Искусственный интеллект обучили определять нагрузку на материал по изображениям

Исследователи из Массачусетского технологического института разработали инструмент искусственного интеллекта для определения нагрузки, которой подвергается материал, путем анализа изображений.

Законы физики веками использовались инженерами для определения - с помощью сложных уравнений - нагрузок, которым подвергаются материалы, с которыми они работают. Это трудоемкая, но жизненно важная задача по предотвращению повреждений конструкции, которые в лучшем случае могут быть дорогостоящими, а в худшем - привести к гибели людей.

"Многие поколения математиков и инженеров записали эти уравнения, а затем выяснили, как их решать на компьютерах", - говорит Маркус Бюлер, профессор инженерии McAfee, директор Лаборатории атомной и молекулярной механики и один из соавторов исследования.

"Но это по-прежнему остается серьезн ой проблем ой. Это очень дорого - запуск некоторых симуляций может занять дни, недели или даже месяцы. Поэтому мы подумали: давайте научим ИИ решать эту задачу за вас".

Используя компьютерное зрение, инструмент искусственного интеллекта, разработанный исследователями Массачусетского технологического института, может генерировать оценки нагрузок на материалы в режиме реального времени.

Для открытия была использована Генеративная состязательная сеть (GAN). Сеть была обучена с использованием тысяч парных изображений - одно показывает внутреннюю микроструктуру материала при воздействии механических сил, а другое помечено цветовыми кодами значений напряжения и деформации.

Используя теорию игр, GAN может определить взаимосвязь между внешним видом материала и нагрузками, которым он подвергается.

"По изображению компьютер может предсказать все эти силы: деформации, напряжения и так далее", - добавляет Бюлер.

Еще более впечатляюще то, что ИИ может воссоздавать такие проблемы, как трещины в материале, которые могут существенно повлиять на его реакцию на силы.

После обучения нейронная сеть может работать на компьютерных процессорах потребительского уровня. Это делает ИИ доступным в полевых условиях и позволяет проводить проверки только на основе фотографий.