p Isaac Newton pode ter encontrado seu par. p Durante séculos, engenheiros contam com leis físicas - desenvolvidas por Newton e outros - para entender as tensões e deformações nos materiais com que trabalham. Mas resolver essas equações pode ser um trabalho árduo computacional, especialmente para materiais complexos.

p Os pesquisadores do MIT desenvolveram uma técnica para determinar rapidamente certas propriedades de um material, como estresse e tensão, baseado em uma imagem do material mostrando sua estrutura interna. A abordagem pode um dia eliminar a necessidade de cálculos árduos baseados na física, em vez disso, confiar na visão computacional e no aprendizado de máquina para gerar estimativas em tempo real.

p Os pesquisadores dizem que o avanço pode permitir uma prototipagem de projeto e inspeções de materiais mais rápidas. "É uma abordagem totalmente nova, "diz Zhenze Yang, acrescentando que o algoritmo "completa todo o processo sem nenhum conhecimento de domínio da física."

p A pesquisa aparece hoje no jornal Avanços da Ciência . Yang é o autor principal do artigo e um Ph.D. estudante do Departamento de Ciência e Engenharia de Materiais. Os co-autores incluem o ex-pós-doutorado do MIT Chi-Hua Yu e Markus Buehler, o professor de engenharia da McAfee e o diretor do Laboratório de Mecânica Atomística e Molecular.

p Os engenheiros passam muito tempo resolvendo equações. Eles ajudam a revelar as forças internas de um material, como estresse e tensão, o que pode fazer com que o material se deforme ou se quebre. Esses cálculos podem sugerir como uma ponte proposta se comportaria em meio a cargas de tráfego pesado ou ventos fortes. Ao contrário de Sir Isaac, os engenheiros de hoje não precisam de papel e caneta para a tarefa. "Muitas gerações de matemáticos e engenheiros escreveram essas equações e descobriram como resolvê-las nos computadores, "diz Buehler." Mas ainda é um problema difícil. É muito caro, pode levar dias, semanas, ou mesmo meses para fazer algumas simulações. Então, pensamos:vamos ensinar uma IA a fazer esse problema para você. "

p Os pesquisadores se voltaram para uma técnica de aprendizado de máquina chamada Rede Neural Adversarial Generativa. Eles treinaram a rede com milhares de imagens emparelhadas - uma representando a microestrutura interna de um material sujeita a forças mecânicas, e a outra representando os valores de tensão e deformação codificados por cores desse mesmo material. Com esses exemplos, a rede usa princípios da teoria dos jogos para descobrir iterativamente as relações entre a geometria de um material e suas tensões resultantes.

p "Então, de uma foto, o computador é capaz de prever todas essas forças:as deformações, o estresse, e assim por diante, "Buehler diz." Essa é realmente a descoberta - da maneira convencional, você precisaria codificar as equações e pedir ao computador para resolver equações diferenciais parciais. Nós apenas vamos de uma imagem para outra. "

p Essa abordagem baseada em imagem é especialmente vantajosa para complexos, materiais compósitos. As forças em um material podem operar de maneira diferente na escala atômica e na escala macroscópica. "Se você olhar para um avião, você pode ter cola, um metal, e um polímero no meio. Então, você tem todas essas faces e escalas diferentes que determinam a solução, "diz Buehler." Se você seguir o caminho difícil - o caminho de Newton - terá de fazer um grande desvio para chegar à resposta. "

p Mas a rede do pesquisador é adepta de lidar com escalas múltiplas. Ele processa informações por meio de uma série de "convoluções, "que analisam as imagens em escalas progressivamente maiores." É por isso que essas redes neurais são ótimas para descrever propriedades de materiais, "diz Buehler.

p A rede totalmente treinada teve um bom desempenho nos testes, renderizando com sucesso os valores de tensão e deformação dada uma série de imagens de close-up da microestrutura de vários materiais compósitos macios. A rede foi até capaz de capturar "singularidades, "como rachaduras se desenvolvendo em um material. Nesses casos, forças e campos mudam rapidamente em distâncias minúsculas. "Como um cientista material, você gostaria de saber se o modelo pode recriar essas singularidades, "diz Buehler." E a resposta é sim. "

p O avanço poderia "reduzir significativamente as iterações necessárias para projetar produtos, "de acordo com Suvranu De, um engenheiro mecânico do Rensselaer Polytechnic Institute que não esteve envolvido na pesquisa. "A abordagem ponta a ponta proposta neste artigo terá um impacto significativo em uma variedade de aplicações de engenharia - de compósitos usados ​​nas indústrias automotiva e aeronáutica a biomateriais naturais e de engenharia. Também terá aplicações significativas no reino dos puros inquérito científico, já que a força desempenha um papel crítico em uma gama surpreendentemente ampla de aplicações, desde micro / nanoeletrônica até a migração e diferenciação de células. "

p Além de economizar tempo e dinheiro dos engenheiros, a nova técnica poderia dar aos não especialistas acesso a cálculos de materiais de última geração. Arquitetos ou designers de produtos, por exemplo, poderia testar a viabilidade de suas ideias antes de passar o projeto para uma equipe de engenharia. "Eles podem simplesmente desenhar sua proposta e descobrir, "diz Buehler." Isso é um grande negócio.

p Uma vez treinado, a rede funciona quase que instantaneamente em processadores de computador voltados para o consumidor. Isso poderia permitir que mecânicos e inspetores diagnosticassem problemas potenciais com as máquinas simplesmente tirando uma foto.

p No novo jornal, os pesquisadores trabalharam principalmente com materiais compostos que incluíam componentes macios e frágeis em uma variedade de arranjos geométricos aleatórios. Em trabalho futuro, a equipe planeja usar uma gama mais ampla de tipos de materiais. "Eu realmente acho que esse método terá um grande impacto, "diz Buehler." Capacitar engenheiros com IA é realmente o que estamos tentando fazer aqui. " p Esta história foi republicada por cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisas do MIT, inovação e ensino.