دانشمندان روسی به هوش مصنوعی آموزش داده‌اند تا مواد آینده را خلق کند

به گزارش مجله خبری نگار،ساخت ایمپلنت‌های استخوانی نسل بعدی، سازه‌های سبک هواپیما یا پره‌های توربین مقاوم در برابر حرارت - همه این وظایف یک چالش اساسی را به اشتراک می‌گذارند: چگونه خواص متضاد را در یک ماده واحد ترکیب کنیم. دانشمندان دانشگاه پلی‌تکنیک پرم راه حلی پیدا کرده‌اند: آنها هوش مصنوعی را توسعه داده‌اند که می‌تواند به طور مستقل و بدون تکیه بر الگو‌های از پیش موجود، مواد جدید را طراحی کند. سرویس مطبوعاتی دانشگاه این موضوع را به Gazeta گزارش داد.

کلید ایجاد مواد منحصر‌به‌فرد در معماری داخلی یا ریزساختار آنها نهفته است. اما انتخاب دستی پیکربندی سه‌بعدی بهینه عملاً غیرممکن است: تعداد ترکیبات ممکن از عناصر به میلیارد‌ها می‌رسد.

محققان دانشگاه پلی‌تکنیک پرم اولین نسخه سه‌بعدی جهان از معماری هوش مصنوعی مشهور StyleGAN۲ را ایجاد کرده‌اند که قبلاً برای تولید تصاویر واقع‌گرایانه استفاده می‌شد. اکنون، این الگوریتم یاد گرفته است که نه با تصاویر مسطح، بلکه با ریزساختار‌های سه‌بعدی مواد کار کند.

این سیستم مبتنی بر یک شبکه‌ی رقابتی مولد (GAN) است - دو شبکه‌ی عصبی که به عنوان یک هنرمند و یک منتقد عمل می‌کنند. اولی ساختار‌های جدید را پیشنهاد می‌دهد، در حالی که دومی امکان‌پذیری و عملکرد آنها را ارزیابی می‌کند. آنها از طریق تعامل، یاد می‌گیرند که راه‌حل‌های پیچیده‌تری ایجاد کنند.

برای آموزش شبکه عصبی، از کتابخانه‌ای متشکل از ۵۰۰۰ مدل مواد متخلخل - که برخی از آنها از نظر طراحی پیچیده‌ترین هستند - استفاده شد. این سیستم الگو‌های توزیع نواحی جامد و خالی، روش‌های اتصال عناصر و هندسه کانال‌های داخلی را آموخت.

میخائیل تاشکینوف، دکترای فیزیک و ریاضیات و رئیس آزمایشگاه مکانیک مواد و دستگاه‌های زیست‌سازگار در دانشگاه پلی‌تکنیک تحقیقات ملی پرم، توضیح داد: «در این مرحله، مجموعه‌ای از ساختار‌ها شکل می‌گیرند که در آنها بهبود همزمان هر دو پارامتر غیرممکن است: افزایش استحکام، چگالی را افزایش می‌دهد و برعکس. چنین راه‌حل‌هایی ارزشمندترین هستند، زیرا نشان‌دهنده مصالحه‌های ایده‌آل بین الزامات متضاد هستند.»

«یوگنی کونونوف»، مهندس تحقیقاتی، افزود: «شبکه عصبی صرفاً الگو‌های شناخته‌شده را ترکیب نمی‌کند؛ بلکه الگو‌های جدیدی ابداع می‌کند؛ و این کار را هوشمندانه انجام می‌دهد - همه گزینه‌ها به‌طور خودکار در یک فضای طراحی دیجیتال، جایی که ساختار‌های مشابه در نزدیکی آن قرار دارند، مرتب می‌شوند. این به مهندس اجازه می‌دهد تا به‌سرعت بهترین راه‌حل‌ها را مقایسه و انتخاب کند.»

آزمایش‌ها نشان داد که این سیستم قادر به ایجاد ریزساختار‌هایی است که از مجموعه آموزشی بهتر عمل می‌کنند. در چگالی یکسان، آنها ۱۵ تا ۲۰ درصد سفت‌تر از نمونه‌های مشابه موجود بودند.

چنین موادی می‌توانند پایه و اساس نسل جدیدی از ایمپلنت‌های زیست‌سازگار را تشکیل دهند که به ترکیبی ایده‌آل از تخلخل و پایداری مکانیکی نیاز دارند، و همچنین برای سازه‌های هوافضایی سبک و بادوام که در آنها هر گرم اهمیت دارد.