Жидкокристаллические материалы благодаря своим твердотельным и жидкостным свойствам обладают уникальными преимуществами в науке о материалах и их применении. В последние годы методы, основанные на данных, получили широкое применение в классификации жидкокристаллических фаз, дизайне материалов, прогнозировании свойств и сенсорных технологиях. С помощью таких технологий, как машинное обучение, были достигнуты значительные успехи в прогнозировании фазовых переходов жидких кристаллов, оценке физико-химических свойств и оптимизации работы сенсоров. Эти исследования не только улучшили характеристики жидкокристаллических материалов, но и расширили их потенциал в интеллектуальных сенсорах, газоанализе, мониторинге окружающей среды и биосенсорах. В статье представлен обзор отечественных и зарубежных исследований данных материалов, обсуждаются перспективы их проектирования, оптимизации и применения, а также перспективы дальнейшего развития науки о жидкокристаллах.

исходные данные;машинное обучение;жидкие кристаллы;наука о материалах