Isaac Newton potrebbe aver incontrato la sua partita.

Per secoli, gli ingegneri hanno fatto affidamento su leggi fisiche, sviluppate da Newton e altri, per comprendere le sollecitazioni e le sollecitazioni sui materiali con cui lavorano. Ma risolvere queste equazioni può essere uno sforzo computazionale, soprattutto per materiali complessi.

I ricercatori del MIT hanno sviluppato una tecnica per determinare rapidamente determinate proprietà di un materiale, come lo stress e la tensione, sulla base di un'immagine del materiale che mostra la sua struttura interna. L'approccio potrebbe un giorno eliminare la necessità di ardui calcoli basati sulla fisica, affidandosi invece alla visione artificiale e all'apprendimento automatico per generare stime in tempo reale.

I ricercatori affermano che il progresso potrebbe consentire una più rapida prototipazione del design e ispezioni dei materiali. "È un approccio nuovo di zecca, "dice Zhenze Yang, aggiungendo che l'algoritmo "completa l'intero processo senza alcuna conoscenza del dominio della fisica".

La ricerca appare oggi sulla rivista Progressi scientifici . Yang è l'autore principale del documento e un dottorato di ricerca. studente presso il Dipartimento di Scienze e Ingegneria dei Materiali. I coautori includono l'ex postdoc del MIT Chi-Hua Yu e Markus Buehler, il McAfee Professor of Engineering e il direttore del Laboratorio di Meccanica Atomistica e Molecolare.

Gli ingegneri passano molto tempo a risolvere equazioni. Aiutano a rivelare le forze interne di un materiale, come lo stress e la tensione, che possono causare la deformazione o la rottura di quel materiale. Tali calcoli potrebbero suggerire come reggerebbe un ponte proposto in mezzo a carichi di traffico pesanti o venti forti. A differenza di Sir Isaac, gli ingegneri di oggi non hanno bisogno di carta e penna per il compito. "Molte generazioni di matematici e ingegneri hanno scritto queste equazioni e poi hanno capito come risolverle sui computer, " dice Buehler. "Ma è ancora un problema difficile. È molto costoso:possono volerci giorni, settimane, o addirittura mesi per eseguire alcune simulazioni. Così, abbiamo pensato:insegniamo a un'intelligenza artificiale a fare questo problema per te."

I ricercatori si sono rivolti a una tecnica di apprendimento automatico chiamata Generative Adversarial Neural Network. Hanno addestrato la rete con migliaia di immagini accoppiate, una raffigurante la microstruttura interna di un materiale soggetta a forze meccaniche, e l'altro raffigurante i valori di sollecitazione e deformazione codificati a colori dello stesso materiale. Con questi esempi, la rete utilizza i principi della teoria dei giochi per capire in modo iterativo le relazioni tra la geometria di un materiale e le sollecitazioni risultanti.

"Così, da una foto, il computer è in grado di prevedere tutte quelle forze:le deformazioni, le sollecitazioni, e così via, " Dice Buehler. "Questa è davvero la svolta - nel modo convenzionale, dovresti codificare le equazioni e chiedere al computer di risolvere equazioni differenziali alle derivate parziali. Andiamo solo da una foto all'altra".

Questo approccio basato sull'immagine è particolarmente vantaggioso per complessi, materiali compositi. Le forze su un materiale possono operare in modo diverso su scala atomica rispetto a scala macroscopica. "Se guardi un aereo, potresti avere la colla, un metallo, e un polimero in mezzo. Così, hai tutte queste facce diverse e scale diverse che determinano la soluzione, "dice Buehler. "Se vai nel modo più duro, il modo di Newton, devi percorrere un'enorme deviazione per arrivare alla risposta."

Ma la rete del ricercatore è abile nell'affrontare scale multiple. Elabora le informazioni attraverso una serie di "convoluzioni, " che analizzano le immagini su scale progressivamente più grandi. "Ecco perché queste reti neurali sono perfette per descrivere le proprietà dei materiali, "dice Buehler.

La rete completamente addestrata ha ottenuto buoni risultati nei test, rendering con successo dei valori di sollecitazione e deformazione grazie a una serie di immagini ravvicinate della microstruttura di vari materiali compositi morbidi. La rete è stata persino in grado di catturare "singolarità, " come crepe che si sviluppano in un materiale. In questi casi, le forze e i campi cambiano rapidamente su piccole distanze. "Come scienziato dei materiali, vorresti sapere se il modello può ricreare quelle singolarità, " dice Buehler. "E la risposta è sì."

L'anticipo potrebbe "ridurre significativamente le iterazioni necessarie per progettare prodotti, "secondo Suvranu De, un ingegnere meccanico al Rensselaer Polytechnic Institute che non era coinvolto nella ricerca. "L'approccio end-to-end proposto in questo documento avrà un impatto significativo su una varietà di applicazioni ingegneristiche, dai compositi utilizzati nell'industria automobilistica e aeronautica ai biomateriali naturali e ingegnerizzati. Avrà anche applicazioni significative nel regno della pura inchiesta scientifica, poiché la forza svolge un ruolo fondamentale in una gamma sorprendentemente ampia di applicazioni dalla micro/nanoelettronica alla migrazione e differenziazione delle cellule".

Oltre a far risparmiare tempo e denaro agli ingegneri, la nuova tecnica potrebbe fornire ai non esperti l'accesso a calcoli di materiali all'avanguardia. Architetti o designer di prodotto, Per esempio, potrebbero testare la fattibilità delle loro idee prima di passare il progetto a un team di ingegneri. "Possono semplicemente disegnare la loro proposta e scoprire, " dice Buehler. "Questo è un grosso problema."

Una volta addestrato, la rete funziona quasi istantaneamente su processori per computer di livello consumer. Ciò potrebbe consentire a meccanici e ispettori di diagnosticare potenziali problemi con i macchinari semplicemente scattando una foto.

Nel nuovo giornale, i ricercatori hanno lavorato principalmente con materiali compositi che includevano componenti sia morbidi che fragili in una varietà di disposizioni geometriche casuali. Nel lavoro futuro, il team prevede di utilizzare una gamma più ampia di tipi di materiali. "Penso davvero che questo metodo avrà un impatto enorme, " afferma Buehler. "Dare potere agli ingegneri con l'intelligenza artificiale è davvero ciò che stiamo cercando di fare qui".

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.