ЖИДКИЕ КРИСТАЛЛЫ И ИХ ПРАКТИЧЕСКОЕ ИСПОЛЬЗОВАНИЕ

Исследованы индуцированные ультрафиолетовым излучением переходы в изотропную фазу нематического жидкого кристалла с внедренными в него молекулами азохромофоров протяженной и разветвленной структур. Время существования изотропной фазы по окончании действия ультрафиолетового излучения (УФ) определяется его экспозицией. Оно больше для жидкого кристалла с внедренным азохромофором разветвленной структуры, чем для системы с азохромофором протяженной структуры (1300 и 280 с, соответственно).

В статье исследуется вклад поляризации пространственного заряда в комплексный нелинейный спектр диэлектрической проницаемости нематического жидкого кристалла (ЖК). Используя модель, основанную на системе уравнений Пуассона - Нернста - Планка (ПНП), был численно исследован процесс электромиграции примесных ионов под действием электрического поля. Результаты моделирования показывают, что при низких частотах (<10 Гц) и высоких приложенных электрических напряжениях (превышающих тепловое электрическое напряжение) происходит перераспределение ионов в области около электродов, что приводит к появлению нечетных гармоник в комплексном диэлектрическом спектре ЖК ячейки. Полученные данные могут быть использованы для идентификации низкочастотных релаксационных процессов в ЖК.

Панорамная визуализация потока или теплоотдачи на поверхностных моделях является эффективным и информативным методом исследования направления в пограничном слое. Вследствие развития цифровых и технических возможностей научные исследования все более основаны на анализе больших данных с помощью искусственного интеллекта (ИИ). Насколько оправдано применение тех или иных методов ИИ в каждой конкретной задаче, пока открытый вопрос. Цель работы - обзор результатов применения нейронных сетей (НС) и машинного обучения для решения задач диагностики течений с помощью ЖК. А именно, для измерения полей температуры, тепловых потоков и векторов касательного напряжения внешнего трения. Кроме этого, актуальными задачами являются измерение физической характеристики ЖК и получение новых ЖК-смесей. Обсуждаются возможности и ограничения, области применения и перспективы нейросетевого подключения. А также программные средства для его реализации. Анализ литературных данных показал, что применение НС и глубокого машинного обучения для аппроксимации калибровочных зависимостей температуры и касательного напряжения от многофакторного оптического отклика ЖК позволяет получить точность, сравнимую с пределом контрольной выборки.