipolar many-body system/ Choi S., Choi J., Landig R. // Nature. -2017. -V.543. -P.221-225.

140. Quantum nanophotonics Cortes C. L. Quantum nanophotonics using hyperbolic metamaterials/ Cortes C.L., Newman W, Molesky S, Jacob Z. //Journal of Optics. - 2012. - V. 14. - №. 6. - P. 063001.

141. Chern R. L. Spatial dispersion and nonlocal effective permittivity for periodic layered metamaterials //Optics express. - 2013. - V. 21. - №. 14. - P. 16514-16527.

142. Afinogenov B.I. Phase matching with Tamm plasmons for enhanced second- and third-harmonic generation/ Afinogenov B.I., Popkova A.A., Bessonov V.O., Lukyanchuk B., Fedyanin A.A. // Phys Rev B. -2018. -V. 97(1). -P.115438.

143. Sihvola A. H. Electromagnetic mixing formulas and applications. - let, 1999. - №. 47.

144. Belov P.A. Subwavelength imaging at optical frequencies using a transmission device formed by a periodic layered metal-dielectric structure operating in the canalization regime/ Belov P.A., Hao Y. // Phys Rev B -Condens Matter Mater Phys. -2006. -V. 73. -P. 113110.

145. Nielsen R.B. Toward superlensing with metal-dielectric composites and multilayers/ Nielsen R.B., Thoreson M.D., Chen W. // Appl Phys B. - 2010. -V.100(1). -P.93-100.

146. Maas R. Planar metal/dielectric single-periodic multilayer ultraviolet flat lens/ Maas R., van de Groep J., Polman A // Optica. - 2016. - V. 3. - №. 6. - P. 592-596.

147. Plansinis B.W. What is the temporal analog of reflection and refraction of optical beams?/ Plansinis B.W. Donaldson W.R., Agrawal G.P. // Phys Rev Lett. -2015. -V.115(18). -P.183901.

148. Xiao Y. Reflection and transmission of electromagnetic waves at a temporal boundary/ Xiao Y., Maywar D. N., Agrawal G. P. //Optics letters. - 2014. - V. 39. - №. 3. - P. 574-577.

149. Chumak A. V. All-linear time reversal by a dynamic artificial crystal/ Chumak A.V., Tiberkevich V.S., Karenowska A.D. //Nature communications.

- 2010. - V. 1. - №. 1. - P. 1-5.

150. Pacheco-Pena V. Salient features of temporal and spatio-temporal metamaterials //2018 International Conference on Electromagnetics in Advanced Applications (ICEAA). - IEEE, 2018. - P. 524-526.

151. Qin S. Nonreciprocal components with distributedly modulated capacitors/ Qin S., Xu Q., Wang Y. E. //IEEE Transactions on Microwave Theory and Techniques. - 2014. - V. 62. - №. 10. - P. 2260-2272.

152. Lee K. Linear frequency conversion via sudden merging of meta-atoms in time-variant metasurfaces/ Lee K., Son J., Park J. //Nature Photonics. - 2018.

- V. 12. - №. 12. - P. 765-773.

153. Koutserimpas T. T. Electromagnetic waves in a time periodic medium with step-varying refractive index/ Koutserimpas T. T., Fleury R. // IEEE Transactions on Antennas and Propagation. - 2018. - V. 66. - №. 10. - P. 53005307.

154. El-Haija A. J. A. Effective medium approximation for the effective optical constants of a bilayer and a multilayer structure based on the characteristic matrix technique //Journal of applied physics. - 2003. - V. 93. - №. 5. - P. 2590-2594.

155. Jiang W. Polyoxometalate-based ionic liquid supported on graphite carbon induced solvent-free ultra-deep oxidative desulfurization of model fuels/ Jiang

W., Zheng D., Xun S., Qin Y., Lu Q., Zhu W., Li H. //Fuel. - 2017. - V. 190.

- P. 1-9.

156. Dresselhaus M. S. The Physics of Fullerene-Based and Fullerene-Related Material/ Dresselhaus M. S., Eklund P.C., Rao A.M. //Carbon Nanotubes. -2000. - P. 331-379.

157. Mohanta D. Carbon nanotubes: Evaluation of toxicity at biointerfaces/ Mohanta D., Patnaik S., Sood S., Das N. //Journal of Pharmaceutical Analysis.

- 2019. - V. 9. - №. 5. - P. 293-300.

158. Takakura A. Strength of carbon nanotubes depends on their chemical structures/ Beppu K., Nishihara T., Fukui A., Kozeki T., Namazu T., Itami K. //Nature communications. - 2019. - V. 10. - №. 1. - P. 1-7.

159. Ren W. Activation of peroxydisulfate on carbon nanotubes: electron-transfer mechanism //Environmental Science & Technology. - 2019. - V. 53. -№. 24. - P. 14595-14603.

160. Rdest M. Carbon Nanotube Films for Energy Applications/ Rdest M., Janas D. //Energies. - 2021. - V. 14. - №. 7. - P. 1890.

161. He X. Carbon nanotubes as emerging quantum-light sources //Nature materials. - 2018. - V. 17. - №. 8. - P. 663-670.

162. Yang F. Chirality pure carbon nanotubes: Growth, sorting, and characterization/ Yang F., Wang M., Zhang D., Yang J., Zheng M., Li Y. //Chemical reviews. - 2020. - V. 120. - №. 5. - P. 2693-2758.

163. Rao R. Carbon nanotubes and related nanomaterials: critical advances and challenges for synthesis toward mainstream commercial applications/ Rao R., Pint C. L., Islam A. E., Weatherup R. S., Hofmann S., Meshot E. R., Hart A. J //ACS nano. - 2018. - V. 12. - №. 12. - P. 11756-11784.

164. Li J. Correlations between percolation threshold, dispersion state, and aspect ratio of carbon nanotubes/ J. Li, P. C. Ma, W.S. Chow, C.K. To, B.Z. Tang, J.K. Kim //Advanced Functional Materials. - 2007. - V. 17. - №. 16. - P. 32073215.

165. Munson-Mcgee S. H. Orientation parameters for the specification of effective properties of heterogeneous materials/ Munson-Mcgee S. H., McCullough R. L. //Polymer Engineering & Science. - 1994. - V. 34. - №. 4. - P. 361-370.

166. Byrne M. T. Recent advances in research on carbon nanotube-polymer composites/ M.T. Byrne, Y.K. Gun'ko //Advanced materials. - 2010. - V. 22. -№. 15. - P. 1672-1688.

167. Yamada T. A stretchable carbon nanotube strain sensor for human-motion detection/ T. Yamada, Y. Hayamizu, Y. Yamamoto, Y. Yomogida, A. Izadi-Najafabadi, D.N. Futaba, K. Hata //Nature nanotechnology. - 2011. - V. 6. -№. 5. - P. 296-301.

168. Lee H. A stretchable polymer-carbon nanotube composite electrode for flexible lithium-ion batteries: porosity engineering by controlled phase separation/ H. Lee, J.-K. Yoo, J.-H. Park, J.H. Kim, K. Kang, Y.S. Jung //Advanced Energy Materials. - 2012. - V. 2. - №. 8. -P. 976-982.

