Сорока артем: Артем Сорока Дом2 - фото, биография, видео, рост, вес и дата рождения

Содержание

Артем Сорока Дом2 — фото, биография, видео, рост, вес и дата рождения

Дата рождения: 11 Января 1990 года

Возраст: 31 год

Город: Молодечно

Пришел на проект 15 Января 2018 года

На проекте 1370 дней

Участник телепроекта Дом 2

Артем Сорока родился в городе Молодечно под Минском, Белорусь. Артем учился в общеобразовательной школе, рос общительным и всесторонне развитым ребенком. С ранних лет занимался бальными танцами и впервые оказался на сцене в шестилетнем возрасте.

По окончании школы парень поступил в Белорусскую государственную академию искусств на заочное отделение, где получил диплом режиссера. Во время обучения подрабатывал в качестве организатора и ведущего торжественных мероприятий, пробовал себя в роли ди-джея и музыканта.

Поначалу Артем не задумывался о творческой карьере и занимался организацией мероприятий. Идея зарабатывать на собственных выступлениях пришла Сороке в голову на вечеринке R’n’B Party, где ему поневоле пришлось примерить на себя роль артиста разговорного жанра. Яркого и харизматичного ведущего заметили нужные люди и стали приглашать на различные торжества.

В конце 2014 года Артем написал первую песню «Мне так легко» и стал серьезно заниматься вокалом. В 2015 году биография Артема пополнилась новой страницей: добившись популярности в родном городе, парень перебрался в столицу. В Минске продолжал работать ведущим и вскоре стал самым востребованным шоуменом Беларуси. В том же году совместно с режиссером Андреем Левковичем Артем снял клип на песню «Мне так легко» и презентовал свое творчество. К 2016 году дискография парня пополнилась тремя композициями в жанре прогрессив-хаус.

Вместе с молодым музыкантом Кириллом Гудом, финалистом отбора на «Евровидение 2018», Артем записал песню «Единицы и нули». Собрав группу из вокалиста, гитариста и ди-джея, Сорока отправился на гастроли по Беларуси. Его треки «Дай мне огня», «Это все она» и «Ты моя бэйба» стали хитами 2017 года. Вплоть до 2018 года Артем Сорока участвовал в юмористических телепередачах, снимался в рекламе и в сериалах.

В личной жизни Артем не отличается постоянством. Парень признался, что до проекта ему удалось построить серьезные отношения только с одной девушкой. Пара прожила вместе два года, после чего рассталась. Имя бывшей возлюбленной Сорока предпочел оставить в секрете. Официальной причиной разрыва была нехватка времени: девушка Артема считала, что парень уделяет ей недостаточно внимания.

В январе 2018 года Артем Сорока пришел на проект Дом 2. На телестройку Артем отправился, задавшись целью «открыть глаза людям, которые забыли, что такое дружба и любовь». Вторым, менее благородным намерением парня было покорение сердца красавицы Марго Овсянниковой, которая в тот момент оказалась не свободна. Справедливый отказ не смутил Сороку, поэтому молодой человек подался на Сейшельские острова вслед за объектом своих воздыханий.

В июле 2018 года Марго и Артем объявили себя парой, молодые люди признались друг другу в любви после того, как провели вместе выходной. Марго и Артем вместе с другими участниками Дома 2 отправились в клуб, где всячески оказывали друг другу знаки внимания, а затем во время танца начали целоваться. Уже на следующий день молодые люди заселились в отдельную комнату, а через неделю стали говорить о детях.

Уже через две недели Сорока сделал своей избраннице предложение. Это произошло 5 августа во время еженедельного шоу «Пламя любви». Парень встал на одно колено, преподнес возлюбленной роскошный букет белых роз, достал кольцо и попросил Марго стать его женой.

22-летняя девушка не ожидала такого поворота событий, но ответила согласием.

Однако идиллия долго не продолжалась. Через три недели после помолвки Маргарита и Артем расстались. Более того, девушка призналась, что избранник поднимал на нее руку и назвала Сороку «маньяком и садистом».

В январе Сорока симпатизировал художнице из Липецка Елене Хроминой. Потерпев неудачу с соотечественницей, Артем обратил внимание на Александру Шеву. Новоиспеченные возлюбленные объявили себя парой, но попытка сойтись закончилась печально. Артем и Саша расстались с громким скандалом, после того как парень ударил девушку по лицу во время ссоры.

Инцидент с Шевой вынудил зрителей подозревать Сороку в женоненавистничестве. Последующие отношения Артема с Дарьей Друзьяк закрепили за скандалистом эту нелестную характеристику: в отместку за явно навязанную режиссерами «любовь» парень открыто издевался над новой подругой, пока девушка не сдалась.

В итоге на проекте Артем обзавелся репутацией провокатора и бунтаря, из-за чего многие девушки избегали его общества. Сексистские выражения Сороки тоже не прибавляли белорусу привлекательности в глазах представительниц прекрасного пола. Неприязнь участников как реакция на вызывающее поведение продолжала преследовать Артема, но парня нисколько не волновала сложившаяся ситуация.

Также Артема неоднократно упрекали в переигрывании, поэтому реальное отношение мужчины к женщинам до сих пор остается загадкой. Поведение Сороки сложно предугадать: сегодня он поет песни у костра, завтра раздевается догола в честь ведущей Ольги Орловой, послезавтра набивается в бойфренды на одну ночь к пышке Саше Черно.

Ухаживая за другими, Артем не забывал о причине своего появления на проекте и периодически искал общества Марго, но девушка была неприступна. Тогда Сорока переключился на Ирину Пинчук, которая приехала к Роману Гриценко. Восхищенный парень посвятил новой участнице песню «Искра», но Ирина не отвечала взаимностью. Чтобы устранить конкурента, Артем спровоцировал Романа на драку в прямом эфире, но отношений с Пинчук у него так и не получилось.

На Острове любви Артем попытался создать союз с Еленой Барановой. Отношения этой парочки стали развиваться настолько стремительно, что уже через пару дней они заселились в отдельную комнату, предварительно побывав в отеле без камер, где случилось первое «волшебство». Поклонники Дома 2 пророчили Артему Сороке счастливой будущее на проекте с Леночкой, да только интересной парочки из них не получилось. Молодые люди несколько недель ссорились, даже дрались, пока в один прекрасный момент Лена не сбежала на Поляну. Но, изменив прическу и цвет волос, девушка не избавилась от привязанности к Артему, поэтому целыми днями плакала и просилась обратно на Остров любви, чтобы быть рядом с избранником. В это же время она поцеловалась на Поляне с другим парнем, что послужило поводом Сороке окончательно откреститься и отказать от этой девушки. Но Баранова не сдалась и даже после ухода с проекта Дом 2 она летала в Минск, чтобы встретить Новый год вместе с парнем, но Артем категорически отказался общаться с Леной во время вечеринки в клубе.

На мужчину обратила свое внимание скандальная блондинка Яна Шевцова, которая в первую же встречу станцевала для Артема стриптиз. Строить с этой дамочкой отношения Артем отказался, а вот воспользоваться её скандальной славой он поспешил тут же. Сорока, который просто обожает хайп, но не любит отвечать за оскорбления и всевозможного рода нападки, записал несколько дерзких роликов, вызывая Гуфа, бывшего Шевцовой, на баттл.

Вместе с другим участником Дома 2 аккордеонистом Виталием Воронко Сорока отправил заявку на отборочный тур конкурса «Евровидение-2019» от родной страны. Музыканты съездили в Минск, где выступили на отборочном туре перед профессиональным жюри, однако не попали даже в 10-ку лучших исполнителей.

Участие в Доме 2 дает Артему перспективу карьерного роста в качестве певца и шоумена, поэтому он использует все возможно для развития своего творчества. И вот Сорока таки дождался поставленной цели. На музыкальном канале ТНТ крутят его клип на песню «Дыхание», премьера которого состоялась 7 марта.

Страница Артема Сороки Вконтакте: https://vk.com/tem_soroka
Страница Артемо Сороки в Twitter: https://twitter.com/Raimond_briss
Страница Артема Сороки в Periscope: https://www.periscope.tv/raimond_briss

Страница Артема Сороки в Instagram: https://www.instagram.com/artem_soroka/

Артем Сорока Дом 2 — Читайте последние новости!

