Исследователи из Массачусетского технологического института разработали инструмент искусственного интеллекта для определения напряжения, под которым находится материал, путем анализа изображений.
Непростые законы физики веками использовались инженерами для расчета – с помощью сложных уравнений – напряжений, которым подвергаются материалы, с которыми они работают. Это трудоемкая, но жизненно важная задача — предотвратить структурные сбои, которые в лучшем случае могут быть дорогостоящими, а в худшем — привести к гибели людей.
“Многие поколения математиков и инженеров записывали эти уравнения, а затем выяснили, как их решить на компьютерах, -говорит Маркус Бюлер (Markus Buehler), профессор инженерного факультета McAfee, директор Лаборатории атомистической и молекулярной механики и один из соавторов статьи. — Но это все еще сложная проблема. Это очень дорого — может потребоваться несколько дней, недель или даже месяцев, чтобы запустить некоторые симуляции. Итак, мы подумали: давайте научим ИИ делать эту задачу за нас”.
Используя компьютерное зрение, инструмент искусственного интеллекта, разработанный исследователями Массачусетского технологического института, может генерировать оценки материальных напряжений в режиме реального времени.
Для прорыва была использована Генеративная состязательная сеть (GAN). Сеть обучалась с использованием тысяч парных изображений— одно показывало внутреннюю микроструктуру материала при воздействии механических сил, а другое было помечено цветными значениями напряжений и деформаций.
Используя теорию игр, GAN способен определить отношения между внешним видом материала и нагрузками, которым он подвергается.
“По изображению компьютер способен предсказать все эти силы: деформации, напряжения и так далее”, — добавляет Бюлер.
Еще более впечатляет то, что ИИ способен предсказать такие проблемы, как трещины, развивающиеся в материале, которые могут оказать значительное влияние на то, как он реагирует на внешние силы.
После обучения нейронная сеть может работать на компьютерных процессорах потребительского класса. Это сделает ИИ доступным в полевых условиях и позволит проводить проверки только с помощью фотографии.