169. Spinks G. M. Carbon-nanotube-reinforced polyaniline fibers for high-strength artificial muscles/ G.M. Spinks, V. Mottaghitalab, M. Bahrami-Samani, P. G. Whitten, G. G. Wallace //Advanced Materials. - 2006. - V. 18. -№. 5. - P. 637-640.

170. Wang G. Influence of the filler dimensionality on the electrical, mechanical and electromagnetic shielding properties of isoprene rubber-based flexible conductive composites/ G. Wang, Q. Yu, Y. Hu, G. Zhao, J. Chen, H. Li, N.

Jiang, D. Hu, Y. Xu, Y. Zhu, A.G. //Composites Communications. - 2020. -V. 21. - P. 100417.

171. Tang Z. Highly stretchable core-sheath fibers via wet-spinning for wearable strain sensors/ Z. Tang, S. Jia, F. Wang, C. Bian, Y. Chen, Y. Wang, B. Li //ACS applied materials & interfaces. - 2018. - V. 10. - №. 7. - P. 6624-6635.

172. Tang Z. et al. Coaxial printing of silicone elastomer composite fibers for stretchable and wearable piezoresistive sensors/ Z. Tang, S. Jia, S. Shi, F. Wang,

B. Li //Polymers. - 2019. - V. 11. - №. 4. - P. 666.

173. Tang Z. Coaxial carbon nanotube/polymer fibers as wearable piezoresistive sensors/ Tang Z., Jia S., Shi S., Wang F., Li B. //Sensors and Actuators A: Physical. - 2018. - V. 284. - P. 85-95.

174. Ngabonziza Y. Electrical conductivity and mechanical properties of multiwalled carbon nanotube-reinforced polypropylene nanocomposites/ Ngabonziza Y., Li J., Barry C. F. //Acta mechanica. - 2011. - V. 220. - №. 1.

- P. 289-298.

175. Tang Z. 3D printing of highly sensitive and large-measurement-range flexible pressure sensors with a positive piezoresistive effect/ Z. Tang, S. Jia, C. Zhou, B. Li //ACS Applied Materials & Interfaces. - 2020. - T. 12. - №. 25. -

C. 28669-28680.

176. Sang Z. Effect of carbon nanotube morphology on properties in thermoplastic elastomer composites for strain sensors/ Sang Z., Ke K., Manas-Zloczower I. //Composites Part A: Applied Science and Manufacturing. - 2019.

- V. 121. - P. 207-212.

177. Zare Y. Development of a conventional model to predict the electrical conductivity of polymer/carbon nanotubes nanocomposites by interphase,

waviness and contact effects/ Zare Y., Rhee K. Y. //Composites Part A: Applied Science and Manufacturing. - 2017. - V. 100. - P. 305-312.

178. Tarlton T. The role of agglomeration in the conductivity of carbon nanotube composites near percolation/ T. Tarlton, E. Sullivan, J. Brown, P.A. Derosa //Journal of applied physics. - 2017. - V. 121. - №. 8. - P. 085103.

179. Lu W. A three-dimensional model of electrical percolation thresholds in carbon nanotube-based composites/ Lu W., Chou T. W., Thostenson E. T. //Applied Physics Letters. - 2010. - V. 96. - №. 22. - P. 223106.

180. Seidel G. D., Puydupin-Jamin A. S. Analysis of clustering, interphase region, and orientation effects on the electrical conductivity of carbon nanotube-polymer nanocomposites via computational micromechanics //Mechanics of Materials. - 2011. - V. 43. - №. 12. - P. 755-774.

181. De Vivo B. Numerical investigation on the influence factors of the electrical properties of carbon nanotubes-filled composites/ B. De Vivo, P. Lamberti, G. Spinelli, V. Tucci //Journal of Applied Physics. - 2013. - V. 113. - №. 24. - P. 244301.

182. Y. Wang, G.J. Weng, S.A. Meguid, A.M. Hamouda A continuum model with a percolation threshold and tunneling-assisted interfacial conductivity for carbon nanotube-based nanocomposites J. Appl. Phys., 115 (2014), p. 193706

183. Wang Y. A continuum model with a percolation threshold and tunneling-assisted interfacial conductivity for carbon nanotube-based nanocomposites/ Y. Wang, G.J. Weng, S.A. Meguid, A.M. Hamouda //Journal of Applied Physics. - 2014. - V. 115. - №. 19. - P. 193706.

184. Seidel G. D. A micromechanics model for the electrical conductivity of nanotube-polymer nanocomposites/ Seidel G. D., Lagoudas D. C. //Journal of Composite Materials. - 2009. - V. 43. - №. 9. - P. 917-941.

185. Takeda T. Modeling and characterization of the electrical conductivity of carbon nanotube-based polymer composites/ T. Takeda, Y. Shindo, Y. Kuronuma, F. Narita// Polymer. - 2011. - V. 52. - №. 17. - P. 3852-3856.

186. Secor E. B. Inkjet printing of high conductivity, flexible graphene patterns/ // Secor E. B., Prabhumirashi P. L., Puntambekar K., Geier M. L., Hersam M. C. // The journal of physical chemistry letters. - 2013. - V. 4. - №. 8. - P. 13471351.

187. Lu X.. Low electrical percolation thresholds and nonlinear effects in graphene-reinforced nanocomposites: a numerical analysis/ Lu X., Yvonnet J., Detrez F., Bai J. //Journal of Composite Materials. - 2018. - V. 52. - №. 20. -P. 2767-2775.

188. Lu X. Multiscale study of influence of interfacial decohesion on piezoresistivity of graphene/polymer nanocomposites/ Lu X., Detrez F., Yvonnet J., Bai J. //Modelling and Simulation in Materials Science and Engineering. - 2019. - V. 27. - №. 3. - P. 035001.

189. Xia X. A frequency-dependent theory of electrical conductivity and dielectric permittivity for graphene-polymer nanocomposites/ Xia, X., Wang, Y., Zhong, Z., & Weng, G. J.//Carbon. - 2017. - V. 111. - P. 221-230.

190. Hertel T. Deformation of carbon nanotubes by surface van der Waals forces/ Hertel T., Walkup R. E., Avouris P. //Physical review B. - 1998. - V. 58. - №. 20. - P. 13870.

191. Begum S. . Fabrication of epoxy functionalized MWCNTs reinforced PVDF nanocomposites with high dielectric permittivity, low dielectric loss and high electrical conductivity/ Begum S., Ullah H., Kausar A., Siddiq M., Aleem M.A. //Composites Science and Technology. - 2018. - V. 167. - P. 497-506.

192. Rastogi R. Comparative study of carbon nanotube dispersion using surfactants/ Rastogi R., Kaushal R., Tripathi S. K., Sharma A. L., Kaur I., Bharadwaj L. M. //Journal of colloid and interface science. - 2008. - V. 328. -№. 2. - P. 421-428.

193. Graff R. A. Achieving individual-nanotube dispersion at high loading in single-walled carbon nanotube composites/ Graff R. A., Swanson J. P., Barone P. W., Baik S., Heller D. A., Strano M. S. //Advanced Materials. - 2005. - V. 17. - №. 8. - P. 980-984.