Дата рождения: 11 Января 1990 года

Возраст: 31 год

Город: Молодечно

Пришел на проект 15 Января 2018 года

Артем Сорока никогда не скрывал, что пришел на Дом 2 вовсе не в поисках любви. Невероятно амбициозный и хитрый белорусский парень очень хотел заявить о себе как о талантливом… 03.06.2020
После скандала с Марией Кохно про Елену Хромину почти ничего не было слышно. Бывшая участница Дома 2, опрометчиво бросила несколько обвинений в адрес героинь телестройки… 02.03.2020
Почти 2 года Артем Сорока является участником реалити-шоу, что не так уж и много, если учесть, что некоторые персонажи сидят на съемочной площадке больше 5 лет и даже не. .. 01.12.2019
На Доме 2 полным ходом идет конкурс «Человек года», и многие ребята отчаянно борются за возможность пройти в следующий тур, чтобы хоть немного приблизиться к заветному призу. Но… 12.11.2019
Креативные редакторы делают все, чтобы интерес зрителя к долгоиграющему проекту продолжал расти, и старые методы, приносящие еще 5-10 лет назад колоссальные… 22.10.2019
Из-за последних событий, которые произошли на мальчишники Шабарина, жители Поляны несколько позабыли о том, что стартовал конкурс «Человек года». Каждое воскресенье ребята… 20.10.2019
Никогда Артем Сорока не скрывал, что прибыл на Дом 2 не для поиска второй половинки, а когда орги его испытали и убедились, что парень ради карьеры музыканта действительно готов на все… 08.10.2019
Создатели Дома 2 учли прежние ошибки, поэтому уже без страха запустили съемки нового шоу «Яхта любви», но на этот раз вряд ли позволят… 21.09. 2019
Продюсеры Дома 2 продолжают день и ночь думать о том, чтобы ТНТ транслировал только их контент, ведь им мало, что ежедневно выходит 6 эфиров с популярными… 19.09.2019
4 месяца назад на телетройке появилась яркая и дерзкая Анастасия Голд, мечтающая покорить сердце Валерия Блюменкранца. Но эта история долго не продлилась, так как мужчине нравится определенный типаж… 06.09.2019
Никто не верил, что Алексей Кудряшов сумеет позабыть Анастасию Балинскую и отказаться от девушки, которая его не только беззаветно любит, но и содержит, позволяя грезить о жизни в Китае, при этом ничего… 06. 09.2019
Съемки проекта «Яхта любви» еще не начались, однако слухов о нем ходит предостаточно. Уже известно, что Валерия Фрост на этот раз не будет в роли ведущей, так как она то ли сама отказалась от сотрудничества… 03.09.2019
Андрей Черкасов на Острова любви заявил Анастасии Голд, что она постоянно грузит своего парня, Артёма Сороку. По мнению ведущего Настя вносит разлад в их отношения тем, что ходит вечно с недовольным лицом… 30. 07.2019
Артём Сорока медленно, но верно продолжает продвигаться вверх по музыкальному Олимпу. Накануне свет увидел клип участника на песню «Дай мне огня», съёмки которого прошли около полугода назад на Сейшелах… 27.07.2019
Раньше Сороку обсуждали в контексте его агрессивного поведения, а теперь Артема обвиняют в инертности. На ток-шоу Бородина против Бузовой Ксения Бородина заявила, что Влад Кадони поощряет поведение Артема… 17. 07.2019
Вчера нам удалось выяснить, что Остров любви покинул Мондезир Свет-Амур, которого в Москве с нетерпением ожидает Юлия Ефременкова. Вместе с ним улетели Захар Саленко и Яна Шафеева, отношения которых..… 04.07.2019
У Сороки гастроли, он улетает в Минск, а его девушка Настя остается на Острове любви, но ребята решили, что расставаться им не с руки, они сохранят статус пары и не позволят себе лишнего во время разлуки… 26. 06.2019
Еще несколько недель назад Анастасия Голд лила слезы и не могла понять, что от нее хотят участники, ведущие и редакторы, ведь чтобы она не сделала, ее только ругали и обвиняли в неискренности… 25.06.2019
Артем Сорока уже много месяцев даже не пытался скрыть, что ему не нужна на Доме 2 партнерша, не заботит его и то, что необходимо хотя бы формально выполнять правила реалити-шоу, ведь… 24.06.2019
Юлию Ефременкову никогда не считали хорошей ведущей, но с момента ее назначения прошло уже достаточно времени, поэтому от бывшей участницы ждут хотя бы каких-то изменений. .. 21.06.2019

Артем Сорока Дом 2 — Читайте последние новости!

Читайте последние новости — Артем Сорока Дом 2 на сегодня. Артем Сорока свежие слухи и сплетни из Дома 2.

Сорока Артем Дом 2 — биография, инстаграм, фото, видео, вк, рост, вес

Биография

Артем Сорока был рожден 11 января 1990 года в городе Молодечно, Минская область. По знаку зодиака – козерог, по китайскому календарю – собака.

Все детство Артема прошло в родном городе, он учился в обычной школе, был общительным, рядом с ним всегда было много друзей. С юношеского возраста Сорока полюбил музыку, занимался бальными танцами. Первый раз вышел на сцену в возрасте 6 лет.

После окончания школы молодой человек поступает в университет на театральное отделение по специальности режиссер. Сдать вступительные экзамены Артему не составило труда, поскольку он любил выступать перед людьми, часто участвовал в различных постановках и представлениях.

Еще во время обучения в высшем учебном заведении Сорока подрабатывал ведущим на различных мероприятиях, пробовал себя в качестве ди-джея, начал писать песни. После получения диплома Артем прочно закрепился в роли ведущего, однако, его популярность выросла, его приглашают не только частные лица, но и большие компании.

Артем проживал в родном городе до 2015 года, после переехал в Минск. Именно в столице Белоруссии молодой человек организовал музыкальную группу, которая состоит из ди-джея, гитариста и вокалиста. Сорока пишет слова и музыку, с песнями собственного сочинения группа гастролирует по Белоруссии.

Также Артем Сорока участвует в различных юмористических передачах, снимается в сериал, рекламирует товары некоторых компаний.

Отношения до проекта

Артем Сорока признается, что у него были всего одни серьезные отношения. Со своей возлюбленной они прожили 2 года, после чего пара рассталась. Несмотря на теплые чувства, девушка ушла от парня, объяснив это тем, что он мало уделяет ей внимания, постоянно находится на работе, отдыхает на вечеринках.
После расставания Артем не спешил строить новые отношения, хотя поклонниц у него было достаточно много. Он полностью посвятил себя работе и творчеству. Артем Сорока планирует записать собственный альбом и снять клипы.

Приход на проект

Артем Сорока пришел на телевизионное шоу 2 15 января 2018 года. Молодой человек сразу же выразил симпатию к Марго Овсянниковой, несмотря на то, что она находится в отношениях с Саймоном Марданшиным. Сорока спел Овсянниковой песню собственного сочинения, но девушка не оценила старания парня, дала понять, что у него нет шансов. Однако, пригласила к себе на остров любви.

К тому же Сорока заявил, что покажет как нужно строить настоящую любовь, какой должны быть дружба и просто отношения людей. Яркий приход молодого человека оценили телезрители, у него появилось много подписчиков в инстаграме.

На Сейшелах Артем сблизился в общении с Еленой Хроминой. Он отметил, что она достаточно яркая и творческая личность. Сначала Хромина отвечала взаимностью парня, но потом раскусила его постановочное поведение, дала молодому человеку отворот.

Сорока снова остался в статусе одиночки. Сейчас он находится на Сейшельских островах, периодически является жилеткой для Марго Овсянниковой, которая рассказывает ему переживания во время скандалов с Саймоном Марданшиным. Артем надеется, что девушка обратит внимание на него, расстанется с Марданшиным. Но Марго твердо заявляет, что шансов у Сороки нет.

На проекте Артем вызывает опасения у девушек, никто не спешит строить с ним отношения, поскольку считают его поведение постановочным. К тому же представительниц прекрасного пола смущает слишком большая волосатость на его теле.

Артем Сорока сочинил песню, которую исполнил Роман Гриценко в прямом эфире для Ольги Бузовой.

✅ ИП СОРОКА АРТЕМ АЛЕКСАНДРОВИЧ, 🏙 Находка (OГРН 304250814700040, ИНН 250809499408) — 📄 реквизиты, 📞 контакты, ⭐ рейтинг

Последствия пандемии

В полной версии сервиса доступна вся информация по компаниям, которых коснулись последствия пандемии коронавируса: данные об ограничениях работы и о программе помощи от государства тем отраслям, которые испытывают падение спроса

Получить доступ

Краткая справка

ИП СОРОКА АРТЕМ АЛЕКСАНДРОВИЧ было зарегистрировано 11 марта 2003 (существовало 1 год) под ИНН 250809499408 и ОГРНИП 304250814700040. Местонахождение Приморский край, город Находка. Телефон, адрес электронной почты, адрес официального сайта и другие контактные данные ИП СОРОКА АРТЕМ АЛЕКСАНДРОВИЧ отсутствуют в ЕГРИП. Ликвидировано 27 мая 2004.

Информация на сайте предоставлена из официальных открытых государственных источников.

Контакты ИП СОРОКА АРТЕМ АЛЕКСАНДРОВИЧ

Местонахождение

Россия, Приморский край, город Находка

Зарегистрирован 11 марта 2003

Перейти ко всем адресам

Телефоны

—

Электронная почта

—

Артём Сорока — Ведущий, Музыкант, Артист.

