Материалы портала «Научная Россия»

0 комментариев 866

Ученые создали нейросеть, которая поможет разрабатывать сверхпрочные материалы

Ученые Пермского Политеха создали нейросетевую модель, которая позволит распознавать свойства материалов по цифровым снимкам

Ученые Пермского Политеха создали нейросетевую модель, которая позволит распознавать свойства материалов по цифровым снимкам. Искусственный интеллект и автоматизация процессов помогут предприятиям быстро и недорого производить новые, уникальные по свойствам материалы. 

Субизображение размером 256 x 256 пикселей

Субизображение размером 256 x 256 пикселей

для использования в нейросети

Результаты исследования разработчики опубликовали в журналах «Черные металлы», Integrated Science in Digital Age и Journal of Digital Science.

Сейчас специалисты многих отечественных и зарубежных лабораторий разрабатывают новые функциональные материалы для промышленности. Эти металлы и сплавы должны выдерживать высокие нагрузки при эксплуатации и обладать необходимыми физико-механическими свойствами. Нейросетевые модели, по мнению ученых Пермского Политеха, смогут оптимизировать работу инженеров: сократить временные и финансовые затраты на исследования. 

– Чтобы классифицировать материалы, мы создали базу данных размеченных цифровых фотографий микрошлифов материалов. Объектами стали образцы сталей с промышленных предприятий, которые получили в процессе экспериментов с термомеханической обработкой сплавов. Затем на основе базы мы произвели обучение нейронной сети. Она «распознает» свойства материалов, относя каждый из них к определенному классу твердости, – рассказывает автор проекта, кандидат физико-математических наук, доцент кафедры «Вычислительная математика, механика и биомеханика» Пермского Политеха Андрей Клюев.

Модификации субизображения для

Модификации субизображения для

использования в нейросети

Пермские исследователи использовали для обучения глубокую нейронную сеть VGG и выяснили, что она с высокой точностью классифицирует по твердости микроструктуры сталей. Они обработали исходную информацию с помощью глубокой нейросети ResNet и сравнили результаты с экспериментальными данными. Ученые доказали, что нейросеть можно использовать в качестве ядра интеллектуальной системы для комплексной оценки материалов. 

– В отличие от аналогов, мы использовали более глубокие нейросети на реальных, а не синтезированных данных. Нам удалось достичь точности в работе модели от 66,2 % до 92,1 %, по разным оценкам. Кроме того, мы провели уникальное исследование на устойчивость нейросети и выяснили, какое количество ошибочно размеченных снимков может исказить результат, – поясняет ученый.

По словам исследователей, разработка будет интересна предприятиям реального сектора экономики. В частности, в авиастроении с помощью функциональных материалов можно уменьшить массу самолета и двигателей. Это позволит повысить конкурентоспособность судна и снизить затраты на его производство. Кроме того, разработку можно будет применять в технике и строительстве. В перспективе нейросетевая модель станет «интеллектуальным помощником» для инженера на предприятии, который автоматически подберет способ изготовления конструктивных элементов, определит химический состав сплавов и программу их термомеханической обработки. 

Разработчики реализовали проект в рамках федеральной целевой программы, направленной на исследования и разработки по приоритетным направлениям развития научно-технического комплекса России. На исследования они получили грант в размере более 20 млн рублей.

В планах ученых – «расширить кругозор» нейронной сети, чтобы улучшить прогноз физико-механических свойств материалов. 

 

Информация и фото предоставлены пресс-службой Пермского Политеха

Пермский Политех искусственный интеллект нейросеть сверхпрочные материалы

Назад

Социальные сети

Комментарии

Авторизуйтесь, чтобы оставить комментарий

Информация предоставлена Информационным агентством "Научная Россия". Свидетельство о регистрации СМИ: ИА № ФС77-62580, выдано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций 31 июля 2015 года.