Glass Properties Database

Glass Properties Database (база данных свойств стекла) — это структурированное собрание физических, химических, механических, оптических и термических характеристик различных типов стекла, предназначенное для научных исследований, промышленного проектирования и образовательных целей. Такие базы данных содержат числовые значения параметров (например, плотность, коэффициент теплового расширения, показатель преломления, прочность на сжатие) для широкого спектра стекольных композиций, включая силикатные, боросиликатные, алюмосиликатные, кварцевые, халькогенидные и металлические стёкла. Данные обычно сопровождаются информацией о методе измерения, составе материала, условиях термообработки и источнике.

История создания

Первые попытки систематизировать свойства стекла относятся к середине XX века, когда в промышленности возникла потребность в стандартизации материалов для оптики, электроники и строительства. В 1960-х годах в СССР и США начали создаваться ведомственные каталоги, например, «Справочник по оптическому стеклу» (ГОСТ 13659-68) и базы данных корпораций Corning и Schott. С развитием вычислительной техники в 1980-х годах появились электронные базы, такие как «SciGlass» (создана в 1990-х годах, развивалась в России и США). В 2000-х годах с распространением интернета стали доступны онлайн-платформы, например, «Interglad» (Международная база данных свойств стекла, проект Японского общества стекла) и открытые репозитории, такие как «Glass Properties Database» на сайте Национального института стандартов и технологий США (NIST).

Классификация баз данных

Базы данных свойств стекла можно разделить по нескольким признакам:

По типу доступа

• Открытые (бесплатные): например, «NIST Glass Properties Database», «GlassHub» (проект Массачусетского технологического института), «MatWeb» (частично открытый). Доступны для скачивания или онлайн-поиска.
• Коммерческие (платные): «SciGlass» (лицензия на использование), «Schott Optical Glass Data» (поставляется вместе с продукцией), «Corning Glass Data Sheets». Содержат более детальные данные и инструменты для расчёта.
• Ведомственные: закрытые базы данных предприятий (например, «LZOS» — Лыткаринский завод оптического стекла, Россия) и научно-исследовательских институтов.

По охвату материалов

• Универсальные: включают все типы стекла — от бытового до специального. Пример: «SciGlass» (содержит данные более чем о 400 000 композиций).
• Специализированные: фокусируются на одном классе, например, «Optical Glass Database» (только оптические стёкла), «Glass Ceramics Database» (ситаллы), «Chalcogenide Glass Database» (халькогенидные стёкла для инфракрасной оптики).

По формату представления

• Табличные: статические таблицы в форматах CSV, Excel, PDF. Пример: «Свойства промышленных стёкол» (ГОСТ 111-2018, Россия).
• Интерактивные: веб-интерфейсы с возможностью фильтрации, построения графиков и расчёта. Пример: «Glass Properties Explorer» (проект NIST).
• Программные библиотеки: API для интеграции в расчётные программы (например, «GlassPy» — библиотека на Python для расчёта свойств стекла).

Основные категории свойств

Базы данных обычно включают следующие группы характеристик:

Физические свойства

• Плотность (ρ, г/см³): для силикатных стёкол — 2,2–2,6 г/см³, для кварцевого стекла — 2,2 г/см³.
• Температура стеклования (Tg, °C): от 400 °C (боросиликатные) до 1200 °C (кварцевое стекло).
• Температура размягчения (Ts, °C): по методу Литтлтона (например, для оконного стекла — около 600 °C).
• Коэффициент термического расширения (КТР, 10⁻⁶/К): от 0,5 (кварцевое стекло) до 15 (свинцовые хрустали).

Механические свойства

• Прочность на сжатие (МПа): 500–2000 МПа для большинства стёкол.
• Прочность на растяжение (МПа): 30–100 МПа (зависит от дефектов поверхности).
• Модуль упругости (ГПа): 50–90 ГПа (для силикатных стёкол).
• Твёрдость по Кнупу (HK, ГПа): 3–7 ГПа (кварцевое стекло — 7 ГПа).

Оптические свойства

• Показатель преломления (nD): от 1,45 (кварцевое стекло) до 2,0 (свинцовые стёкла).
• Коэффициент дисперсии (число Аббе, νD): от 20 (флинты) до 70 (кроны).
• Светопропускание (%): для оконного стекла — 85–90% в видимом диапазоне.
• Оптическая однородность (класс по ГОСТ 23136-93): от 0 (высшая) до 5 (низшая).