Хотим сказать большое спасибо Артему за проведение нашей свадьбы . Все было на уровне! Мы очень рады, что выбрали именно Артема. А в каком восторге были наши гости,это просто не передать словами. Программу не знал ни один присутствующий гость из 130 приглашённых! Лозунг наших гостей — это была самая крутая свадьба , и конечно же это заслуга ведущего. Если вы выберете Артема на свое торжество, вы ни одного разу об этом не пожалеете. Что касается гонорара который он берет, то поверьте он этих денег стоит! Спасибо.
Ольга и Николай
Артем, спасибо Вам огромное за проведение нашего праздника! Понравилось всем, и все оценили профессионализм, с которым Вы подошли к делу. Весело, интересно, трогательно, только позитивные эмоции и воспоминания. Все по делу и к месту, отличный вкус, Вы действительно очень талантливый ведущий) Мы в восторге!
Татьяна
Хочу выразить благодарность за суперски проведенную нашу свадьбу!! Очень харизматичный, креативный и веселый ведущий! В восторге были все) и второй день проходил с разговорами о нашем ведущем! Замечательные конкурсы , веселые шутки и заряд энергии от Артема передался всем гостям! Праздники с Артемом проходят на одном дыхании и оставляют незабываемые эмоции! Артем — Вы самый лучший ведущий! Спасибо за прекрасное настроение на нашем празднике!
Павел
Спасибо огромное Артему за то, что наша свадьба была такая веселая и интересная! Все гости были в восторге от ведущего и почти каждый нам на след день это сказал. Залог веселого праздника — это весёлый, профессиональный, грамотный ведущий- и это все про Артема! Всем рекомендую такого замечательного ведущего!
Дмитрий и Анастасия
Артем ,спасибо ,что сделал нам праздник!!! Это было круто и незабываемо! Я бы ещё раз побывала на своей свадьбе с таким ведущем !! Всем советую,не пожалеете )))
Ирина и Алексей
Спасибо Артему за отличную свадьбу. Вечер пролетел незаметно. Тайминг, шутки, конкурсы — все было замечательно. Мы и гости очень довольны! Рекомендуем!
Роман
Артем профессионал своего дела! Знает что делать,когда делать и как. Мы и наши гости остались в восторге! Опыт и находчивость Артема позволяют всегда выкрутиться из любой непредвиденной ситуации,которые могут возникнуть на любой свадьбе!))) Спасибо!))
Екатерина
Артем вчера был ведущим на нашей свадьбе!Артем просто потрясающий профессионал своего дела и отличный человек. Праздник получился современный и очень трогательный! Приглашенные всех возрастов остались довольны работой ведущего, который нашел свой подход абсолютно ко всем! Удачи и творческих успехов! Если Вы обеспокоены качеством Вашей свадьбы и душевностью момента, то Артем именно тот, кто воплотит все мечты в реальность! Еще раз огромное спасибо!!
Илья и Елена
Спасибо Вам за такой замечательный праздник! Все гости были в восторге. Половина наших незамужних (неженатых) гостей взяли ваш телефон))) Это главный показатель!
Ирина и Сергей
Артем, еще раз спасибо за этот великолепный день) Он действительно получился потрясающим и незабываемым благодаря вам! И спасибо вам за то, что несмотря на безумное количество различных свадеб и других мероприятий, вы к каждому событию подходите с душой и выкладываетесь просто на 120%)) с вами приятно было быть женихом и невестой и ни о чем не беспокоиться) P. S. Все наши знакомые неженатые пары смело адресуем к вам в надежные руки)
Константин
Спасибо огромное за наш замечательный праздник! Понравилось абсолютно всем! Особенно нам с супругой))) Было крайне важно совместить молодежный и возрастной коллектив, и вам это удалось! Очень успокаивает, когда ведущий говорит:»все что в ресторане зависит теперь от меня, а вы расслабьтесь и отдыхайте.» И мы действительно отдохнули, на собственной свадьбе!
Елизавета и Кирил
Долго ли мы искали ведущего на нашу свадьбу? -да. .. очень долго!!! И наш свидетель предложил нам Артема. Мы нисколько не пожалели о своем выборе!) Артем, учел все наши пожелания. Свадьба прошла на Ура!!! Повеселились на все 100% и мы, и наши гости)))
Владислава и Антон
Артем Сорока — участник Дом 2: биография, песни, клипы. Вся правда о Артеме Сорока.
Интересный и яркий персонаж шоу — Артем Сорока, запомнился всем буквально с его первого появления в эфире. Неоднозначный и провоцирующий, он может нравиться или отталкивать, изумлять и поражать — но точно не оставит равнодушным.
Биография участника
Артем Сорока родился 11 января 1990 года в Минской области Беларуси (г. Молодечно). Учился в БГАИ на кафедре режиссуры театрального факультета. Впоследствии работал в разных творческих направлениях и жанрах:
автор и исполнитель собственных песен;

ведущий Беларуси на различных мероприятиях;

путешественник и гастролирующий артист.

