Гидрогели представляют собой трехмерные полимерные сетки, в которых узлами выступают химические или физические сшивки между макромолекулами. В настоящее время гидрогели на основе полиакриламида являются перспективными материалами для изготовления тканеимитирующих фантомов мягких биологических тканей. Ключевое преимущество таких гидрогелей — возможность регулирования их механических свойств за счет варьирования концентрации сшивателя, т. е. числа сшивок, что позволяет имитировать характеристики различных органов и тканей. Однако подбор концентрации сшивателя для создания фантомов с заданными характеристиками представляет собой сложную задачу, требующую значительных временных и вычислительных ресурсов. Алгоритмы машинного обучения могут определять корреляцию между концентрацией сшивки и параметрами упругости полученного гидрогеля. На основе двух алгоритмов “случайный лес” реализована модель машинного обучения, способная прогнозировать механические свойства тканеимитирующих фантомов. Алгоритмы обучены на основе синтетических данных, полученных в результате проведения численных экспериментов на индентирование в лицензионном программном обеспечении для конечно-элементного анализа ANSYS Workbench (Ansys Inc., США), с применением как линейно-упругой модели поведения материала, так и гиперупругих неогуковской модели и модели Муни — Ривлина, а также на данных натурных экспериментов. Предсказания валидированы с помощью тестовых данных, составивших 30 % всего массива данных и не использованных в обучении алгоритмов, а также на результатах натурных экспериментов Работа выполнена в рамках государственного задания НИЦ “Курчатовский институт”