Naujasis dirbtinio intelekto įrankis pagal nuotraukas apskaičiuoja medžiagų intensyvumą ir intensyvumą

MIT tyrėjai sukūrė mašininio mokymosi techniką, kuri naudoja medžiagos vidinės struktūros vaizdą, kad įvertintų medžiagos įtempius ir įtempimus. Paskola Pagarbiai, tyrėjai

Pažanga gali pagreitinti inžinierių projektavimo procesą, todėl nebereikia spręsti sudėtingų lygčių.

Isaacas Newtonas galėjo susitikti su savo susitikimu.

Šimtmečius inžinieriai rėmėsi fizikos dėsniais, kuriuos sukūrė Newtonas և kiti, kad suprastų medžiagų, su kuriomis jie dirba, intensyvumą ir intensyvumą. Tačiau šių lygčių sprendimas gali būti skaičiavimo šūkis, ypač sudėtingoms medžiagoms.

SU: Mokslininkai sukūrė metodiką, pagal kurią greitai nustatomos tam tikros medžiagos savybės, pavyzdžiui, stresas և, remiantis medžiagos vaizdu, rodančiu vidinę jos struktūrą. Vieną dieną metodas gali panaikinti sunkių fizika pagrįstų skaičiavimų poreikį, užuot pasikliaudamas kompiuterio regėjimo և mašininiu mokymusi, kad sukurtumėte realaus laiko pažymius.

Tyrėjai teigia, kad išankstinis apmokėjimas gali padėti greičiau atlikti prototipų kūrimą ir medžiagų testavimą. „Tai visiškai naujas požiūris“, – sako Henze Jan, pridurdamas, kad algoritmas „užbaigia visą procesą nežinodamas jokios fizikos srities“.

Tyrimas rodomas žurnale „Today“ Mokslo pažangaYoungas yra pagrindinis medžiagos autorius Medžiagų mokslo ir inžinerijos katedroje. Tarp bendraautorių yra buvęs MIT gydytojas po rinkimų Chi-Hua Yu արկ Marcusas Buelleris, „McAfee“ inžinerijos profesorius, Atominės molekulinės mechanikos laboratorijos direktorius.

Inžinieriai daug laiko praleidžia lygčių sprendimui. Jie padeda nustatyti vidines medžiagos jėgas, tokias kaip stresas, dėl kurių medžiaga gali deformuotis ar lūžti. Tokie skaičiavimai gali pasiūlyti, kaip siūlomas tiltas sustos susidarius spūstims ar stipriam vėjui. Skirtingai nuo sero Isaaco, inžinieriams šiam darbui nereikia rašiklio ir popieriaus. „Daugelis matematikų ir inžinierių kartų parašė šias lygtis ir tada suprato, kaip jas išspręsti kompiuteryje“, – sako Buelleris. „Tada mes tai pastebėjome. Tai labai brangu. Kai kurios simuliacijos gali trukti kelias dienas, savaites ar net mėnesius. Taigi mes pagalvojome. Išmokykime dirbtinį intelektą tai padaryti už jus “.

Mokslininkai sukūrė mašininio mokymosi techniką, pavadintą „Generate Adversarial Neural Network“. Jie mokė tinklą tūkstančiais vaizdų porų. Viename pavaizduota medžiagos, veikiamos mechaninių jėgų, vidinė mikrostruktūra, kitoje – tos pačios medžiagos spalvų žymimos įtempių vertės. Pateikdamas šiuos pavyzdžius, tinklas naudoja žaidimo teorijos principus, kad pakartotinai nustatytų medžiagos geometrijos ir iš to kylančio streso santykį.

„Taigi kompiuteris sugeba nuspėti visas šias jėgas iš paveikslėlio. Deformacijos, stresas ir kt. “, – sako Buelleris. „Tai tikrai pažanga. Sąlygiškai reikia užkoduoti lygtis և paprašykite kompiuterio išspręsti dalines diferencialines lygtis. Mes tiesiog einame nuo paveikslo prie paveikslo “.

Gilus mokymasis numato fizinius laukus

Šis atspindys parodo išsamų mokymosi metodą numatant fizinius laukus, atsižvelgiant į skirtingas įvesties geometrijas. Kairėje esančiame paveiksle parodyta kintama kompozito, kuriame tęsiasi minkšta medžiaga, geometrija, o dešinėje – suprojektuotas mechaninis laukas, atitinkantis kairėje linijoje parodytą geometriją. Paskola: MIT

Šis vaizdu pagrįstas požiūris yra ypač naudingas sudėtingoms, sudėtinėms medžiagoms. Jėgos materijai gali veikti kitaip atominiu mastu nei makroskopiniu mastu. „Pažvelgus į lėktuvą gali būti klijų, metalo ar polimero. – Taigi jūs turite visus šiuos skirtingus veidus, skirtingas mastelius, kurie lemia sprendimą. – Jei eini sunkiu keliu, Niutonai, turi nueiti ilgą kelią, kad gautum atsakymą.

Tačiau tyrėjo tinklas mikliai sugeba susidoroti su daugeliu mastelių. Ji apdoroja informaciją per daugybę „sukrėtimų“, kurie vaizdus analizuoja palaipsniui didesniu mastu. „Štai kodėl šie neuroniniai tinklai yra puiki vieta apibūdinti materijos savybes“, – sako Buelleris.