Появление в шоу
С первого появления на реалити-шоу «Дом-2» запомнился участникам и зрителям. Артем спел посвященную Марго Овсянниковой песню собственного сочинения. Сделано это было эффектно — прямо в эфире, на лобном месте, 15 января 2018 года.
Несмотря на ироничный и даже колкий ответ от Марго (она спела отрывок из песни О. Бузовой «Ты не попал в хит-парад моих мыслей») и то, что рядом с ней был ее молодой человек Сайман Марданшин, Сорока ничуть не смутился. Он отправился на Сейшелы — покорять сердца Марго и других…
Сейшелы и поиск любви
Обратив внимание на Елену Хромину, Артем попытался завязать с ней роман. Но девушка быстро раскусила театральность поведения Сороки, и он был вынужден искать благосклонности других.
Его попытки сближения и покорения девичьих сердец были яркими и нестандартными. Но увы — итог неутешителен. Артем снова без пары. Может быть, все дело в неординарной внешности парня (его повышенной волосатости)? Или поведение участника слишком эпатажно?
Сложно сказать. Скорее — сочетание факторов. Яркий сам по себе, но в коллективе, где много неординарных личностей, Артем Сорока несколько потерялся…
И что же Артем?
Он решил вернуться к тому, с чего начал. И попытался сблизиться с той, что понравилась ему с самого начала — с Марго. Для нее на время Сорока становится «жилеткой», которому можно поплакаться о проблемах в отношениях с Саймоном. Но вскоре противоречия решены, и Марго возвращается к своему любимому.
И снова Артем Сорока остался не у дел. Запомнившийся в проекте не только интересными авторскими песнями (одна из них была спета Ромой Гриценко для Ольги Бузовой -«Подогрей мне чаю, подогрей») и эффектной игрой на публику. Например, пролитыми в первый день приезда на Сейшелы слезами. Повод? Отказ одной из красивых участниц, Ольги, «волшебничать» с ним.
Публикации в соцсетях
У Артема много фото, по которым можно понять, что он не любит сидеть на месте. Сорока много путешествует, проводит вечеринки и другие мероприятия, записывает на студиях авторские песни.
Инстаграм Артема Сороки — www.instagram.com/artem_soroka/
Страница в Вконтакте — vk.com/tem_soroka
Facebook — https://www.facebook.com/profile.php?id=100002175631596
Артем Сорока — песни, клипы
Артём Сорока — Крик в пустоту
Артём Сорока – Болен тобой
Резюме «Менеджер по персоналу та розвитку», Киев. Сорока Артем Дмитрович — Work.ua
Резюме от 13 ноября 2013
Менеджер по персоналу та розвитку, 3 500 грн
Полная занятость, удаленная работа.
Возраст:
31 год
Город:
Киев
Соискатель указал телефон, эл. почту и адрес.
Получить контакты этого кандидата можно на странице https://www.work.ua/resumes/2083658/
Опыт работы
Диспетчер
с 01.2011 по 06.2012 (1 год 5 месяцев)
ДП «КБТЗ» Київський броне-танковий завод, Київ (Оборона, виготовлення бронетехніки.)
Помічник начальника цеху. Відслідковувати потреби виробництва та налагоджувати роботу в цеху.
Образование
Національний університет харчових технологій
Механічний, Київ
Высшее, с 2007 по 2012 (4 года 8 месяцев)
Механік-технолог,пакувальної техніки.
Дополнительная информация
Також працював ще 2 роки офіційно в «Перша правнича компанія» та на будівельній компанії «МІГ» . На посадах: менеджер по персоналу, та менеджер по розвитку.Володію англійською, німецькою(зі словником), вільно спілкуюсь на українській та російською мовами. Займаюсь спортом та віддаю перевагу активному способу життя.
Сравните свои требования и зарплату с вакансиями других компаний:
#magpie artem posts — Tumbral.com
(Простите за отметки времени) Фронты / задники / диски к моей коллекции оригинальных игр Silent hill 4 Playstation [выпуск в Европе PAL] с соответствующими саундтреками [саундтрек Silent Hill 3 был заказан онлайн и не поставлялся с чемоданом, поэтому я придумываю свой собственный] Кстати, они на моей любимой рубашке, Yur welcum: p Я впервые играл в Silent Hill в демоверсии первой игры Metal Gear Solid, и с тех пор я был заинтригован в доме друзей в 12, и он играл до поздней ночи, я смотрел на него и думал, что это круто]. Затем я купил Silent Hill 4, когда мне было около 14 лет, примерно через год после его выпуска, а затем саундтрек через несколько месяцев в магазине подержанных вещей. Затем я собрал остальное, у меня есть версия Silent Hill 2 и 3 для PS3 HD [Не показано, потому что это отстой! Не то чтобы я должен напоминать всем, кто играл в оригиналы]
Если вы спросите, какой из них я предпочитаю, я должен сказать Silent Hill 3 [Отсюда Hella Hill] Silent Hill 2 поднял меня на более эмоциональный уровень (я все еще понимаю со слезами на глазах, когда Мэри читает письмо Джеймсу) Но Silent Hill 3 мне показалось более пугающим, я люблю Джеймса до мелочей, но, играя в оригинальную версию Sh4 для PS2 по сравнению с Sh3, я чувствовал себя более нервным, Хизер — просто глоток свежего воздуха для франшизы, не только потому, что она первая женщина-главный герой, но и потому, что она чувствует себя более человечной.Team Silent проделали замечательную работу с ее персонажем. Тот, который я пытаюсь включить в свой комикс, это пример женского персонажа, сделанного правильно. В отличие от роботов-убийц одного человека в стиле Рэмбо, которые есть в других играх.
Просмотр полностью
Автопортрет с использованием маркеров;] Вчера я пошел в ванную и сделал самый резкий снимок, который мог [Мне не нравится моя улыбка, хотя я часто это делаю] Я действительно хотел сделать акцент на светлом и темном для этого изображения новая атмосфера. На самом деле это первый раз, когда я рисовал себя, очень довольный тем, как это получилось!
Просмотр полностью
Сороки
Когда Том и Элизабет захватили ферму
Папоротник заправил себе постель
и Quardle oodle ardle wardle doodle
Сороки сказали
Рука Тома была крепкой для плуга
, а губы Элизабет были красными
и Quardle oodle ardle wardle doodle
Сороки сказали
Из года в год они работали
, в то время как сосны росли над землей.
и Quardle oodle ardle wardle doodle
Сороки сказали
Но вскоре все прекрасные урожаи пошли
к ипотеке вместо
и Quardle oodle ardle wardle doodle
Сороки сказали
Элизабет сейчас мертва (это давно)
Старый Том загорелся головой
и Quardle oodle ardle wardle doodle
Сороки сказали
Ферма все еще здесь.Ипотечные корпорации
не мог отдать это
и Quardle oodle ardle wardle doodle
Сороки говорят.
Деннис Гловер
Художники — это люди, которые заставляют нас по-другому смотреть на мир. Альтон Гловер мэй не был величайшим поэтом всех времен, он был вполне реальным, но его всегда легко недооценивать, потому что его стихосложение домашняя и такая легкая на слух, что не замечаешь, насколько она искусна. Ars celare artem . Как только вы узнаете это стихотворение, всякий раз, когда вы слышите новозеландский (ну, австралийский) зов сороки, вы услышите его, как говорит нам Гловер: сороки говорят: « Quardle oodle ardle wardle doodle » — они действительно так говорят. . . . или на по крайней мере, они это делают сейчас! Спросите любого новозеландца. (Звук, издаваемый той же птицей в Австралию описал Питер Кэри как « ангел полоскания горла »).
Тот факт, что это на самом деле довольно хорошее маленькое стихотворение о том, что Великий Депрессия, оказавшая влияние на сельское хозяйство, — приятный бонус, который находится под угрозой исчезновения. упускается из виду.
Джанет Пол однажды сказала мне, что я лучшая компания, чем Гловер. потому что он все время был пьян. Я дорожу этим комплиментом: судя по стихам, которые он написал, Гловер, должно быть, был очень хорошей компанией действительно.( напоминание самому себе: держись подальше от бутылки! )
Щелкните здесь, чтобы увидеть стихотворение на следующей неделе
Щелкните здесь, чтобы увидеть стихотворение прошлой недели
Вернуться на домашнюю страницу Томаса Форстера
Сороки
Слезы Фемиды Официальный сайт
Летом под тенью ярких фонарей вы и он загадываете желания вместе, наслаждаясь летним бризом. Скоро вторая часть акции «Летний бриз»!
✨ Событие «Летний бриз» (мини-игра)
▌Период события
2021/8/5 12:00 — 2021/26/08 04:00 (GMT + 9)
▌Событие Подробности
Во время события выполняйте ежедневные задания, чтобы получить кубики летнего бриза и загруженные кубики.Используйте эти кубики, чтобы принять участие в событии и получить «Монеты желаний». Используйте «Монеты желаний» для обмена на Стеллина, Оракулы правосудия и многие другие награды в Обменном магазине! Завершите в общей сложности семь раундов в событии «Летний бриз», чтобы получить ограниченный в событии значок звездной сороки.
▌ Магазин обмена «Монета желаний» Продолжительность
— Доступен с 12:00 08.08.2021 по 28.08.2021 04:00
— Магазин обмена «Монета желаний»: после начала события «Летний бриз» нажмите на «Монету желаний» на странице события или перейдите на вкладку «Обмен» торгового центра, чтобы войти в магазин обмена «Монеты желаний».
✨ Задачи «Мерцающие сны»
▌Период события
2021/8/5 12: 00–2021/8/26 04:00 (GMT + 9)
▌Подробнее о событии
1. Достигните назначенный уровень задания, чтобы бесплатно получить Marius SR «Twilight Beauty» x1, Tears of Themis x2, S-Chip x150 и другие богатые награды.
2. Приобретите Великолепные фонари, чтобы напрямую продвинуться на 10 уровней заданий и получить Слезы Фемиды x3, одно из четырех новых интерактивных приглашений чиби (Люк «Сахарная живопись» Приглашение, Артем «Сюрприз из ведра», Вин «Whac-a-Mole» «Приглашение, Мариус» Приглашение эксперта по бросанию кольца) и другие награды.Приглашения в стиле чиби также будут доступны в торговом центре во вкладке «Пакеты».
✨ «Ослепительное лето» Тень Фемиды
▌Период события
2021/8/5 12: 00–2021/8/26 04:00 (GMT + 9)
▌Детали о событии
1. Люк ССР «Shape of You», Артем ССР «Сплетенная судьба» и Вин SR «Холодное лето» будут иметь увеличенную скорость прохождения
2. Карты из «Ослепительного лета» будут добавлены в ротацию Shadow of Themis в будущем. . Следите за объявлениями о мероприятиях, чтобы узнать подробности о расписании.
Украинский нападающий Артем Беседин исключен из поединка Англии из-за травмы колена
Украинский нападающий Артем Беседин исключен из четвертьфинального поединка Евро-2020 с Англией, поскольку он ждет, чтобы узнать степень травмы колена, полученной во время драматичного последнего матча -16 победа над Швецией.
25-летнему фронтмену киевского «Динамо» пришлось выручить с поля после того, как он был пойман высоким ботинком защитника Маркуса Дэниэлсона в дополнительное время в игре во вторник вечером со счетом 2: 1 на «Хэмпден-Парк», в результате чего его команда сыграла в решающей схватке. с людьми Гарета Саутгейта в Риме в субботу.
Дэниэлсон был уволен после того, как итальянскому рефери Даниэле Орсато посоветовали пересмотреть вызов, но последствия для Беседина, вероятно, будут далеко идущими, поскольку первоначальное обследование показало возможное повреждение крестообразных связок.
