محققان MIT یک ابزار هوش مصنوعی برای تعیین میزان تنش مواد از طریق تجزیه و تحلیل تصاویر ایجاد کرده اند.
قوانین فیزیک قرن‌ها توسط مهندسان برای بررسی میزان تنش موادی که با آنها کار می‌کنند، با استفاده از معادلات پیچیده مورد استفاده قرار می‌دهند. جلوگیری از خرابی‌های سازه‌ای که در بهترین حالت ممکن است پرهزینه باشد یا در بدترین حالت منجر به تلفات جانی شود، کاری زمان‌بر اما حیاتی است.
مارکوس بوهلر می گوید: «نسل های زیادی از ریاضیدانان و مهندسان این معادلات را یادداشت کرده اند و سپس نحوه حل آنها را در رایانه کشف کرده اند.
اما هنوز شبیه سازی مواد بسیار گران است که ممکن است چند روز، هفته یا حتی ماه ها طول بکشد. بنابراین، تصمیم گرفتیم یک هوش مصنوعی آموزش دهیم که این مشکل را برای ما حل کند.»
با استفاده از بینایی کامپیوتری، ابزار هوش مصنوعی توسعه یافته توسط محققان MIT می تواند برآوردهایی از تنش های مواد را در زمان واقعی ایجاد کند.
یک شبکه متخاصم مولد (GAN) برای دستیابی به موفقیت مورد استفاده قرار گرفت. این شبکه با استفاده از هزاران تصویر جفتی آموزش داده شد – یکی نشان دهنده ریزساختار داخلی مواد در هنگام قرار گرفتن در معرض نیروهای مکانیکی، و دیگری با برچسب‌گذاری با مقادیر تنش و کرنش کد رنگی است.
با استفاده از تئوری بازی، GAN می‌تواند روابط بین ظاهر ماده و تنش‌هایی که تحت آن قرار می‌گیرد را تعیین کند.
بولر می افزاید: «کامپیوتر از روی یک تصویر قادر است تمام این نیروها را پیش بینی کند: تغییر شکل ها، تنش ها و غیره».
حتی جالب‌تر اینکه، هوش مصنوعی می‌تواند مسائلی مانند شکاف‌هایی را که در یک ماده ایجاد می‌شوند، بازسازی کند که می‌تواند تاثیر زیادی بر نحوه واکنش آن به نیروها داشته باشد.
پس از آموزش، شبکه عصبی می‌تواند روی پردازنده‌های کامپیوتری درجه یک مصرف‌کننده اجرا شود. این باعث می شود که هوش مصنوعی در میدان قابل دسترسی باشد و بازرسی ها را فقط با یک عکس انجام دهند.
