I ricercatori dell'Università di Waterloo hanno trovato un modo migliore per identificare le strutture atomiche, un passo essenziale per migliorare la selezione dei materiali nel settore dell'aviazione, industria edile e automobilistica.
I risultati dello studio potrebbero tradursi in una maggiore fiducia nel determinare l'integrità dei metalli.
Devinder Kumar, un dottorato di ricerca candidato in ingegneria di progettazione di sistemi a Waterloo, ha collaborato con il Fritz Haber Institute (FHI) di Berlino, sviluppare un potente modello di intelligenza artificiale in grado di rilevare con precisione diverse strutture atomiche nei materiali metallici. Il sistema può trovare imperfezioni nel metallo che prima non erano rilevabili.
"Ovunque tu abbia metalli vuoi conoscere la consistenza, e ciò non può essere fatto negli attuali scenari pratici perché i metodi attuali non riescono a identificare la simmetria in condizioni imperfette, " disse Kumar, che è membro del Vision and Image Processing Research Group sotto la supervisione di Alexander Wong, professore alla Waterloo e Canada Research Chair nel campo dell'intelligenza artificiale.
"Così, questo nuovo metodo di valutazione del materiale metallico porterà a una migliore progettazione complessiva dei materiali e ha il potenziale per influenzare tutti i settori in cui sono necessarie proprietà di progettazione dei materiali".
FHI ha escogitato un nuovo scenario in grado di creare artificialmente dati relativi al mondo reale. Kumar insieme ai suoi collaboratori è stato in grado di utilizzare questo per generare circa 80, 000 immagini dei diversi tipi di difetti e spostamenti per produrre un modello AI molto efficace per identificare vari tipi di strutture cristalline in scenari pratici. Questi dati sono stati rilasciati al pubblico in modo che le persone possano effettivamente apprendere i propri algoritmi.
"In teoria, tutti i materiali metallici hanno una perfetta simmetria, e tutti gli articoli sono nel posto giusto, ma in pratica a causa di vari motivi come la produzione a basso costo ci sono difetti, " Kumar ha detto. "Tutti questi metodi attuali falliscono quando cercano di abbinare le strutture ideali reali, la maggior parte di loro fallisce quando c'è anche solo l'uno per cento di difetto."
"Abbiamo realizzato un algoritmo o un modello basato sull'intelligenza artificiale in grado di classificare questo tipo di simmetrie anche fino al 40% di difetti".
Lo studio, Classificazione approfondita delle strutture cristalline utilizzando il deep learning, è stato pubblicato di recente sulla rivista Comunicazioni sulla natura .