Украинец Артем Беседин получил подозрение на повреждение крестообразной связки во время победы над Швецией 2: 1 (Энди Бьюкенен / AP)
Представитель Украинской футбольной ассоциации UAF сказал: «К сожалению, нападающий сборной Украины Артем Беседин больше не будет помогать сине-желтым в финальном турнире Евро-2020.
«После жуткого столкновения в матче Швеция — Украина игрок покинул поле с помощью медиков.
«При первичном осмотре главного врача бригады Артура Глущенко выявлено повреждение сразу нескольких мышц ног. Также есть подозрение на повреждение крестообразных связок.
«Более точный диагноз можно поставить после МРТ, но ясно, что такая травма требует длительного лечения, которое не позволит Артему играть в ближайшее время.
«В связи с этим было оперативно принято решение об отправке Беседина в Киев для обследования и лечения в клубе. Сегодня утром чартер с Артемом на борту приземлился в столице Украины ».
Англия и Украина должны встретиться на стадионе «Олимпико» в 20:00 в субботу, и победители выйдут в полуфинал против Чехии или Дании.
Слезы Фемиды Летний бриз Руководство по вопросам
После создания крутой головоломки в первой части, вторая часть события Summer Breeze теперь в самом разгаре.На самом деле это событие представляет собой очень подробную и увлекательную игру в кости, в которой вы перемещаете своего персонажа по карте вместе с одним из четырех главных героев-мужчин — какой из них, это ваш выбор. С множеством наград, которые нужно заработать, и множеством интересных заданий, которые нужно выполнить, это в значительной степени обязательная остановка для поклонников игры. Иногда вы вступаете в дебаты, и вы также можете встретить таких персонажей, как Странный дедушка, который может дать вам редкий предмет или усилитель дебатов, когда вы ответите на вопрос. Но одна из самых интересных вещей в событии карты — это ячейка загадки, которая дает вам вопрос, на который вы должны ответить.В этом справочнике «Слезы Фемиды Летний бриз» вы найдете решения этих загадок.
Слезы Фемиды Летний бриз.
Руководство по вопросам и ответам
Не пропустите: Список подарочных кодов «Слезы Фемиды» | Руководство по погашению
Riddle Cell: Остановитесь здесь, чтобы получить загадку из Лаборатории больших данных. Решите загадку, чтобы получить приз.
Таково описание ячейки загадок, где вы должны ответить на вопрос, чтобы получить награду.Наша любимая Stellis Big Data Lab Data Analytic Virtual Intelligence System, более известная как DAVIS, объяснит все детали и задаст вопросы. У вас есть три варианта, и только получив правильный ответ, вы получите награду.
Загадки чем-то похожи на загадки из другой викторины из игры, Испытания Фемиды. У нас также есть руководство по ответам на викторину «Испытания Фемиды», которое вы можете проверить, так что не упустите ни одной награды.
Вот список вопросов и ответов на Слезы Фемиды.Он разделен на категории для упрощения навигации, и не забудьте использовать функцию поиска (обычно CTRL + F), чтобы быстро найти вопросы, которые вы ищете.
Крыло Артема
Q: Какое блюдо у Артема лучшее?
A: Кисло-сладкая рыба
Q: Какое любимое вино Артема?
A: Не любит алкоголь
Q: Артем самый молодой в стране что?
A: Старший поверенный
Q: Какие книги нравятся Артему?
A: Научная фантастика
Q: Артем предлагает приготовить вам китайское рыбное блюдо.Что это может быть?
A: Сонг сао рыба
Q: Сколько лет было Артему, когда он стал старшим юристом?
А: 28
Q: Какие дела в NXX курирует Артем?
A: Дело о пропавших без вести
Q: Кто наставник Артема?
A: Нил Хьюм
Q: Какой вид спорта предпочитает Артем?
A: Стрельба из пистолета
Q: Чем занимается Артем по совместительству, как по выходным?
A: Кинокритик
Q: В каком кармане Артем хранит значок?
A: Левый нагрудный карман
Вин Рихтер
Q: Какой стиль дизайна предпочитает Вин?
A: европейское ретро
Q: Кто Вин для Мариуса?
A: Частный репетитор
Q: Какой напиток Vyn вам, скорее всего, купит?
A: Черный чай
Q: Какая профессия Вин?
A: Психиатр
Q: Вин потерял очки: ему понадобится новая пара…
A: Близорукость
В: В каком виде спорта хорош Вин?
A: Polo
Q: Какую музыку предпочитает Вин?
A: Классическая музыка
Q: На чем специализируется Вин?
A: Криминальная психология
Q: Где находится родинка Вина?
A: Под его глазом
Мариус фон Хаген
В: Что Мариус изучает в Университете Стеллис?
A: аспирант
Q: Где вы впервые встретились с Мариусом?
A: Класс
Q: На каком типе традиционной живописи специализируется Мариус?
A: Масляная живопись
В: Каков стаж работы Мариуса в семье?
A: Второй ребенок
Q: Какое из следующих упражнений предпочитает Мариус?
A: Экстремальные виды спорта
Люк Пирс
В: Как называется антикварный магазин Люка?
A: Древности времени
В: Кто любимый писатель Люка?
A: Артур Конан Дойл
Q: Что делал Люк в колледже?
A: Биоинженерия
В: Какую закуску Люк, скорее всего, купит для вас?
A: картофель фри с чили
В: Какую кухню предлагает омлет Люка с помидорами?
A: Домашняя кухня
В: Вы с Люком когда-то готовили мандариновых крабов на пару, фирменное блюдо какой страны?
A: Китайская кухня
Q: Как долго Люк был вдали от Стеллис?
A: 8 лет
Q: На каком этаже находится детективное агентство Люка?
A: 2 этаж
Q: В какой колледж учился Люк?
A: Национальный центральный университет
Факты о Stellis
Вопрос: Какая река в Стеллисе самая длинная?
A: Река Стеллис
Q: Официальная городская птица Стеллис символизирует счастье и долголетие, что есть?
A: Азиатская райская мухоловка
Q: Где летнее убежище Стеллис?
A: Гора Облака
Q: Какой официальный цветок Стеллиса?
A: Гладиолус
Q: Как называется часть Стеллис-Сити, заполненная европейскими зданиями?
A: Викторианский округ
Q: Что такое традиционный жилой стиль в Stellis City?
A: Двор
Факты об игре
Q: Penny’s Comfort Foods использует родниковую воду из какого из следующих мест?
A: Гора Облака
Q: Кто основал Themis Law Firm?
A: Селестин Тейлор
Q: Какое у вас кодовое имя в NXX?
A: Роза
Q: Где работает Педро?
A: Delicart
Случайные факты
В: Что из перечисленного НЕ похоже на акробатическое представление храмовой ярмарки?
A: Лежа в покое
В: Что из перечисленного НЕ является типом традиционной классической музыки?
А: Техно
Вопрос: Что из следующего вы, скорее всего, сделали бы на храмовой ярмарке?
A: закуски
Вопрос: Что из перечисленного, скорее всего, НЕ будет замечено на параде храмовой ярмарки?
В: Что из перечисленного НЕ является традиционным мероприятием храмовой ярмарки?
A: Видеоигры
Q: Какой из них НЕ является 24 солнечным термином?
A: Приветствую
В: В: Что из перечисленного НЕ входит в состав гороскопов?
A: Сатурн
Вопрос: Какой из перечисленных ниже запахов вырабатывается пищеварительной системой кашалота?
A: Серая амбра
В: Какие блюда готовят на пару с мандариновым крабом?
A: Китайская кухня
Q: Какая кухня — карри?
A: Индийская кухня
Q: Что из перечисленного является традиционным английским десертом?
A: Фигги пудинг
В: Какое фирменное блюдо Penny’s Comfort Foods?
A: Суп с тофу из морепродуктов
Q: Русский Караван — это какой напиток?
A: Чай
Q: Что из следующего является типичной закуской на ярмарке?
A: Попкорн
В: Что из перечисленного, скорее всего, НЕ является частью английского послеобеденного чая?
A: Koolaid
Q: В древние времена рыцари поднимали забралы, проходя мимо других рыцарей, с какой целью?
A: Выразить уважение
Q: Какую форму приняла святая реликвия во время крестовых походов?
A: Грааль
Q: Для чего нельзя использовать счеты?
A: Барбекю
Вопрос: Что такое Аид царь?
A: Преисподняя
В: Как зовут двух волков Одина?
A: Джери и Фреки
Q: Что такое Локи в скандинавской мифологии?
A: Шалость
Вопрос: Какая часть Одина, короля Валгаллы, отсутствует?
A: Глаз
Q: Сколько хвостов у самых сильных духов лисы?
А: 9
Вопрос: Как зовут старшего троянского князя Троянской войны?
А: Гектор
Q: Что обычно пили боги Олимпа?
A: Амброзия
Q: Чем больше всего известен Геркулес?
A: Его сила
В: Что такое Селена, богиня?
A: Луна
Вопрос: Какой Бог / Богиня в греческой мифологии состоит в браке?
A: Гера
Q: Сунь Укун — мифический персонаж, похожий на какое животное?
A: Обезьяна
Q: Согласно скандинавской мифологии, из чего были сделаны первые люди?
A: Стволы деревьев
Q: Что в скандинавской мифологии рисуют по небу лошади Арвакр и Альсвидр?
A: вс
Вопрос: Какой праздник отмечается в седьмой день седьмого месяца китайского лунно-солнечного календаря?
А: Цикси
В: Как зовут греческого бога Солнца?
А: Гелиос
Q: Кто римское олицетворение лета?
А: Aestas
Q: В истории Веги и Альтаира, какая птица помогла влюбленным встретиться?
A: Сорока
В: Как зовут главного героя в «Легенде о белой змее»?
A: Сюй Сянь
Q: Согласно легенде, какое невозможное существо находится на Луне?
A: Пингвин
Вопрос: Согласно китайскому фольклору, чего из перечисленного нет на Луне?
A: Пингвин
В: Что чаще всего можно увидеть за пределами парадного входа в древние здания в Греции?
A: Столбы
Q: Дарий обнаружил сильнодействующий яд при расследовании дела, что это могло быть?
A: Цианид калия
Вопрос: Что из перечисленного является частью Большой Медведицы?
A: Дубхе
Q: Какая улица в Стеллисе оформлена в восточном стиле?
A: Orchidshine Street,
.
Q: На улице Орхидсайн проходит рождественское мероприятие.Как вы думаете, что вы там скорее всего увидите?
A: олени
Q: Как Дед Мороз входит в дом?
A: Через дымоход
Q: Кто приходит дарить подарки на Рождество?
A: Санта-Клаус
В: Как зовут оленя с красным носом?
A: Рудольф
В: Что из следующего также называют красным счастливым семенем?
A: Аденанта павонина
Вопрос: Из каких яиц животных обычно делают сваренные вкрутую?
A: Цыпленок
Q: Где обычно водятся белые медведи?
A: Северный полюс
Q: Если свинина к свинью, то говядина к…
A: Корова
Q: В чем следует замочить ананас, чтобы избежать ощущения покалывания?
A: соленая вода
Q: Что Мрачный Жнец обычно держит в руке?
A: коса
Q: Считается, что знаменитая китайская картина «Вдоль реки во время фестиваля Цинмин» изображает какое время года?
A: мост
Вопрос: Что из перечисленного является самой большой птицей на планете?
A: Страус
Q: Какой из следующих солнечных периодов приходится на лето?
A: Летнее солнцестояние
В: С кем ассоциируется День святого Валентина?
A: Святой Валентин Римский
В: Какого мученика изначально чествует День святого Валентина?
A: Святой Валентин Римский
В: Какие сладости чаще всего встречаются на День святого Валентина?
A: Шоколадный
Q: Что обычно дают детям во время трюков или угощений во время Хэллоуина?
A: Конфеты
Q: Какой праздник отмечают в четвертый четверг ноября?
A: День Благодарения
В: Откуда капитан Крюк?
A: Питер Пэн
Q: Что особенного в заколдованном гуся в «Джеке и бобовом стебле»?
A: Он отложил золотые яйца
Q: Что из перечисленного является классикой в жанре трагедии?
A: Ромео и Джульетта
В: На чем в мультфильме «Аладдин» ездит главный герой?
A: волшебный ковер