Visiškai pagamintas tinklas gerai atliko bandymus, sėkmingai pateikdamas įtempio և įtempio vertes, atsižvelgdamas į įvairių minkštųjų kompozicinių medžiagų mikrostruktūros uždarytų vaizdų seriją. Perėjimas netgi sugebėjo užfiksuoti „unikalumą“, pavyzdžiui, medžiagos įtrūkimus. Šiais atvejais jėgos ir laukai greitai keičiasi tarp mažų erdvių. „Kaip materialistas norite sužinoti, ar modelis gali atkurti tą unikalumą“, – sako Buelleris. – Ir atsakymas yra „taip“.

Modeliuojama gedimo medžiaga

Šis atspindys parodo imituojamą sudėtingos medžiagos gedimą taikant mašininio mokymosi metodą, nesprendžiant mechaninio valdymo lygčių. Raudona yra minkšta medžiaga, balta yra trapi, o žalia – įtrūkusi. Paskola: MIT

Ši iniciatyva galėtų „žymiai sumažinti gaminių projektavimui reikalingą pasikartojimą“, – teigė tyrime nedalyvavęs Rensselerio politechnikos instituto mechanikos inžinierius Suvranu De. „Šiame dokumente siūlomas„ nuo galo iki galo “metodas turės reikšmingą poveikį įvairioms inžinerijos programoms, pradedant automobilių ir aviacijos pramonėje naudojamais kompozitais, baigiant natūraliai sukurtomis biomedžiagomis. Tai taip pat bus reikšminga grynųjų mokslinių tyrimų srityje, nes galia vaidina stebėtinai platų vaidmenį įvairiose srityse, pradedant mikro / nanoelektronika ir baigiant ląstelių migracija.

Be inžinierių laiko ir pinigų taupymo, nauja įranga gali leisti ne ekspertams naudotis naujausių medžiagų skaičiavimais. Pavyzdžiui, architektų architektai ar produktų dizaineriai, prieš perduodami projektą inžinierių komandai, galėtų išbandyti savo idėjų gyvybingumą. „Jie gali tiesiog pateikti savo pasiūlymą ir sužinoti“, – sakė Buelleris. – Tai didelė problema.

Po mokymų tinklas beveik akimirksniu veikia vartotojo lygio kompiuterių procesoriuose. Tai gali leisti mechanikams: inspektoriai diagnozuoti galimas automobilių problemas tiesiog fotografuodami.

Naujajame straipsnyje tyrėjai daugiausia dėmesio skyrė kompozicinėms medžiagoms, į kurias įvairūs atsitiktiniai geometriniai išdėstymai įtraukė ir minkštus, ir trapius komponentus. Ateityje dirbant komanda planuoja naudoti įvairesnes medžiagas. „Aš tikrai manau, kad šis metodas turės didžiulę įtaką“, – sakė Buelleris. “Inžinierių įgalinimas dirbtiniu intelektu iš tikrųjų yra tai, ką mes čia bandome padaryti”.

Nuoroda. Henze Young, Chi-Hua Yu Marcus B. Bueller, 2021 m. „Gilaus mokymosi modelis, leidžiantis numatyti sudėtingus streso ir įtampos laukus hierarchinėse kompozicijose“. Balandžio 9 d. Mokslo pažanga,
DOI: 10.1126 / sciadv.abd7416:

Šių tyrimų finansavimą iš dalies skyrė Armijos tyrimų biuras „Nav ova Research Office“.

Related articles

Comments

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Share article

Latest articles

Prognozuojama, kad ateivių rūšių padaugės 36% iki 2050 m

Egipto žąsis (Alopochen aegyptiaca), kilusi iš Afrikos, o dabar įsikūrusi Vidurio ir Vakarų Europoje. Autorius: profesorius Timas Blackburnas, UCL Tikimasi, kad šio amžiaus viduryje...

Dėl hormoninių vaistų neproliferaciniai baltymai gali išplisti koronavirusą ir sustabdyti ID-19 vystymąsi

Hormonų tyrimai gali sukelti AD-19 ginklų paplitimą. Kreditas: „Getty Images“ Naujas „Penny Medical“ tyrimas parodo, kaip anti-androgenai trukdo pagrindiniams receptoriams, reikalingiems virusų invazijai į...

Nuostabus „slapto“ objektyvo projektavimo metodas, kurį naudojo „mikrobiologijos tėvas“, rastas po 300 metų

Tai Van Leeuwenhoek mikroskopas. Autoriai: Utrechto universitetas / Rijksmuseum Boerhaave / TU Delft Mikroskopas, kurį Antoni van Leeuwenhoek naudojo novatoriškiems tyrimams atlikti, turi nuostabų...

Joninės sijos sudaro glaudžiai sujungtas „Qubits“ grandines.

Jonų pluoštai gali suformuoti glaudžiai suporuotas kvantinių bitų (kubitų) grandines, pagrįstas deimantų „azoto neturinčiais„ spalvų centrais “, skirtus naudoti kvantinės skaičiavimo aparatinėje įrangoje. ...

Tyrėjai kuria 3D atspausdintą želę biomedicininėms medžiagoms, minkštai robotikai

Hidrogelio medžiaga gaunama iš skirtingo dydžio dumblių dalelių. Paskola Orlino slėnis, NC valstybinis universitetas Dėl stiprumo ir lankstumo hidrogeliai sujungia du fizinius kiaušinius...

Newsletter

Subscribe to stay updated.