194. Fagan J. A. et al. Comparative measures of single-wall carbon nanotube dispersion/ Fagan, J. A., Landi, B. J., Mandelbaum, I., Simpson, J. R., Bajpai, V., Bauer, B. J., Hobbie, E. K. //The Journal of Physical Chemistry B. - 2006. - V. 110. - №. 47. - P. 23801-23805.

195. Yadav S. P. Carbon nanotube dispersion in nematic liquid crystals: An overview/ Yadav S. P., Singh S. //Progress in Materials Science. - 2016. - V. 80. - P. 38-76.

196. Dierking I. Liquid crystal-carbon nanotube dispersions/ Dierking I., Scalia G., Morales P. //Journal of Applied Physics. - 2005. - V. 97. - №. 4. - P. 044309.

197. Guo F. Highly thermally conductive dielectric nanocomposites with synergistic alignments of graphene and boron nitride nanosheets/ 197. Guo, F., Shen, X., Zhou, J., Liu, D., Zheng, Q., Yang, J., Kim, J. K. //Advanced Functional Materials. - 2020. - V. 30. - №. 19. - P. 1910826.

198. Mora A. Electrical conductivity of CNT/polymer composites: 3D printing, measurements and modelling/ Mora A., Verma P., Kumar S. //Composites Part B: Engineering. - 2020. - V. 183. - P. 107600.

199. Abshirini M. 3D printed flexible microscaled porous conductive polymer nanocomposites for piezoresistive sensing applications/ Abshirini, M., Saha, M. C., Altan, M. C., Liu, Y. //Advanced Materials Technologies. - 2022. - P. 2101555.

200. Haghgoo M. Analytical formulation for electrical conductivity and percolation threshold of epoxy multiscale nanocomposites reinforced with chopped carbon fibers and wavy carbon nanotubes considering tunneling resistivity/ Haghgoo M., Ansari R., Hassanzadeh-Aghdam M. K., Nankali M. //Composites Part A: Applied Science and Manufacturing. - 2019. - V. 126. -P. 105616.

201. Ravindren R. Investigation of electrical conductivity and electromagnetic interference shielding effectiveness of preferentially distributed conductive filler in highly flexible polymer blends nanocomposites/ Ravindren R., Mondal, S., Nath K., Das N. C. //Composites Part A: Applied Science and Manufacturing. - 2019. - V. 118. - P. 75-89.

202. Mazrouaa A. M. Nano-composite multi-wall carbon nanotubes using poly (p-phenylene terephthalamide) for enhanced electric conductivity/ Mazrouaa A. M., Mansour N. A., Abed M. Y., Youssif M. A., Shenashen M. A., Awual M. R. //Journal of environmental chemical engineering. - 2019. - V. 7. - №. 2. -P. 103002.

203. Liu Z. Predicting the electrical conductivity in polymer carbon nanotube nanocomposites based on the volume fractions and resistances of the nanoparticle, interphase, and tunneling regions in conductive networks/ Liu, Z., Peng, W., Zare, Y., Hui, D., Rhee, K. Y. //RSC advances. - 2018. - V. 8. - №. 34. - P. 19001-19010.

204. Yan X. Efficient solvent-free microwave irradiation synthesis of highly conductive polypropylene nanocomposites with lowly loaded carbon

nanotubes/ Yan X., Liu J., Khan M. A., Sheriff S., Vupputuri S., Das R., Guo Z. //ES Materials & Manufacturing. - 2020. - V. 9. - №. 15. - P. 21-33.

205. Mora A. Estimating and understanding the efficiency of nanoparticles in enhancing the conductivity of carbon nanotube/polymer composites/ Mora A., Han F., Lubineau G. //Results in Physics. - 2018. - V. 10. - P. 81-90.

206. Ma Z. Lightweight, compressible and electrically conductive polyurethane sponges coated with synergistic multiwalled carbon nanotubes and graphene for piezoresistive sensors/ Ma, Z., Wei, A., Ma, J., Shao, L., Jiang, H., Dong, D., Kang, S. //Nanoscale. - 2018. - V. 10. - №. 15. - P. 7116-7126.

207. Krause B. Nitrogen-doped carbon nanotube/polypropylene composites with negative Seebeck coefficient/ Krause B., Konidakis I., Arjmand M., Sundararaj U., Fuge R., Liebscher M., Potschke P. //Journal of Composites Science. -2020. - V. 4. - №. 1. - P. 14.

208. Kumar V. Studies on composites based on HTV and RTV silicone rubber and carbon nanotubes for sensors and actuators/ Kumar V., Lee G., Choi J., Lee D. J. //Polymer. - 2020. - V. 190. - P. 122221.

209. Xue Y. Thermal conductivity improvement in electrically insulating silicone rubber composites by the construction of hybrid three-dimensional filler networks with boron nitride and carbon nanotubes/ Xue, Y., Li, X., Wang, H., Zhang, D., & Chen, Y. //Journal of Applied Polymer Science. - 2019. - V. 136. - №. 2. - P. 46929.

210. Wang Y. 3D-printing of segregated carbon nanotube/polylactic acid composite with enhanced electromagnetic interference shielding and mechanical performance/ Wang, Y., Fan, Z. W., Zhang, H., Guo, J., Yan, D. X., Wang, S., Li, Z. M. //Materials & Design. - 2021. - V. 197. - P. 109222.

211. Grothausmann, R., Labode, J., Hernandez-Cerdan, P., Haberthur, D., Hlushchuk, R., Lobachev, O., ... & Muhlfeld, C. (2021). Combination of ^CT and light microscopy for generation-specific stereological analysis of pulmonary arterial branches: a proof-of-concept study. Histochemistry and cell biology, 155(2), 227-239.

212. Grothausmann R. Combination of ^CT and light microscopy for generation-specific stereological analysis of pulmonary arterial branches: a proof-of-concept study/Grothausmann R., Labode J., Hernandez-Cerdan P., Haberthur D., Hlushchuk R., Lobachev O., Muhlfeld C. //Histochemistry and cell biology.

- 2021. - V. 155. - №. 2. - P. 227-239.

213. Yousefi K. Water-borne polyurethanes for high-performance electromagnetic interference shielding/ Yousefi K., Parvin N., Banaei N., Mazraedoost S. //Advances in Applied NanoBio-Technologies. - 2021. - V. 2.

- №. 3. - P. 35-45.

214. Patil J. Studies on mechanical and thermal performance of carbon nanotubes/polypropylene nanocomposites/ Patil J., Patil H., Sankpal R., Rathod D., Patil K., Kubade P. R., Kulkarni, H. B //Materials Today: Proceedings. -2021. - T. 46. - C. 7182-7186.

215. Lai M. F. Multi-walled Carbon Nanotubes/Polypropylene-based Coating Layer on the Composite Metal Filaments: Characteristic Evaluations and Radiation-shielded Fabric/ Lai, M. F., Huang, C. H., Lou, C. W., Chuang, Y. C., Wei, C. Y., & Lin, J. H. // Fibers and Polymers. - 2022. - V. 23. - №. 3. -P. 768-774.