В: Почему Робин Гуд воровал у богатых?
A: Раздать бедным
Q: В Les Miserables Жан Вальжан — это…
A: Осужденный
Вопрос: Какое животное известно как «Король джунглей»?
A: Лев
Q: Что Золушка оставила после себя на балу принца?
A: стеклянная туфля
В: Какого цвета волосы Рапунцель?
A: Блондин
Q: Чем известна Рапунцель?
A: Ее длинные волосы
В: Кто выиграл гонку между зайцем и черепахой?
A: Черепаха
В: Какого цвета друг Пола Буньяна Беби Бык?
A: синий
В: Что из следующего является стихотворением?
A: Ворон
В: Какого цвета жасмин чаще всего встречается?
A: Белый
Q: Доносится запах жасмина. Вообще, какого цвета цветы жасмина?
A: Белый
Q: Загадав желание, что обычно бросают в фонтаны?
A: монета
Q: Какое животное олицетворяет мир?
A: Голубь
Q: Какое животное ассоциируется с Пасхой?
A: Кролик
Q: Какие из следующих животных, скорее всего, будут доступны в качестве масок на карнавале?
A: Тигр
Q: Что люди обычно делают на Пасху?
A: пасхальные яйца
Вопрос: Какое дерево срубил Джордж Вашингтон?
A: Вишневое дерево
Вопрос: По какой орбите вращаются планеты в нашей солнечной системе?
A: Солнце
В: Какой материал обычно не используется для изготовления кукол для игры с тенями?
A: Сталь
Вот и все, что нужно для нашего гида по ячейкам загадок события «Слезы Фемиды Летний бриз».Если вы обнаружите какие-либо вопросы, на которые мы еще не ответили, не стесняйтесь оставлять их в комментариях, и мы добавим их в руководство.
Больше слез Фемиды Руководства:
Если вы перейдете по ссылке и зарегистрируетесь в игре, мы можем получить небольшую комиссию. Ознакомьтесь с нашей партнерской политикой.
Реакция
фанатов на поражение Малиньяджи на Артема Лобова блестящая
Выражение лица Поли, когда рука Артема поднята.
Поли Малиньяджи не очень нравился многим людям в последние пару месяцев, когда он продвигал свой дебют с голыми кулаками.
Бывший чемпион мира по боксу вступал в бой с множеством людей, ожидающих, что он вальсирует к победе над «Хаммером России».
В конце соревнование перешло к оценочным карточкам судей, и все трое засчитали его в пользу товарища Конора МакГрегора по тренажерному залу.
Поли Малиньянни (справа) и Артем Лобов обмениваются ударами во время чемпионата по борьбе с голыми кулаками в торгово-выставочном зале штата Флорида. (Фото Алекса Менендеса / Getty Images)
Малиньяджи, который плюнул в Лобова перед этим боем, выглядел шокированным, а потом сказал, что сломал руку во время боя и не смог нанести достойный удар.
Болельщики этого не видели, и многие были счастливы, увидев поражение боксера. Сейчас не так много шансов на то, что сразится за мега-деньги с Конором МакГрегором.
АРТЕМ ЛОБОВ ПОБЕДИТ! # BKFC6 pic.twitter.com/28VhKlzmIc
— McLovinThaGoat 🐐 (@Mclovinlucas) 23 июня 2019 г.
Артем Лобов на пенсии Поли…. ты не можешь писать это
— SUBjective MMA (@SUBjectiveMMA) 23 июня 2019 г.
Артем Лобов, деф. Поли Малиньяджи единогласным решением судей.48-47 по всем направлениям. МОЙ БОГ. Я умираю лолололололололололол
— Андреас Хейл (@AndreasHale) 23 июня 2019 г.
Артем Лобов: Я впервые вышел на ринг с профессиональным боксером.
Конор МакГрегор: # BKFC6 pic.twitter.com/blIAcU6O2X
— Джастин Голайтли (@justin_golight) 23 июня 2019 г.
Цитата ночи?
«Я получил 1 чистый удар, который задел меня»!
Поли Малиньяджи после позорного боя в схватке голыми кулаками с бойцом ММА 14-15 лет и спарринг-партнером Конора МакГрегора Артемом Лобовым.pic.twitter.com/lZE5Yv3wN9
— Mark Chisholm 🏴󠁧󠁢󠁳󠁣󠁴󠁿 🇧🇷 # EleNão (@JethartJinj) 23 июня 2019 г.
«Я получил один хороший удар» — @ PaulMalignaggi @ RusHammerMMA настолько хорош, что разрубает тебя в трех местах одним ударом. 😂 # BKFC6 # АртемЛобов pic.twitter.com/lkLBCfLjqY
— Джеймс Доннелли (@ JayDonnelly_93) 23 июня 2019 г.
Эксклюзив: Артем Лобов побеждает Поли Малиньяджи https://t.co/5tjBLhaCRw
— TheMacLife (@Maclifeofficial) 23 июня 2019 г.
Универсальная среда машинного обучения для прогнозирования свойств неорганических материалов
Результаты этого исследования описаны в двух основных подразделах. Во-первых, мы обсудим развитие нашего метода и характеристику набора атрибутов с использованием данных из открытой базы данных квантовых материалов (OQMD). Далее мы продемонстрируем применение этого метода к двум различным материальным проблемам.
Универсальный метод создания моделей свойств материалов
Модели машинного обучения (ML) для свойств материалов состоят из трех частей: обучающих данных, набора атрибутов, описывающих каждый материал, и алгоритма машинного обучения для сопоставления атрибутов со свойствами .В целях создания универсального метода мы полностью сосредоточились на наборе атрибутов, потому что метод должен быть независимым от типа обучающих данных и потому, что можно использовать уже разработанные алгоритмы машинного обучения. В частности, наша цель — разработать общий набор атрибутов, основанный на композиции, который можно повторно использовать для решения широкого круга задач.
Целью разработки набора атрибутов является создание количественного представления, которое однозначно определяет каждый материал в наборе данных и относится к основным физическим и химическим элементам, влияющим на интересующее свойство. ^14,17 В качестве примера ожидается, что объем кристаллического соединения соотносится с объемом составляющих элементов. Включая средний объем составляющих элементов в качестве атрибута, алгоритм машинного обучения может распознавать корреляцию между этим значением и составным объемом и использовать его для создания прогнозной модели. Однако средний объем составляющих элементов ни однозначно не определяет состав, ни идеально описывает объемы кристаллических материалов.³⁸ Следовательно, необходимо включить дополнительные атрибуты, чтобы создать подходящий набор для этой задачи. Потенциально, можно было бы включить факторы, полученные из электроотрицательности соединения, чтобы отразить идею о том, что расстояния связи короче в ионных соединениях, или дисперсию атомного радиуса, чтобы учесть эффекты полидисперсной упаковки. Сила машинного обучения заключается в том, что перед созданием модели не нужно знать, какие факторы на самом деле относятся к свойству и как — эти отношения обнаруживаются автоматически.
Литература по информатике полна успешных примеров наборов атрибутов для различных свойств. ^{13–16,21,32,39} Мы заметили, что большинство наборов атрибутов в основном основано на статистике свойств составляющих элементов. Например, Meredig et al. ¹⁵ описал материал на основе доли каждого присутствующего элемента и различных интуитивных факторов, таких как максимальная разница в электроотрицательности, при построении моделей для энергии образования тройных соединений.Ghiringhelli et al. ¹⁴ использовали комбинации элементных свойств, таких как атомный номер и потенциал ионизации, для изучения разницы в энергии между фазами цинковой обманки и каменной соли. Мы также заметили, что важные атрибуты значительно различаются в зависимости от свойств материала. Было обнаружено, что лучший атрибут для описания разницы в энергии между фазами цинковой обманки и каменной соли связан с псевдопотенциальными радиусами, потенциалом ионизации и электронным сродством составляющих элементов. ¹⁴ Напротив, было обнаружено, что температура плавления связана с атомным номером, атомной массой и разницей между атомными радиусами. ²¹ Из этого мы заключаем, что набор атрибутов общего назначения должен содержать статистику широкого разнообразия элементарных свойств, чтобы его можно было адаптировать.
Основываясь на существующих стратегиях, мы создали обширный набор атрибутов, которые можно использовать для материалов с любым количеством составляющих элементов. Как мы продемонстрируем, этот набор достаточно широк, чтобы охватить достаточно широкий диапазон физических / химических свойств, которые можно использовать для создания точных моделей для многих проблем с материалами.Всего мы используем набор из 145 атрибутов, которые подробно описаны и сравниваются с другими наборами атрибутов в дополнительной информации, которые делятся на четыре отдельные категории:
1
Стехиометрические атрибуты , которые зависят только от долей присутствующих элементов, а не от того, что эти элементы на самом деле представляют. К ним относятся количество элементов, присутствующих в составе, и несколько норм фракций L ^p.
2
Статистика свойств элемента , которая определяется как среднее значение, среднее абсолютное отклонение, диапазон, минимум, максимум и режим 22 различных свойств элемента. В эту категорию входят такие атрибуты, как максимальная строка в периодической таблице, средний атомный номер и диапазон атомных радиусов между всеми элементами, присутствующими в материале.
3
Атрибуты электронной структуры , которые представляют собой среднюю долю электронов из валентных оболочек s , p , d и f между всеми присутствующими элементами. Они идентичны атрибутам, используемым Meredig et al. ¹⁵
4
Атрибуты ионного соединения , которые включают, возможно ли образование ионного соединения при условии, что все элементы присутствуют в одной степени окисления, и две адаптации дробного «ионного характера» соединения на основе измерения, основанного на электроотрицательности.⁴⁰
Для третьего компонента, алгоритма машинного обучения, мы оцениваем множество возможных методов для каждой отдельной проблемы. В предыдущих исследованиях использовались алгоритмы машинного обучения, включая частичную регрессию наименьших квадратов, ^13,29 Оператор наименьшего абсолютного сжатия и выбора (LASSO), ^14,33,41 деревья решений, ^15,16 ядерная регрессия гребня, ^{17 –19,42} Гауссовская регрессия процесса ^19–21,43 и нейронные сети. ^22–24 Каждый метод предлагает различные преимущества, такие как скорость или интерпретируемость, которые необходимо тщательно взвесить для нового приложения. Обычно мы подходим к этой проблеме, оценивая производительность нескольких алгоритмов, чтобы найти тот, который имеет как разумные вычислительные требования (т. Е. Может быть запущен на доступном оборудовании за несколько часов), так и имеет низкий уровень ошибок при перекрестной проверке — процесс, который упрощен. наличием хорошо документированных библиотек алгоритмов машинного обучения.^44,45 Мы часто обнаруживаем, что ансамбли деревьев решений (например, ротационные леса ⁴⁶) лучше всего работают с нашим набором атрибутов. Эти алгоритмы также имеют то преимущество, что их можно быстро обучить, но люди не могут легко их интерпретировать. Следовательно, они менее подходят для понимания механизма, лежащего в основе свойств материала, но, благодаря своей высокой точности прогнозов, являются отличным выбором для разработки новых материалов.
