سیستم هوش مصنوعی MIT ساختار داخلی مواد را از مشاهدات سطحی آشکار می کند
یک روش جدید می تواند اطلاعات دقیقی در مورد ساختارهای داخلی، حفره ها و ترک ها، تنها بر اساس داده های مربوط به شرایط بیرونی ارائه دهد.
دانشمندان MIT از یادگیری عمیق برای توسعه تکنیکی استفاده کرده اند که ساختار داخلی مواد را از مشاهدات سطحی تعیین می کند. روش مبتنی بر هوش مصنوعی یک جایگزین ارزانتر و غیرتهاجمی برای بازرسی مواد در رشتههای مختلف ارائه میکند و حتی زمانی که مواد به طور کامل درک نشده باشند قابل اجرا است. این رویکرد می تواند همه چیز را از بازرسی هواپیما گرفته تا تشخیص پزشکی متحول کند.
شاید نتوانید یک کتاب را از روی جلد آن تشخیص دهید، اما به گفته محققان MIT اکنون ممکن است بتوانید این کار را برای انواع مواد، از قطعه هواپیما گرفته تا ایمپلنت پزشکی، انجام دهید. رویکرد جدید آنها به مهندسان این امکان را میدهد تا به سادگی با مشاهده ویژگیهای سطح ماده بفهمند که در داخل چه میگذرد.
این تیم از نوعی یادگیری ماشینی معروف به یادگیری عمیق برای مقایسه مجموعه بزرگی از داده های شبیه سازی شده در مورد میدان های نیروی خارجی مواد و ساختار داخلی مربوطه استفاده کرد و از آن برای تولید سیستمی استفاده کرد که می تواند پیش بینی های قابل اعتمادی از داخل را از سطح انجام دهد. داده ها.
نتایج در مجله Advanced Materials، در مقاله ای توسط دانشجوی دکترا ژنزه یانگ و استاد مهندسی عمران و محیط زیست مارکوس بوهلر منتشر شده است.
بولر توضیح می دهد: «این یک مشکل بسیار رایج در مهندسی است. اگر قطعه ای از مواد دارید – شاید در یک ماشین یا قطعه ای از هواپیما باشد – و می خواهید بدانید که داخل آن ماده چیست، می توانید با گرفتن عکس و محاسبه میزان تغییر شکل خود، فشارهای روی سطح را اندازه بگیرید. دارند. اما شما واقعا نمی توانید به داخل مواد نگاه کنید. تنها راهی که می توانید این کار را انجام دهید این است که آن را برش دهید و سپس به داخل آن نگاه کنید و ببینید آیا هر نوع آسیبی در آن وجود دارد یا خیر.
دیدگاهتان را بنویسید