هوش مصنوعی می‌تواند میزان تنش مواد را از طریق تصاویر محاسبه کند

محققان دانشگاه MIT ابزاری مجهز به هوش مصنوعی ساخته‌اند که می‌تواند با تحلیل تصاویر، میزان تنش مواد را تعیین کند.

قرن‌هاست مهندسان تلاش دارند با استفاده از قوانین دشوار فیزیک و معادلات پیچیده، میزان تنش در مواد را محاسبه کنند. شکست ساختاری می‌تواند منجر به خسارات مالی و حتی جانی فراوانی شود و جلوگیری از آن مسئله‌ای حیاتی، هرچند زمان‌بر، است.

مارکس بولر، استاد مهندسی McAfee و رئیس آزمایشگاه مکانیک اتمی مولکولی که از نویسندگان مقاله‌ی مذکور نیز می‌باشد، معتقد است: «چندین نسل از ریاضی‌دانان و مهندسان، معادلاتی پیچیده نوشته‌اند و سپس آن‌ها را به کمک کامپیوترها حل کرده‌اند. اما شبیه‌سازی (مواد) همچنان مسئله‌ای دشوار و گران‌قیمت به شمار می‌رود که می‌تواند روزها، هفته‌ها و یا حتی ماه‌ها به طول بیانجامد. به همین دلیل، این ایده به ذهنمان رسید که برای انجام این مسئله، یک هوش مصنوعی آموزش دهیم.»

هوش مصنوعی که توسط پژوهشگران دانشگاه MIT ساخته شده است می‌تواند با استفاده از بینایی ماشین، در لحظه میزان تنش مواد را برآورد کند.

برای دستیابی به این فناوری، از یک GAN (شبکه‌ی مولد تخاصمی) استفاده شد. این شبکه روی هزاران جفت تصویر آموزش دیده است؛ در هر جفت، یک تصویر از زیرساختار درونی ماده هنگام اعمال نیروی مکانیکی و تصویری از مقادیر تنش و کرنش Stress and strain که با رنگ‌های مشخصی رمزگذاری شده‌اند، وجود دارد.

بر اساس نظریه‌ی بازی، GAN می‌تواند بین ظاهر ماده و تنشی که تحمل می‌کند ارتباط برقرار کند.

بولر در ادامه‌ی صحبت خود می‌گوید: «کامپیوتر می‌تواند از روی یک تصویر، همه‌ی نیروهای وارده، تغییر شکل، تنش، و غیره را پیش‌بینی کند.»

نکته‌ی جالب‌تر اینجاست که هوش مصنوعی می‌تواند واکنش ماده به نیروهای مختلف، برای مثال گسترش ترک در ماده، را شبیه‌سازی کند.

شبکه های عصبی پس از آموزش می‌توانند روی پردازنده کامپیوترهای عادی نیز اجرا شوند. این امر باعث می‌شود هوش مصنوعی کاربرد میدانی هم داشته باشد و تنها با استفاده از یک تصویر، بررسی‌های لازم را انجام دهد.