Мы также используем стратегию разделения, которая позволяет значительно повысить точность прогнозов для наших моделей машинного обучения.Группируя набор данных в химически похожие сегменты и обучая отдельную модель для каждого подмножества, мы повышаем точность наших прогнозов за счет уменьшения масштабов физических эффектов, которые должен улавливать каждый алгоритм машинного обучения. Например, физические эффекты, лежащие в основе стабильности интерметаллических соединений, вероятно, будут отличаться от таковых для керамики. В этом случае можно разделить данные на соединения, которые содержат только металлические элементы, и другие, включая те, которые не содержат.Как мы демонстрируем в приведенных ниже примерах, разделение набора данных может значительно повысить точность прогнозируемых свойств. Помимо использования наших знаний о физике, лежащей в основе определенной проблемы, для выбора стратегии разделения, мы также исследовали использование автоматизированной стратегии, основанной на неконтролируемом обучении, для определения отдельных кластеров материалов. ⁴⁷ В настоящее время мы просто определяем стратегию разделения для каждой модели свойств, просматривая большое количество возможных стратегий и выбирая ту, которая минимизирует частоту ошибок в тестах перекрестной проверки.
Обоснование для большого набора атрибутов
Основная цель нашей методики — ускорить создание моделей машинного обучения за счет уменьшения или устранения необходимости разработки набора атрибутов для конкретной проблемы. Наш подход заключался в создании большого набора атрибутов с идеей, что он будет содержать достаточно разнообразную библиотеку описательных факторов, так что он, вероятно, будет содержать несколько, которые хорошо подходят для новой проблемы. Чтобы оправдать этот подход, мы оценили изменения характеристик атрибутов для различных свойств и типов материалов, используя данные из OQMD.Как более подробно описано в следующем разделе, OQMD содержит прогнозируемую DFT энергию образования, энергию запрещенной зоны и объем сотен тысяч кристаллических соединений. Разнообразие и масштаб данных в OQMD делают его идеальным для изучения изменений характеристик атрибутов с использованием единого унифицированного набора данных.
Мы обнаружили, что атрибуты, которые лучше всего моделируют свойство материала, могут значительно различаться в зависимости от свойства и типа материалов в наборе данных. Чтобы количественно оценить прогностическую способность каждого атрибута, мы подобрали квадратичный полином, используя атрибут, и измерили среднеквадратичную ошибку модели.Мы обнаружили, что атрибуты, которые лучше всего описывают энергию образования кристаллических соединений, основаны на электроотрицательности составляющих элементов (например, максимальная и модовая электроотрицательность). Напротив, наиболее эффективными атрибутами для энергии запрещенной зоны являются доля электронов в оболочке p и средняя строка в периодической таблице составляющих элементов. Кроме того, атрибуты, которые лучше всего описывают энергию образования, различаются в зависимости от типа соединений. Энергия образования интерметаллических соединений лучше всего описывается вариациями температуры плавления и числа d электронов между составляющими элементами, тогда как соединения, содержащие хотя бы один неметалл, лучше всего моделируются средним ионным характером (величина, основанная на разнице электроотрицательностей. между составными элементами).Взятые вместе, изменения, в которых атрибуты являются наиболее важными между этими примерами, дополнительно подтверждают необходимость наличия большого разнообразия атрибутов, доступных в наборе атрибутов общего назначения.
Стоит отметить, что 145 атрибутов, описанных в этой статье, не следует рассматривать как полный набор для неорганических материалов. Сообщество химической информатики разработало тысячи атрибутов для предсказания свойств молекул. ³⁵ То, что мы представляем, является шагом к созданию такой богатой библиотеки атрибутов для неорганических материалов.Хотя мы показываем на примерах, рассмотренных в этой работе, что этого набора атрибутов достаточно для создания точных моделей для двух различных свойств, мы ожидаем, что дальнейшие исследования в области информатики материалов добавят к представленному здесь набору и будут использоваться для создания моделей с четными характеристиками. большая точность. Более того, многие материалы нельзя описать просто средним составом. В этих случаях мы предлагаем, чтобы представленный здесь набор атрибутов мог быть расширен представлениями, предназначенными для захвата дополнительных функций, таких как структура (например.g., Кулоновская матрица ¹⁷ для структуры атомного масштаба) или истории обработки. Мы предполагаем, что можно будет создать библиотеку универсальных представлений, предназначенных для фиксации структуры и других характеристик материала, что значительно упростит разработку новых моделей машинного обучения.
Примеры приложений
В следующих разделах мы подробно описываем два различных приложения нашего нового метода прогнозирования свойств материала, чтобы продемонстрировать его универсальность: прогнозирование трех физически различных свойств кристаллических соединений и определение потенциальных металлических стеклянных сплавов.В обоих случаях мы используем одну и ту же общую структуру, то есть одинаковые атрибуты и подход, основанный на разделении. В каждом случае нам нужно было только определить наиболее точный алгоритм машинного обучения и найти подходящую стратегию разделения. В этих примерах мы обсуждаем все аспекты создания моделей на основе машинного обучения для разработки нового материала: сборку обучающего набора для обучения моделей, выбор подходящего алгоритма, оценку точности модели и использование модели для прогнозирования новых материалов.
Точные модели свойств кристаллических соединений
DFT — это повсеместный инструмент для прогнозирования свойств кристаллических соединений, но он принципиально ограничен количеством вычислительного времени, которое требуется для расчетов DFT. В последнее десятилетие DFT использовался для создания нескольких баз данных, содержащих энергии T = 0 K и электронные свойства ~ 10 ⁵ кристаллических соединений, ^2–5,48, каждая из которых требовала миллионов часов процессорного времени. строить.Хотя эти базы данных являются бесспорно полезными инструментами, о чем свидетельствует множество материалов, которые они использовали для разработки, ^3,49–54 методы, основанные на машинном обучении, обещают делать прогнозы на несколько порядков быстрее. В этом примере мы исследуем использование данных из расчетных баз данных DFT в качестве обучающих данных для моделей машинного обучения, которые можно быстро использовать для оценки гораздо большего количества материалов, чем то, что можно было бы оценить с помощью DFT.
Обучающие данные
Мы использовали данные из OQMD, который содержит свойства ~ 300 000 кристаллических соединений, рассчитанные с помощью DFT.^2,3 Мы выбрали подмножество из 228 676 соединений из OQMD, которое представляет собой соединение с наименьшей энергией в каждой уникальной композиции для использования в качестве обучающего набора. В качестве демонстрации полезности нашего метода мы разработали модели для прогнозирования трех физически различных свойств, доступных в настоящее время через OQMD: запрещенная энергия, удельный объем и энергия пласта.
Метод
Чтобы выбрать подходящий алгоритм машинного обучения для этого примера, мы оценили прогностическую способность нескольких алгоритмов с помощью 10-кратной перекрестной проверки. Этот метод случайным образом разбивает набор данных на 10 частей, а затем обучает модель на 9 разделах и пытается предсказать свойства оставшегося набора. Этот процесс повторяется с использованием каждого из 10 разделов в качестве набора тестов, а прогностическая способность модели оценивается как средняя производительность модели по всем повторениям. Как показано в Таблице 1, мы обнаружили, что создание ансамбля деревьев решений сокращения с уменьшенной ошибкой с использованием метода случайных подпространств имело самую низкую среднюю абсолютную ошибку перекрестной проверки этих свойств среди 10 протестированных нами алгоритмов машинного обучения (из которых только 4 перечислены для ясности).⁵⁵ Модели, созданные с использованием этого алгоритма машинного обучения, имели самую низкую среднюю абсолютную ошибку при перекрестной проверке и превосходные коэффициенты корреляции выше 0,91 между измеренными и прогнозируемыми значениями для всех трех свойств.
Таблица 1 Сравнение способности нескольких алгоритмов машинного обучения прогнозировать свойства материалов из OQMD
В качестве простого теста того, насколько хорошо наша модель запрещенной зоны может быть использована для обнаружения новых материалов, мы смоделировали поиск соединений с запрещенная зона в желаемом диапазоне. Чтобы оценить способность нашего метода обнаруживать соединения, энергия запрещенной зоны которых находится в пределах целевого диапазона, мы разработали тест, в котором модель обучалась на 90% набора данных, а затем была поставлена задача выбрать, какие 30 соединений в оставшихся 10%. наиболее вероятно, что ширина запрещенной зоны находится в желаемом для солнечных элементов диапазоне: 0,9–1,7 эВ. ⁵⁶ Для этого теста мы выбрали подмножество OQMD, которое включает только те соединения, которые, как сообщалось, можно было получить экспериментально в ICSD (всего 25085 записей), так что требуется только энергия запрещенной зоны, а не стабильность. быть рассмотренным.
Для этого теста мы сравнили три стратегии выбора для поиска соединений с желаемой энергией запрещенной зоны: случайный выбор неметаллических соединений (т. Е. Без машинного обучения), использование одной модели, обученной на всем обучающем наборе, чтобы направлять выбор, и модель, созданная с использованием подхода разделения, представленного в этой рукописи. Как показано на рисунке 1, случайный выбор неметаллического соединения приведет к тому, что чуть более 12% из 30 выбранных соединений будут находиться в желаемом диапазоне энергий запрещенной зоны.При использовании одной модели, обученной на всем наборе данных, этот показатель значительно улучшается до ~ 46% выбранных соединений, обладающих желаемыми свойствами. Мы обнаружили, что предсказательная способность нашей модели может быть увеличена до ~ 67% предсказаний, фактически имеющих желаемую энергию запрещенной зоны, путем разделения набора данных на группы похожих соединений перед обучением. Из 20 протестированных нами стратегий разделения мы обнаружили, что лучше всего работает составная модель, если сначала разбить набор данных с помощью отдельной модели, обученной предсказывать ожидаемый диапазон, но не фактическое значение энергии запрещенной зоны (например,g., соединения, для которых предполагается, что ширина запрещенной зоны составляет от 0 до 1,5 эВ, сгруппированы вместе), а затем от того, содержит ли соединение галоген, халькоген или пниктоген. Полная информация об иерархической модели доступна в разделе «Дополнительная информация». Разделив данные на более мелкие подмножества, каждая из отдельных моделей машинного обучения оценивает только соединения с аналогичным химическим составом (например, галогенсодержащие соединения с ожидаемой шириной запрещенной зоны от 0 до 1,5 эВ), что, как мы обнаружили, повышает общую точность наша модель.
