پوشش رسانه‌ای جیتکس ۲۰۲۴ | با ما همراه باشید

Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
رویدادها
جیتکس
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 هوش مصنوعی می‌تواند میزان تنش مواد را از طریق تصاویر محاسبه کند

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

زمان مطالعه: < 1 دقیقه

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.

میزان تنش مواد

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.

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]