216. Pramanik, C., Nepal, D., Nathanson, M., Gissinger, J. R., Garley, A., Berry, R. J., ... & Heinz, H. (2018). Molecular engineering of interphases in polymer/carbon nanotube composites to reach the limits of mechanical performance. Composites Science and Technology, 166, 86-94.

217. Pramanik C. Molecular engineering of interphases in polymer/carbon nanotube composites to reach the limits of mechanical performance/ Pramanik C., Nepal D., Nathanson M., Gissinger J. R., Garley A., Berry R. J., Heinz, H. //Composites Science and Technology. - 2018. - V. 166. - P. 86-94.

218. Lu Y. Construction of 3D carbon fiber/carbon nanotube/silicone rubber nanocomposites for stretchable conductors through interface host-guest dendrimers/ Lu, Y., Wang, J., Wang, L., Zhao, D., Song, S. //Composites Science and Technology. - 2021. - V. 205. - P. 108692.

219. Huang F. Oxidized multiwall carbon nanotube/silicone foam composites with effective electromagnetic interference shielding and high gamma radiation stability/ Huang, F., Wang, Y., Wang, P., Ma, H. L., Chen, X., Cao, K., Zhai, M. //RSC advances. - 2018. - V. 8. - №. 43. - P. 24236-24242.

220. Wang X. Effect of porosity on mechanical properties of 3D printed polymers: Experiments and micromechanical modeling based on X-ray computed tomography analysis/ Wang X., Zhao L., Fuh J. Y. H., Lee H. P. //Polymers. - 2019. - V. 11. - №. 7. - P. 1154.

221. Vignoli L. L. Comparative analysis of micromechanical models for the elastic composite laminae/ Vignoli L. L., Savi M. A., Pacheco P. M., Kalamkarov A. L. //Composites Part B: Engineering. - 2019. - V. 174. - P. 106961.

222. Bek Y. K. Micromechanical model for polymeric nano-composites material based on SBFEM/ Bek, Y. K., Hamdia, K. M., Rabczuk, T., Konke, //Composite Structures. - 2018. - V. 194. -P. 516-526.

223. Chen Q. A stochastic micromechanical model for fiber-reinforced concrete using maximum entropy principle/ Chen Q., Zhu H., Ju J., Yan Z., Wang C., Jiang Z. //Acta Mechanica. - 2018. - V. 229. - №. 7. - P. 2719-2735.

224. Zare Y. Effect of contact resistance on the electrical conductivity of polymer graphene nanocomposites to optimize the biosensors detecting breast cancer cells/ Zare Y., Rhee K. Y. //Scientific Reports. - 2022. - V. 12. - №. 1. - P. 110.

225. Chanda A. Electrical conductivity of random and aligned nanocomposites: Theoretical models and experimental validation/ Chanda A., Sinha S. K., Datla N. V. //Composites Part A: Applied Science and Manufacturing. - 2021. - V. 149. - P. 106543.

226. Charitos I. Preparation, and thermomechanical characterization of metallocene linear low-density polyethylene/carbon nanotube nanocomposites/ Charitos I., Georgousis G., Kontou E. //Polymer Composites. - 2019. - V. 40. - №. S2. - P. E1263-E1273.

227. Haghgoo M., Hassanzadeh-Aghdam M. K., Ansari R. A comprehensive evaluation of piezoresistive response and percolation behavior of multiscale polymer-based nanocomposites //Composites Part A: Applied Science and Manufacturing. - 2020. - T. 130. - C. 105735.

228. Zare Y. Expression of characteristic tunneling distance to control the electrical conductivity of carbon nanotubes-reinforced nanocomposites/ Zare Y., Rhee K. Y. //Journal of Materials Research and Technology. - 2020. - V. 9. - №. 6. - P. 15996-16005.

229. Alharbi N. S. Efficient elimination of environmental pollutants through sorption-reduction and photocatalytic degradation using nanomaterials/ Alharbi N. S., Hu B., Hayat T., Rabah S. O., Alsaedi A., Zhuang L., Wang X. //Frontiers of Chemical Science and Engineering. - 2020. - V. 14. - №2. 6. - P. 1124-1135.

230. Chen X. Geotechnical stability analysis considering strain softening using micro-polar continuum finite element method/ Chen X., Wang D. Y., Tang J.

B., Ma W. C., Liu Y. //Journal of Central South University. - 2021. - V. 28. -№. 1. - P. 297-310.

231. Pandey V. B.. Creep crack simulations using continuum damage mechanics and extended finite element method/ Pandey V. B., Singh I. V., Mishra B. K., Ahmad S., Rao A. V., Kumar V. //International Journal of Damage Mechanics.

- 2019. - V. 28. - №. 1. - P. 3-34.

232. Lu M. An adaptive multiscale finite element method for strain localization analysis with the Cosserat continuum theory/ Lu, M., Zheng, Y., Du, J., Zhang, L., & Zhang, H. //European Journal of Mechanics-A/Solids. - 2022. - V. 92. -P. 104450.

233. Eltaher M. A.. Characterization and behaviors of single walled carbon nanotube by equivalent-continuum mechanics approach/ Eltaher, M. A., Almalki, T. A., Ahmed, K. I., & Almitani, K. H. //Advances in nano research.

- 2019. - V. 7. - №. 1. - P. 39.

234. Tang H. Simulation of strain localization with discrete element-Cosserat continuum finite element two scale method for granular materials/ Tang H., Dong Y., Wang T., Dong Y. //Journal of the Mechanics and Physics of Solids.

- 2019. - V. 122. - P. 450-471.

235. Bharadwaz A. Recent trends in the application of widely used natural and synthetic polymer nanocomposites in bone tissue regeneration/ Bharadwaz A., Jayasuriya A. C. //Materials Science and Engineering: C. - 2020. - V. 110. -P. 110698.

236. Li R. Novel image encryption algorithm based on improved logistic map/ Li R., Liu Q., Liu L. //IET Image Processing. - 2019. - V. 13. - №. 1.

- P. 125-134.

237. Dindarloo M. H. Vibration analysis of carbon nanotubes reinforced isotropic doubly-curved nanoshells using nonlocal elasticity theory based on a new higher order shear deformation theory/ Dindarloo M. H., Li L. //Composites Part B: Engineering. - 2019. - V. 175. - P. 107170.

238. Geuzaine C. Gmsh: A 3-D finite element mesh generator with built-in pre-and post-processing facilities/ Geuzaine C., Remacle J. F. // International journal for numerical methods in engineering. - 2009. - V. 79. - №. 11. - P. 1309-1331.

239. Lu X. Low electrical percolation thresholds and nonlinear effects in graphene-reinforced nanocomposites: a numerical analysis/ Lu X., Yvonnet J., Detrez F., Bai J. //Journal of Composite Materials. - 2018. - V. 52. - №. 20. -P. 2767-2775.

240. Sanchez-Romate X. F.. Electrical properties and strain sensing mechanisms in hybrid graphene nanoplatelet/carbon nanotube nanocomposites //Sensors. -2021. - V. 21. - №. 16. - P. 5530.