Рисунок 1
Выполнение трех различных стратегий для обнаружения соединений с шириной запрещенной зоны в желаемом диапазоне: случайный выбор неметаллических соединений и двух стратегий с использованием метода на основе машинного обучения, представленных в этой работе. Первая стратегия машинного обучения использовала единственную модель, обученную на вычисленных значениях энергии запрещенной зоны 22 667 соединений из ICSD. Второй метод — это модель, созданная путем первого разделения данных на группы похожих материалов и обучения отдельной модели для каждого подмножества. Количество материалов, для которых действительно была обнаружена запрещенная зона в желаемом диапазоне после 30 предположений, было более чем в 5 раз больше при использовании нашего подхода к машинному обучению, чем при случайном выборе соединений. Планки погрешностей представляют собой доверительный интервал 95%.
После того, как мы установили надежность нашей модели, мы использовали ее для поиска новых соединений (то есть тех, которые еще не вошли в OQMD) с энергией запрещенной зоны в желаемом диапазоне для солнечных элементов: 0,9–1,7 эВ. Чтобы добиться максимальной точности прогнозов, мы обучили нашу модель запрещенной зоны на всем наборе данных OQMD.Затем мы использовали эту модель для предсказания энергии запрещенной зоны композиций, которые были предсказаны Meredig et al. ¹⁵ являются еще не открытыми тройными соединениями. Из этого списка из 4500 предсказанных соединений мы обнаружили, что 223, вероятно, будут иметь подходящую ширину запрещенной зоны. Подмножество с наилучшим критерием стабильности (как указано в ссылке 15) и шириной запрещенной зоны, ближайшей к 1,3 эВ, показаны в таблице 2. Как показано в этом примере и в недавней работе Sparks et al., ⁵⁷, имея доступ к нескольким моделям машинного обучения для разных свойств, можно быстро проверять материалы на основе многих критериев проектирования. При условии широкого диапазона применимости техники машинного обучения, продемонстрированного в этой работе, и растущей доступности данных о свойствах материалов, вскоре может появиться возможность проводить скрининг материалов на основе даже большего количества свойств, чем те, которые рассматриваются здесь, с использованием моделей, построенных на основе нескольких различных данных. наборы.
Таблица 2 Составы и прогнозируемая энергия запрещенной зоны материалов, прогнозируемая с помощью машинного обучения в качестве кандидатов для применения в солнечных элементах
Поиск новых металлических стеклянных сплавов
Металлические стекла обладают широким спектром уникальных свойств, таких как высокая износостойкость и мягкость магнитное поведение, но их можно создать только при особых составах, которые трудно определить a priori . ⁵⁸ Сообщество металлического стекла обычно полагается на эмпирические правила (например,g., системы, которые содержат множество элементов разных размеров, с большей вероятностью образуют стекла (⁵⁹) и обширные эксперименты для определения местоположения этих специальных составов. ⁵⁵ Хотя поиски, основанные на эмпирических правилах, безусловно, были успешными (о чем свидетельствует большое количество известных сплавов, ⁶⁰), этот традиционный метод, как известно, является медленным и ресурсоемким. ⁶¹ Здесь мы покажем, как можно использовать машинное обучение для ускорения открытия новых сплавов, используя известные наборы экспериментальных данных для построения прогнозных моделей способности к стеклообразованию.
Данные
Мы использовали экспериментальные измерения, взятые из «Неравновесных фазовых диаграмм тройных аморфных сплавов», сборника Ландольта – Бернштейна. ³² Этот набор данных содержит измерения того, можно ли сформировать стекло, используя различные экспериментальные методы, в тысячах составов из сотен тройных фазовых диаграмм. Для наших целей мы отобрали 5 369 уникальных композиций, в которых способность образовывать аморфную ленту оценивалась методом прядения из расплава.В том случае, если для одного состава было проведено несколько измерений стеклообразующей способности, мы предполагаем, что можно сформировать металлическое стекло, если хотя бы одно измерение обнаружило возможность образования полностью аморфного образца. После описанных шагов скрининга 70,8% записей в наборе обучающих данных соответствуют металлическим очкам.
Метод
Мы использовали тот же набор из 145 атрибутов, что и в примере запрещенной зоны, и ансамбли классификаторов случайного леса ⁶², созданные с использованием техники случайного подпространства в качестве алгоритма машинного обучения, который, как мы обнаружили, является наиболее точным алгоритмом для Эта проблема.Эта модель классифицирует данные по двум категориям (т. Е. Может и не может образовывать металлическое стекло) и вычисляет относительную вероятность того, что новая запись будет частью каждой категории. В целях проверки модели мы предполагаем, что любой состав, по прогнозам, имеющий вероятность образования стекла> 50%, является положительным прогнозом стеклообразующей способности. Используя одну модель, обученную на всем наборе данных, мы смогли создать модель с точностью 90% при 10-кратной перекрестной проверке.
Для проверки способности нашего метода прогнозировать новые сплавы мы удалили все записи, которые содержали исключительно Al, Ni и Zr (т.е.е., все тройные соединения Al-Ni-Zr и любые двойные соединения, образованные любыми двумя из этих элементов) из нашего обучающего набора данных, а затем предсказали вероятность того, что сплав может быть преобразован в аморфное состояние для Al-Ni –Zr тройная система. Как показано на рис. 2а, можно формировать аморфные ленты с вращением расплава в одной области вдоль двойной системы Ni – Zr и во второй, богатой алюминием тройной области. Наша модель способна точно предсказать как существование этих областей, так и их относительное расположение (см. Рис. 2b), что показывает, что модели, созданные с использованием нашего метода, могут служить для точного определения благоприятного состава в еще не оцененных системах сплавов.
Рис. 2
( a ) Экспериментальные измерения способности к металлическому стеклообразованию в тройном элементе Al – Ni – Zr, как указано в исх. 34. Зеленые кружки (AM) обозначают композиции, при которых можно создать полностью аморфную ленту путем прядения из расплава, синие квадраты (AC) обозначают композиции, при которых может быть образована только частично аморфная лента, а красные кресты (CR) отметьте композиции, в которых невозможно образовать сколько-нибудь заметное количество аморфной фазы. ( b ) Прогнозируемая способность к стеклованию на основе нашей модели машинного обучения.Точки окрашены в зависимости от относительной вероятности стеклования, где 1 — наиболее вероятная, а 0 — наименьшая. Модель, использованная для этих прогнозов, была разработана с использованием методов, описанных в этой работе, и не была обучена каким-либо измерениям тройной системы Al-Ni-Zr или любой из составляющих ее двойных систем.
Мы дополнительно проверили способность наших моделей экстраполировать на системы сплавов, не включенные в обучающий набор, итеративно используя каждую двоичную систему в качестве тестового набора. Эта процедура работает путем исключения всех сплавов, которые содержат оба элемента в двоичной системе, обучения модели на оставшихся элементах и последующего прогнозирования стеклообразующей способности сплавов, которые были удалены.Например, если бинарный Al – Ni использовался в качестве испытательного набора, то Al ₅₀ Ni ₅₀ и Al ₅₀ Ni ₂₅ Fe ₂₅ будут удалены, но Al ₅₀ Fe ₅₀ и Al ₅₀ Fe ₂₅ Zr ₂₅ нет. Затем этот процесс повторяется для всех 380 уникальных двоичных файлов в наборе данных. Мы измерили, что наша модель имеет точность классификации 80,2% для 15318 тестовых записей, из которых 71% записей были оценены как очки — в отличие от 90.1% измерен при 10-кратной перекрестной проверке с аналогичной долей очков в испытательном наборе. Мы также обнаружили, что, обучая отдельные модели для сплавов, которые содержат только металлические элементы, и тех, которые содержат неметаллы / металлоиды, можно немного повысить точность прогноза до 80,7% — гораздо меньший выигрыш, чем наблюдаемый в примере с запрещенной зоной (23 %). В целом, этот тест на исключение убедительно доказывает, что наша модель способна предсказать стеклообразующую способность в системах сплавов, которые полностью не оцениваются.
Для поиска новых кандидатов в металлические стекла мы использовали нашу модель для прогнозирования вероятности образования стекла для всех возможных тройных сплавов, созданных с интервалом 2 ат.% Любой комбинацией элементов, найденных в обучающем наборе. Учитывая, что набор данных включал 51 элемент, это пространство включает ~ 24 миллиона сплавов-кандидатов, что потребовало ~ 6 часов для оценки на восьми процессорах с тактовой частотой 2,2 ГГц. Чтобы удалить известные сплавы из результатов нашего прогноза, мы сначала удалили все записи, в которых расстояние L ₁ между вектором состава (т.е.е., 〈xH, xHe, xLi,…〉) сплава и любого аморфного сплава в тренировочной выборке было <30 ат.%. Затем мы нашли сплавы с наивысшей предсказанной вероятностью образования стекла в каждой двойной и тройной частях. Восемь сплавов с наивысшей вероятностью стеклования показаны в таблице 3. Один из лучших кандидатов, Zr _0,38 Co _0,24 Cu _0,38, является особенно многообещающим, учитывая существование бинарных Zr – Co и Zr – Cu, обедненных Zr. сплавы и объемные металлические стекла Zr – Al – Co – Cu. ⁶³ Чтобы сделать возможность поиска новых металлических очков открыто доступной для материаловедческого сообщества, мы включили все программное обеспечение и данные, необходимые для использования этой модели, в дополнительную информацию и создали интерактивный веб-инструмент (http: // ОКМД.org / static / analytics / glass_search.html).
Таблица 3 Составы возможных металлических стеклянных сплавов, спрогнозированные с использованием модели машинного обучения, обученной на экспериментальных измерениях стеклообразующей способности .