ИИ помог определить физические свойства материала по его изображению
Ученые создали нейросеть, которая смогла по изображениям внутренней микроструктуры материала определить его внутренние напряжения и устойчивость к механическим деформациям.
Нейросети способны делать некоторые расчеты быстрее и качественнее людей. Новая программа в очередной раз подтвердила это: она смогла за доли секунды правильно посчитать внутренние напряжения в материале по изображению его микроструктуры
На протяжении веков инженеры использовали физические законы, разработанные Ньютоном и другими физиками, чтобы вычислить внутренние напряжения и деформации в материалах. Но решение этих уравнений может потребовать огромных вычислительных ресурсов, особенно для соединений со сложной внутренней структурой.
Исследователи MIT разработали методику быстрого определения определенных свойств материала, таких как предельные напряжение и деформация, на основе изображений внутренней структуры объекта. Этот подход может в один прекрасный день устранить необходимость в сложных ручных расчетах — специалисты смогут полагаться на компьютерное зрение и машинное обучение, чтобы получить оценку параметров материала в реальном времени.
В основе нового алгоритма лежит метод машинного обучения, который называется генеративно-состязательной нейронной сетью. Авторы обучили сеть тысячам парных изображений — на одном из них была внутренняя микроструктура материала, который подвергали механическим нагрузкам, а на другом — цветовые представления напряжений и деформаций внутри структуры образца. Для анализа сеть использовала принципы теории игр для вычисления связей между геометрией материала и напряжениями внутри него.
Разработанный физиками алгоритм обрабатывает информацию через серию «сверток», которые с каждым шагом увеличивают масштаб анализируемого изображения. Испытания программы показали, что она способна работать даже на обычных коммерческих процессорах и выполнять вычисления за доли секунды. Полученные расчеты хорошо совпали с данными, полученными «вручную». По словам авторов, кроме экономии времени и денег, такая программа могла бы обеспечить неэкспертам доступ к качественным данным о механических свойствах материалов — их могли бы использовать в своей работе, например, архитекторы или дизайнеры.
Исследование опубликовано в журнале Science Advances.
Нейросети способны делать некоторые расчеты быстрее и качественнее людей. Новая программа в очередной раз подтвердила это: она смогла за доли секунды правильно посчитать внутренние напряжения в материале по изображению его микроструктуры
На протяжении веков инженеры использовали физические законы, разработанные Ньютоном и другими физиками, чтобы вычислить внутренние напряжения и деформации в материалах. Но решение этих уравнений может потребовать огромных вычислительных ресурсов, особенно для соединений со сложной внутренней структурой.
Исследователи MIT разработали методику быстрого определения определенных свойств материала, таких как предельные напряжение и деформация, на основе изображений внутренней структуры объекта. Этот подход может в один прекрасный день устранить необходимость в сложных ручных расчетах — специалисты смогут полагаться на компьютерное зрение и машинное обучение, чтобы получить оценку параметров материала в реальном времени.
В основе нового алгоритма лежит метод машинного обучения, который называется генеративно-состязательной нейронной сетью. Авторы обучили сеть тысячам парных изображений — на одном из них была внутренняя микроструктура материала, который подвергали механическим нагрузкам, а на другом — цветовые представления напряжений и деформаций внутри структуры образца. Для анализа сеть использовала принципы теории игр для вычисления связей между геометрией материала и напряжениями внутри него.
Разработанный физиками алгоритм обрабатывает информацию через серию «сверток», которые с каждым шагом увеличивают масштаб анализируемого изображения. Испытания программы показали, что она способна работать даже на обычных коммерческих процессорах и выполнять вычисления за доли секунды. Полученные расчеты хорошо совпали с данными, полученными «вручную». По словам авторов, кроме экономии времени и денег, такая программа могла бы обеспечить неэкспертам доступ к качественным данным о механических свойствах материалов — их могли бы использовать в своей работе, например, архитекторы или дизайнеры.
Исследование опубликовано в журнале Science Advances.
Ещё новости по теме:
18:20