241. Gong S. Carbon nanotube agglomeration effect on piezoresistivity of polymer nanocomposites/ Gong S., Zhu Z. H., Meguid S. A. //Polymer. - 2014. - V. 55. - №. 21. - P. 5488-5499.

242. Esmaeili A. Piezoresistive characterization of epoxy based nanocomposites loaded with SWCNTs-DWCNTs in tensile and fracture tests/ Esmaeili A., Sbarufatti C., Jimenez-Suarez A., Urena A., Hamouda A. M. //Polymer Composites. - 2020. - V. 41. - №. 7. - P. 2598-2609.

243. Amjadi M. Stretchable, skin-mountable, and wearable strain sensors and their potential applications: a review/ Amjadi M., Kyung K. U., Park I., Sitti M. //Advanced Functional Materials. - 2016. - V. 26. - №. 11. - P. 1678-1698.

244. Reines F.Test of the Pauli exclusion principle for atomic electrons/ Reines F., Sobel H. W. //Physical Review Letters. - 1974. - V. 32. - №. 17. - P. 954.

245. Bernabei R. New search for processes violating the Pauli exclusion principle in sodium and in iodine/ Bernabei, R., Belli, P., Cappella, F., Cerulli, R., Dai, C. J., d'Angelo, A., Ye, Z. P. //The European Physical Journal C. - 2009. - V. 62. - №. 2. - P. 327-332.

246. Marinho B. Electrical conductivity of compacts of graphene, multi-wall carbon nanotubes, carbon black, and graphite powder/ Marinho B., Ghislandi M., Tkalya E., Koning C. E., de With, G. //Powder technology. - 2012. - V. 221. - P. 351-358.

247. Maximova O. Analytical calculation of dielectric permittivity tensor from magneto-optical ellipsometry measurements/ Maximova O., Ovchinnikov S., Lyaschenko S. //Journal of Physics A: Mathematical and Theoretical. - 2021. - V. 54. - №. 29. - P. 295201.

248. Feng A. Preparation and characterization of epoxy resin filled with Ti3C2Tx MXene nanosheets with excellent electric conductivity/ Feng A., Hou T., Jia Z., Zhang, Y., Zhang F., Wu G. //Nanomaterials. - 2020. - V. 10. - №. 1. - P. 162.

249. Lin Y. Epoxy thermoset resins with high pristine thermal conductivity/ Lin Y., Huang X., Chen J., Jiang P. //High Voltage. - 2017. - V. 2. - №. 3. - P. 139146.

250. Tran B. N. Influence of Polymer Matrix on Polymer/Graphene Oxide Nanocomposite Intrinsic Properties/ Tran B. N., Thickett S. C., Agarwal V., Zetterlund P. B //ACS Applied Polymer Materials. - 2021. - V. 3. - №. 10. -P. 5145-5154.

251. Klonos P. A. Effects of CNTs on thermal transitions, thermal diffusivity and electrical conductivity in nanocomposites: comparison between an amorphous

and a semicrystalline polymer matrix/ Klonos P. A., Tegopoulos S. N., Koutsiara C. S., Kontou E., Pissis P., Kyritsis A. //Soft Matter. - 2019. - V. 15.

- №. 8. - P. 1813-1824.

252. Ansari, S., Kelarakis, A., Estevez, L., & Giannelis, E. P. (2010). Oriented arrays of graphene in a polymer matrix by in situ reduction of graphite oxide nanosheets. Small, 6(2), 205-209.

253. Li Z. H. Effects of the porous structure on conductivity of nanocomposite polymer electrolyte for lithium ion batteries/ Li Z. H., Zhang H. P., Zhang P., Li G. C., Wu Y. P., Zhou X. D. //Journal of Membrane Science. - 2008. - V. 322. - №. 2. - P. 416-422.

254. Zare Y. Simplification and development of McLachlan model for electrical conductivity of polymer carbon nanotubes nanocomposites assuming the networking of interphase regions/ Zare Y., Rhee K. Y. //Composites Part B: Engineering. - 2019. - V. 156. - P. 64-71.

255. Zare Y. Interphase thickness and electrical conductivity of polymer carbon nanotube (CNT) nanocomposites assuming the interfacial conductivity between polymer matrix and nanoparticles/ Zare Y., Rhee K. Y. //Journal of Materials Science. - 2020. - V. 55. - №. 13. - P. 5402-5414.

256. Ates M. Carbon nanotube-based nanocomposites and their applications/ Ates M., Eker A. A., Eker B. //Journal of adhesion science and Technology. - 2017.

- V. 31. - №. 18. - P. 1977-1997.

257. Prasad B. Development of conductive nanocomposite for sensing application/ Prasad B., Panwar V., Chaturvedi M., Rathi V. S., Gill F. S., Sharma K., Patil P. P. //InternationalJournal of Engineeringand Technology. -2018. - V. 7. - №. 3.12. - P. 1025.

258. Xie X. L., Mai Y. W., Zhou X. P. Dispersion and alignment of carbon nanotubes in polymer matrix: a review/ Xie X. L., Mai Y. W., Zhou X. P. //Materials science and engineering: R: Reports. - 2005. - V. 49. - №. 4. - P. 89-112.

259. Wang M. Surface functionalization on the thermal conductivity of graphene-polymer nanocomposites/ Wang M., Galpaya D., Lai Z. B., Xu Y., Yan C. //International Journal of Smart and Nano Materials. - 2014. - V. 5. - №. 2. -P. 123-132.

260. Porz L. Conceptual framework for dislocation-modified conductivity in oxide ceramics deconvoluting mesoscopic structure, core, and space charge exemplified for SrTiO3/ Porz L., Fromling T., Nakamura A., Li N., Maruyama R., Matsunaga K, Rodel, J. //ACS nano. - 2020. - V. 15. - №. 6. - P. 93559367.

261. Yang X. I. A .Acceleration of the Jacobi iterative method by factors exceeding 100 using scheduled relaxation/ Yang X. I. A., Mittal R. //Journal of Computational Physics. - 2014. - V. 274. - P. 695-708.

262. Shen Z. H. Designing polymer nanocomposites with high energy density using machine learning/ Shen Z. H., Bao Z. W., Cheng X. X., Li B. W., Liu H. X., Shen Y., Nan C. W. //npj Computational Materials. - 2021. - V. 7. - №. 1. - P. 1-9.

263. Liu B. A stochastic multiscale method for the prediction of the thermal conductivity of Polymer nanocomposites through hybrid machine learning algorithms/ Liu B., Vu-Bac N., Rabczuk T. //Composite Structures. - 2021. -V. 273. - P. 114269.

264. Najjar I. M. R. Predicting the mechanical properties of Cu-Al2O3 nanocomposites using machine learning and finite element simulation of indentation experiments/ Najjar I. M. R., Sadoun A. M., Alsoruji G. S., Abd

Elaziz M., Wagih A //Ceramics International. - 2022. - V. 48. - №. 6. - P. 7748-7758.