Термические свойства

• Теплопроводность (Вт/(м·К)): 0,8–1,2 Вт/(м·К) для силикатных стёкол.
• Теплоёмкость (Дж/(кг·К)): 700–900 Дж/(кг·К) при 20 °C.
• Термостойкость (ΔT, °C): от 100 °C (обычное стекло) до 1000 °C (кварцевое стекло).

Химические свойства

• Химическая устойчивость (классы по ГОСТ 10134-82): от 1 (высокая) до 5 (низкая) для воды, кислот, щелочей.
• Водостойкость (мг/дм²): потеря массы при кипячении в воде (например, для боросиликатного стекла — менее 0,5 мг/дм²).
• Кислотостойкость (потеря массы в 10% HCl): для кварцевого стекла — менее 0,01 мг/дм².

Примеры известных баз данных

SciGlass

Одна из крупнейших коммерческих баз данных, созданная в 1990-х годах в России (разработчик — «Институт химии силикатов им. И. В. Гребенщикова РАН»). Содержит данные о более чем 400 000 композициях стекла, включая силикатные, боросиликатные, фосфатные, германатные и другие. Включает модули для расчёта свойств по составу, построения диаграмм состояния и поиска аналогов. Доступна на CD/DVD и через онлайн-платформу.

NIST Glass Properties Database

Открытая база данных Национального института стандартов и технологий США (NIST). Содержит данные о 10 000+ композициях, в основном коммерческих стёкол, с акцентом на оптические и механические свойства. Доступна в формате CSV и через веб-интерфейс «Glass Properties Explorer». Включает данные по стандартам ASTM и ISO.

Schott Optical Glass Data

База данных компании Schott AG (Германия), одного из крупнейших производителей оптического стекла. Содержит подробные спецификации на более чем 200 типов оптических стёкол, включая показатели преломления, дисперсию, внутреннее пропускание, термооптические константы и химическую устойчивость. Распространяется бесплатно в виде PDF-каталогов и Excel-таблиц.

Corning Glass Data Sheets

База данных компании Corning Incorporated (США). Включает технические листы на стёкла для дисплеев (Gorilla Glass), фотохромные стёкла, лабораторную посуду (Pyrex) и оптоволокно. Данные доступны на официальном сайте производителя.

Российские базы данных

• ГОСТ 13659-68 «Стекло оптическое. Основные параметры» — содержит данные о 50+ марках оптического стекла, выпускаемых в России (например, К8, ТФ10, ЛК5).
• База данных «Стекло» (Институт химии силикатов РАН) — включает свойства промышленных стёкол, ситаллов и стеклокристаллических материалов, используемых в строительстве и электронике.

Применение

Базы данных свойств стекла используются в различных областях:

• Оптическая промышленность: подбор стёкол для линз, призм, светофильтров (например, для телескопов, фотоаппаратов, микроскопов).
• Электроника: разработка подложек для дисплеев, изоляторов, оптоволокна (например, для смартфонов, планшетов).
• Строительство: выбор стекла для окон, фасадов, витрин (с учётом теплопроводности, светопропускания, прочности).
• Научные исследования: моделирование свойств новых композиций, проверка теоретических моделей (например, аддитивного правила для расчёта плотности).
• Медицина: создание биосовместимых стёкол (например, для имплантатов, зубных протезов).

Критика и ограничения

Основные недостатки существующих баз данных:

• Неполнота данных: для многих композиций отсутствуют измерения по ряду свойств (например, химическая устойчивость или термостойкость).
• Различия в методиках: свойства, измеренные разными методами (например, прочность по трёхточечному изгибу и по кольцевому сжатию), могут существенно различаться, что затрудняет сравнение.
• Устаревание: данные для некоторых стёкол, выпущенных в 1960-х годах, могут не соответствовать современным стандартам.
• Закрытость: многие коммерческие базы данных недоступны для малых предприятий и учебных заведений из-за высокой стоимости лицензий.
• Отсутствие единого стандарта: нет общепринятого формата обмена данными, что затрудняет интеграцию разных баз данных.

Перспективы развития

Современные тенденции включают:

• Создание открытых репозиториев (например, «GlassHub» на платформе GitHub) с возможностью краудсорсинга данных.
• Использование машинного обучения для прогнозирования свойств стекла по составу (например, нейросетевые модели, обученные на данных SciGlass).
• Интеграция с базами данных по сырью (например, по пескам, соде, известняку) для оптимизации рецептур.
• Разработка стандартов (ISO 21914:2019 «Glass in building — Determination of thermal properties») для унификации измерений.