Возможность предсказать, когда материалы разрушатся, имеет огромное значение для промышленных приложений — компании могут использовать эту информацию для более эффективного и экономичного обслуживания устройств и компонентов. Исследовательская группа из FAU и Миланского университета продемонстрировала, что искусственный интеллект может предсказать, когда кварцевое стекло разобьется, на основе информации, полученной из изображений его атомной микроструктуры. Исследователи опубликовали свои результаты в журнале Nature Communications.
Стекло представляет собой некристаллическое твердое вещество, и, в отличие от твердых кристаллических материалов, его атомы расположены непоследовательно. Это затрудняет предсказание того, когда стекло разобьется: там, где нет определенного порядка, трудно обнаружить первые признаки беспорядка — важный признак того, что кристаллический материал скоро расколется. Благодаря последним разработкам в области глубокого обучения с искусственным интеллектом исследователи теперь могут надежно предсказать, когда стекло может разбиться.
Ученые пока не в состоянии объяснить, как система ИИ достигает своих результатов и какие параметры учитываются и на какие ориентируются, что является распространенной проблемой в исследованиях искусственного интеллекта . «Нейронные сети — это черные ящики », — объясняет профессор доктор Стефано Дзаппери из Миланского университета, который был приглашенным исследователем в FAU в течение года после получения премии Гумбольдта. «Это важное ограничение в научных исследованиях, задачей которых является объяснение причин конкретного явления».
Чтобы решить эту проблему, исследователи используют метод определения областей изображения микроструктуры, наиболее часто используемых нейронными сетями для прогнозирования перелома.
«Нейронные сети пытаются имитировать мозг. Мы также не всегда понимаем, как мозг достигает определенного результата. Но у людей, по крайней мере, мы можем наблюдать поведение, такое как движение глаз, которое может объяснить, как принимается определенное решение». объясняет Майкл Зайзер, профессор моделирования материалов в FAU и соавтор исследования. «Мы использовали аналогичный подход к нашей проблеме и исследовали точки, которые привлекли внимание нейронной сети, по сути следуя тому, на что она смотрит».
Этот метод позволил исследователям исследовать локальные параметры, влияющие на характер гидроразрыва. «Благодаря этому методу мы смогли определить и лучше понять аспекты, которые вызывают разрушение стекла, и не только предсказать, когда стекло может треснуть, но и получить фундаментальное представление о механике стеклянных материалов», — говорит Стефано Заппери. «Стратегия, которую мы разработали, может быть применена в других областях, — добавляет Майкл Зайсер, — например, при разработке родственных материалов с лучшей устойчивостью к разрушению».