265. Qiao C. Evaluation and development of deep neural networks for image super-resolution in optical microscopy/ Qiao C., Li D., Guo Y., Liu C., Jiang T., Dai Q., Li D. //Nature Methods. - 2021. - V. 18. - №. 2. - P. 194-202.

266. Bostan E. Deep phase decoder: self-calibrating phase microscopy with an untrained deep neural network/ Bostan E., Heckel R., Chen M., Kellman M., Waller L. //Optica. - 2020. - V. 7. - №. 6. - P. 559-562.

267. Borodinov N. Deep neural networks for understanding noisy data applied to physical property extraction in scanning probe microscopy/ Borodinov N., Neumayer S., Kalinin S. V., Ovchinnikova O. S., Vasudevan R. K., Jesse S. //npj Computational Materials. - 2019. - V. 5. - №. 1. - P. 1-8.

268. Xing F. Deep learning in microscopy image analysis: A survey/ Xing F., Xie Y., Su H., Liu F., Yang L. //IEEE transactions on neural networks and learning systems. - 2017. - V. 29. - №. 10. - P. 4550-4568.

269. Borhani N. Digital staining through the application of deep neural networks to multi-modal multi-photon microscopy/ Borhani, N., Bower, A. J., Boppart, S. A., & Psaltis, D. // Biomedical optics express. - 2019. - V. 10. - №. 3. - P. 1339-1350.

270. de Haan K. Deep-learning-based image reconstruction and enhancement in optical microscopy/ de Haan K., Rivenson Y., Wu Y., Ozcan A. //Proceedings of the IEEE. - 2019. - V. 108. - №. 1. - P. 30-50.

271. Mockl L. Accurate and rapid background estimation in single-molecule localization microscopy using the deep neural network BGnet/ Mockl L., Roy A. R., Petrov P. N., Moerner W. E. //Proceedings of the National Academy of Sciences. - 2020. - V. 117. - №. 1. - P. 60-67.

272. Trampert P. Deep neural networks for analysis of microscopy images— synthetic data generation and adaptive sampling/ Trampert P., Rubinstein D., Boughorbel F., Schlinkmann C., Luschkova M., Slusallek P., Sandfeld S. //Crystals. - 2021. - V. 11. - №. 3. - P. 258.

273. Wollmann T. Detnet: deep neural network for particle detection in fluorescence microscopy images/ Wollmann T., Ritter C., Dohrke J. N., Lee J. Y., Bartenschlager R., Rohr K. //2019 IEEE 16th International Symposium on Biomedical Imaging (ISBI 2019). -2019. - P. 517-520.

274. Hershey S. CNN architectures for large-scale audio classification/ Hershey S., Chaudhuri S., Ellis D. P., Gemmeke J. F., Jansen A., Moore R. C., Wilson K //2017 IEEE international conference on acoustics, speech and signal processing (ICASSP). -2017. - P. 131-135.

275. Wang J. Cnn-rnn: A unified framework for multi-label image classification/ Wang J., Yang Y., Mao J., Huang Z., Huang C., Xu W. //Proceedings of the IEEE conference on computer vision and pattern recognition. - 2016. - P. 22852294.

276. Phan H. Joint classification and prediction CNN framework for automatic sleep stage classification/ Phan H., Andreotti F., Cooray N., Chen O. Y., De Vos M. //IEEE Transactions on Biomedical Engineering. - 2018. - V. 66. - №. 5. - P. 1285-1296.

277. Phan H. Joint classification and prediction CNN framework for automatic sleep stage classification/ Phan H., Andreotti F., Cooray N., Chen O. Y., De Vos M. //IEEE Transactions on Biomedical Engineering. - 2018. - V. 66. -№. 5. - P. 1285-1296.

278. Zhang M. Diverse region-based CNN for hyperspectral image classification/ Zhang M., Li W., Du Q. //IEEE Transactions on Image Processing. - 2018. -V. 27. - №. 6. - P. 2623-2634.

279. Zheng Q. Improvement of generalization ability of deep CNN via implicit regularization in two-stage training process/ Zheng Q., Yang M., Yang J., Zhang Q., Zhang X. //IEEE Access. - 2018. - V. 6. - P. 15844-15869.

280. Brahim J. RNN-and CNN-based weed detection for crop improvement: An overview/ Brahim J., Loubna R., Noureddine //Foods and Raw materials. -

2021. - V. 9. - №. 2. - P. 387-396.

281. Kiymik E. Metamaterial Design with Nested-CNN and Prediction Improvement with Imputation/ Kiymik E., Ercelebi E. //Applied Sciences. -

2022. - V. 12. - №. 7. - P. 3436.

282. Bousias Alexakis E. Performance Improvement of Encoder/Decoder-Based CNN Architectures for Change Detection from Very High-Resolution Satellite Imagery/ Bousias Alexakis E., Armenakis C. //Canadian Journal of Remote Sensing. - 2021. - V. 47. - №. 2. - P. 309-336.

283. Hotta Y. Improvement of cell image analysis system based on CNN / Hotta Y., Yoshida T., Kajitani T., Oki M. //International Workshop on Advanced Imaging Technology (IWAIT). - 2022. - V. 12177. - P. 364-369.

284. Bharati P. Deep learning techniques—R-CNN to mask R-CNN: a survey/ Bharati P., Pramanik A. //Computational Intelligence in Pattern Recognition. -2020. - P. 657-668.

285. Du W. Approaches for improvement of the X-ray image defect detection of automobile casting aluminum parts based on deep learning/ Du W., Shen H., Fu, J., Zhang G., He Q. //NDT & E International. - 2019. - V. 107. - P. 102144.

286. Yamashita R. Convolutional neural networks: an overview and application in radiology/ Yamashita R., Nishio M., Do R. K. G., Togashi, K. //Insights into imaging. - 2018. - V. 9. - №. 4. - P. 611-629.

287. Kiranyaz S.. 1D convolutional neural networks and applications: A survey/ Kiranyaz S., Avci O., Abdeljaber O., Ince T., Gabbouj M., Inman D. J. //Mechanical systems and signal processing. - 2021. - V. 151. - P. 107398.

288. Lindsay G. W. Convolutional neural networks as a model of the visual system: Past, present, and future //Journal of cognitive neuroscience. - 2021. -V. 33. - №. 10. - P. 2017-2031.

289. Kattenborn T. Review on Convolutional Neural Networks (CNN) in vegetation remote sensing/ Kattenborn T., Leitloff J., Schiefer F., Hinz S. //ISPRS Journal of Photogrammetry and Remote Sensing. - 2021. - V. 173. -P. 24-49.

290. Zhang Q. Recent advances in convolutional neural network acceleration/ Zhang Q., Zhang M., Chen T., Sun Z., Ma Y., Yu, B. //Neurocomputing. -2019. - V. 323. - P. 37-51.

291. Kubera E. Detection and Recognition of Pollen Grains in Multilabel Microscopic Images/ Kubera, E., Kubik-Komar, A., Kurasinski, P., Piotrowska-Weryszko, K., Skrzypiec //Sensors. - 2022. - V. 22. - №. 7. - P. 2690.

292. Qi L. Proximal sensing of soil particle sizes using a microscope-based sensor and bag of visual words model/ Qi L., Adamchuk V., Huang H. H., Leclerc M., Jiang Y., Biswas A. //Geoderma. - 2019. - V. 351. - P. 144-152.

293. Kosov S. Environmental microorganism classification using conditional random fields and deep convolutional neural networks/ Kosov S., Shirahama K., Li C., Grzegorzek M. //Pattern recognition. - 2018. - V. 77. - P. 248-261.

294. Zaveri M. Recognizing magnification levels in microscopic snapshots/ Zaveri M., Kalra S., Babaie M., Shah S., Damskinos S., Kashani H., Tizhoosh H. R. //2020 42nd Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC). - 2020. - P. 1416-1419.

295. Okawa M. From BoVW to VLAD with KAZE features: Offline signature verification considering cognitive processes of forensic experts //Pattern Recognition Letters. - 2018. - V. 113. - P. 75-82.

296. Kiani Galoogahi H. Correlation filters with limited boundaries/ Kiani Galoogahi H., Sim T., Lucey S. //Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. - 2015. - P. 4630-4638.

297. Gomez-Sanchis J. Development of a hyperspectral computer vision system based on two liquid crystal tuneable filters for fruit inspection. Application to detect citrus fruits decay/ Gomez-Sanchis J., Lorente D., Soria-Olivas E., Aleixos N., Cubero S., Blasco J. //Food and bioprocess technology. - 2014. -V. 7. - №. 4. - P. 1047-1056.

298. Saha S. Design and implementation of embedded computer vision systems based on particle filters/ Saha S., Bambha N. K., Bhattacharyya S. S. //Computer Vision and Image Understanding. - 2010. - T. 114. - №. 11. - C. 1203-1214.

299. Qin S. F. On-line segmentation of freehand sketches by knowledge-based nonlinear thresholding operations/ Qin S. F., Wright D. K., Jordanov I. N. //Pattern Recognition. - 2001. - V. 34. - №. 10. - P. 1885-1893.

300. Yang X. Evaluation of biofilm image thresholding methods/ Yang X., Beyenal H., Harkin G., Lewandowski, Z. //Water research. - 2001. - V. 35. -№. 5. - P. 1149-1158.

301. Jansen M. Generalized cross validation for wavelet thresholding/ Jansen M., Malfait M., Bultheel A. //Signal processing. - 1997. - V. 56. - №. 1. - P. 3344.

302. Yen J. C. A new criterion for automatic multilevel thresholding/ Yen J. C., Chang F. J., Chang S. //IEEE Transactions on Image Processing. - 1995. - V. 4. - №. 3. - P. 370-378.

303. Sharma, A., Dutta, M. K., Singh, A., Parthasarathi, M., & Travieso, C. M. Dynamic thresholding technique for detection of hemorrhages in retinal images. In 2014 Seventh International Conference on Contemporary Computing (IC3) (pp. 113-116). IEEE.

304. Sharma A. Dynamic thresholding technique for detection of hemorrhages in retinal images/Sharma A., Dutta M. K., Singh A., Parthasarathi M., Travieso C. M. //2014 Seventh International Conference on Contemporary Computing (IC3). -2014. - P. 113-116.

305. Tournier J. D. MRtrix3: A fast, flexible and open software framework for medical image processing and visualisation/ Tournier J. D., Smith R., Raffelt D., Tabbara R., Dhollander T., Pietsch M., Connelly A. //Neuroimage. - 2019.

- V. 202. - P. 116137.

306. Wiley V. Computer vision and image processing: a paper review/ Wiley V., Lucas T. //International Journal of Artificial Intelligence Research. - 2018. -V. 2. - №. 1. - P. 29-36.

307. Abdulrahman A. A., Rasheed M., Shihab S. The Analytic of image processing smoothing spaces using wavelet/ Abdulrahman A. A., Rasheed M., Shihab S. //Journal of Physics: Conference Series. - IOP Publishing -2021. -V. 1879. - №. 2. - P. 022118.

308. Naranjo-Torres J. A review of convolutional neural network applied to fruit image processing/ Naranjo-Torres J., Mora M., Hernandez-Garcia R., Barrientos R. J., Fredes C., Valenzuela A. //Applied Sciences. - 2020. - V. 10.

- №. 10. - P. 3443.

309. Mikolajczyk T. Predicting tool life in turning operations using neural networks and image processing/ Mikolajczyk T., Nowicki K., Bustillo A., Pimenov D. Y. //Mechanical systems and signal processing. - 2018. - V. 104.

- P. 503-513.

310. Pelt D. M. A mixed-scale dense convolutional neural network for image analysis/ Pelt D. M., Sethian J. A.// Proceedings of the National Academy of Sciences. -2018. -V.115(2). -P. 254-259.

311. Ponce J. M. Olive-fruit variety classification by means of image processing and convolutional neural networks/ Ponce J. M., Aquino A., Andujar J. M. //IEEE Access. - 2019. - V. 7. - P. 147629-147641.

312. Wen J. Convolutional neural networks for classification of Alzheimer's disease: Overview and reproducible evaluation/ Wen J., Thibeau-Sutre E., Diaz-Melo M., Samper-Gonzalez J., Routier A., Bottani S., Alzheimer's //Medical image analysis. - 2020. - V. 63. - P. 101694.

313. Lou S. Characterisation methods for powder bed fusion processed surface topography/ Lou S., Jiang X., Sun W., Zeng W., Pagani L., Scott P. J. //Precision Engineering. - 2019. - V. 57. - P. 1-15.

314. Benhamza K. Canny edge detector improvement using an intelligent ants routing/ Benhamza K., Seridi H. //Evolving Systems. - 2021. - V. 12. - №. 2.

- P. 397-406.

315. Zhang B. A Multispectral Image Edge Detection Algorithm Based on Improved Canny Operator/Zhang B., Wang F., Li G., Zhang C., Zhang C. //International Conference in Communications, Signal Processing, and Systems.

- 2019. - P. 1298-1307.

316. Orujov F. Fuzzy based image edge detection algorithm for blood vessel detection in retinal images/ Orujov F., Maskeliunas R., Damasevicius R., Wei W. //Applied Soft Computing. - 2020. - V. 94. - P. 106452.

317. Nhat-Duc H. Automatic recognition of asphalt pavement cracks using metaheuristic optimized edge detection algorithms and convolution neural network/ Nhat-Duc H., Nguyen Q. L., Tran V. D. //Automation in Construction. - 2018. - V. 94. - P. 203-213.

318. Liu Y. Semantic edge detection with diverse deep supervision/ Liu Y., Cheng M. M., Fan D. P., Zhang L., Bian J. W., Tao, D. //International Journal of Computer Vision. - 2022. - V. 130. - №. 1. - P. 179-198.

319. Dorafshan S. Comparison of deep convolutional neural networks and edge detectors for image-based crack detection in concrete/ Dorafshan S., Thomas R. J., Maguire M. //Construction and Building Materials. - 2018. - V. 186. - P. 1031-1045.

320. Mittal M. . An efficient edge detection approach to provide better edge connectivity for image analysis/ Mittal M., Verma A., Kaur I., Kaur B., Sharma, M., Goyal L. M., Kim T. H. //IEEE access. - 2019. - V. 7. - P. 33240-33255.

321. Yan B. Recognition and evaluation of corrosion profile via pulse-modulation eddy current inspection in conjunction with improved Canny algorithm/ Yan B., Li Y., Ren S., Abidin I. M. Z., Chen Z., Wang Y //NDT & E International. -2019. - V. 106. - P. 18-28.

322. Halilu A. S. Signal recovery with convex constrained nonlinear monotone equations through conjugate gradient hybrid approach/ Halilu A. S., Majumder A., Waziri M. Y., Ahmed K. //Mathematics and Computers in Simulation. -2021. - V. 187. - P. 520-539.

323. Holla Kayyar S. Non-local total variation regularization approach for image restoration under a Poisson degradation/ Holla Kayyar S., Jidesh P. //Journal of Modern Optics. - 2018. - V. 65. - №. 19. - P. 2231-2242.

324. Wang X. Detection and localization of image forgeries using improved mask regional convolutional neural network/ Wang X., Wang H., Niu S., Zhang J. //Mathematical Biosciences and Engineering. - 2019. - V. 16. - №. 5. - P. 45814593.

325. Papp D. Double probability model for open set problem at image classification/Papp D., Szucs G. //Informatica. - 2018. - V. 29. - №. 2. - P. 353-369.

326. Mai Z. Online continual learning in image classification: An empirical survey/ Mai Z., Li R., Jeong J., Quispe D., Kim H., Sanner S. //Neurocomputing. - 2022. - V. 469. - P. 28-51.

327. Kuang H. Multi-class fruit detection based on image region selection and improved object proposals/ Kuang H., Liu C., Chan L. L. H., Yan, H. //Neurocomputing. - 2018. - V. 283. - P. 241-255.

328. Liu X. Polarimetric convolutional network for PolSAR image classification/ Liu X., Jiao L., Tang X., Sun Q., Zhang D. //IEEE Transactions on Geoscience and Remote Sensing. - 2018. - V. 57. - №. 5. - P. 3040-3054.

329. Wang B. Interpreting deep convolutional neural network classification results indirectly through the preprocessing feature fusion method in ship image classification/ Wang B., Huang C., Tao J., Luo, J. //Journal of Applied Remote Sensing. - 2020. - V. 14. - №. 1. - P. 016510.

330. Sunitha T. Novel content based medical image retrieval based on BoVW classification method/ Sunitha T., Sivarani T. S. //Biomedical Signal Processing and Control. - 2022. - V. 77. - P. 103678.

331. Guan Q. Deep convolutional neural network VGG-16 model for differential diagnosing of papillary thyroid carcinomas in cytological images: a pilot study/ Guan Q., Wang Y., Ping B., Li D., Du J., Qin Y., Xiang J. //Journal of Cancer.

- 2019. - V. 10. - №. 20. - P. 4876.

332. Wen L. A transfer convolutional neural network for fault diagnosis based on ResNet-50/ Wen L., Li X., Gao L. //Neural Computing and Applications. -2020. - V. 32. - №. 10. - P. 6111-6124.

333. Zhang E.. Fusion of 2D CNN and 3D DenseNet for dynamic gesture recognition/Zhang E., Xue B., Cao F., Duan J., Lin G., Lei Y //Electronics. -2019. - V. 8. - №. 12. - P. 1511.

334. Koonce B. EfficientNet //Convolutional Neural Networks With Swift for Tensorflow. - Apress, Berkeley. -2021. - P. 109-123.

335. Palik E. D. Handbook of optical constants of solids / E. D. Palik // Academic Press, San Diego. -1997. - 999 p.

336. Pravitasari A. A. UNet-VGG16 with transfer learning for MRI-based brain tumor segmentation //Telkomnika (Telecommunication Computing Electronics and Control). - 2020. - V. 18. - №. 3. - P. 1310-1318.

337. Khan A. H.. BAS-ADAM: an ADAM based approach to improve the performance of beetle antennae search optimizer/ Khan A. H., Cao X., Li S., Katsikis V. N., Liao L. //IEEE/CAA Journal of Automatica Sinica. - 2020. -V. 7. - №. 2. - P. 461-471.

338. Khaire U. M. High-dimensional microarray dataset classification using an improved adam optimizer (iAdam)/ Khaire U. M., Dhanalakshmi R. //Journal of Ambient Intelligence and Humanized Computing. - 2020. - T. 11. - №. 11.

- C. 5187-5204.

339. Wen L. A transfer convolutional neural network for fault diagnosis based on ResNet-50/ Wen L., Li X., Gao L. //Neural Computing and Applications. -2020. - V. 32. - №. 10. - P. 6111-6124.

340. Li B. Facial expression recognition via ResNet-50/ Li B., Lima D. //International Journal of Cognitive Computing in Engineering. - 2021. - V. 2. - P. 57-64.

341. Fulton L. V. Classification of Alzheimer's disease with and without imagery using gradient boosted machines and ResNet-50/ Fulton L. V., Dolezel D., Harrop J., Yan Y., Fulton C. P //Brain sciences. - 2019. - V. 9. - №№. 9. - P. 212.

342. Curran B. Accurate New Zealand Wildlife Image Classification-Deep Learning Approach/ Curran B., Nekooei S. M., Chen G. //Australasian Joint Conference on Artificial Intelligence. - Springer, Cham. - 2022. - P. 632-644.

343. База данных показателей преломления -URL: https://refractiveindex.info/ (дата обращения 26.05.2022).

344. Sicari S. Security & privacy issues and challenges in NoSQL databases/ Sicari S., Rizzardi A., Coen-Porisini A. // Computer Networks. - 2022. - P. 108828.

345. Abed A. H. Big Data with Column Oriented NOSQL Database to Overcome the Drawbacks of Relational Databases //Int. J. Advanced Networking and Applications. - 2020. - V. 11. - №. 05. - P. 4423-4428.

346. Pokorny J. Integration of relational and NoSQL databases //Vietnam Journal of Computer Science. - 2019. - V. 6. - №. 04. - P. 389-405.

347. Zeydan E. Recent Advances in Data Engineering for Networking/ Zeydan E., Mangue s-Bafalluy J. //IEEE Access. - 2022. -V. 10. -P.34449 - 34496.

348. Kim Y. S. A software reliability model with dependent failure and optimal release time //Symmetry. - 2022. - V. 14. - №. 2. - P. 343.

349. Hanagal D. D. Literature Survey in Software Reliability Growth Models/ Hanagal D. D., Bhalerao N. N. //Software Reliability Growth Models. - 2021. - P. 13-26.

350. Dhavakumar P. An efficient parameter optimization of software reliability growth model by using chaotic grey wolf optimization algorithm/ Dhavakumar P., Gopalan N. P. //Journal of Ambient Intelligence and Humanized Computing. - 2021. - V. 12. - №. 2. - P. 3177-3188.

ПРИЛОЖЕНИЯ

ОБЩЕСТВО f.: ОГРАНИЧЕННОЙ ОТВЕТ'СИ lil lili ОСТЬЮ

«ЖД-ГАРАМ 3