Na MIT vyvinuli revoluční systém pro zkoumání vnitřních struktur materiálů

Výzkumníci z MIT vyvinuli nový systém hlubokého učení, který by například stavebním inženýrům měl pomoci poskytnout podrobné informace o vnitřních strukturách, dutinách a trhlinách v materiálech a celých stavbách pouze na základě údajů o vnější struktuře povrchu.

Tento přístup umožní inženýrům zjistit, co se děje uvnitř materiálu, aniž by jej museli rozřezávat. Tak lze nedestruktivním způsobem odhalit vady materiálů ještě předtím, než jsou hotové konstrukce  uvedeny do provozu. Může se jednat o stavební materiály, ale dokonce i o živé tkáně vytvořené pomocí 3D bioprintingu. O tom si ale více řekneme dále v tomto článku.

Výzkumný tým z americké univerzity MIT použil typ strojového učení (machine learning) známý jako hluboké učení (deep learning) k vytvoření systému, který by dokázal spolehlivě předpovídat vnitřní stav materiálu na základě údajů o jeho povrchu. Aby toho dosáhli, porovnávali velký soubor simulovaných dat o vnějších polích materiálů a odpovídající vnitřní struktuře. Zjednodušeně lze říct, že zkoumali povrchy materiálu za účelem natrénování AI pro rozpoznání vnitřní struktury materiálu na základě jeho povrchu. Výsledky byly následně publikovány v časopise Advanced Materials v článku doktorandky Zhenze Yang a profesora stavebního a environmentálního inženýrství Markuse Buehlera.

Nový algoritmus umožňuje neinvazivní analýzu vnitřní struktury materiálů

Tradiční přístup k poznání vnitřní struktury materiálů spočívá v použití rentgenového záření a dalších technik, které však bývají drahé a vyžadují objemné vybavení. Jak vysvětluje Markus Buehler, profesor stavebního a environmentálního inženýrství na MIT, jediný způsob, jak se můžete podívat „dovnitř materiálu“ je nyní  jeho rozříznutí – tedy poškození.

Technika zahrnuje trénování modelu umělé inteligence s využitím obrovského množství dat o typech povrchu a jejich vlastnostech. To zahrnuje nejen homogenní materiály, ale také kombinace různých materiálů jako jsou například slitiny. Výzkumníci vytvořili metody, které jim dokázaly poskytnout analýzu všech možností a variant vnitřních struktur materiálu. Například budete-li mít na stole jablko, které má v sobě nedostatek tekutin, na jeho povrchu budete moci zaznamenat zvrásnění a celé jablko bude vykazovat známky scvrknutí. Představte si nyní tuto analogii ve světě stavebnictví.

Jedním z problémů byl nicméně fakt, že různé vnitřní konfigurace materiálů mohly vykazovat stejné vlastnosti povrchu. Výzkumný tým proto musel vyvinout systém hloubkového zkoumání materiálu – tak aby efektivně odhalili všechna možná narušení.

Metodu rozpoznávání vnitřní struktury lze použít dokonce i u živých tkání

Tato technika ale funguje například i v oblasti úplně jiné – v konkrétních segmentech medicíny, kde lidské vědění ještě ani nedosáhlo úplného pochopení věci. Buehler tady poznamenává: „U složitých biologických tkání dokonce ještě ani přesně nerozumíme tomu, jak se chovají – ale můžeme toto chování měřit. Nemáme pro něj teorii, ale pokud máme nasbíraný dostatek dat, můžeme s nimi model trénovat.“

To je opravdu revoluční průlom. AI tedy dokáže předpovídat v omezené míře i v takových oborech, kde člověk ještě nedokázal zformulovat ani ověřenou teorii toho, jak pracují.

Analýza živé tkáně pomocí MIT techniky by mohla výzkumníkům pomoci lépe pochopit vnitřní fungování tkání a orgánů, což by vedlo k pokroku v medicíně a k vytváření zdravých tkání pro transplantace. Díky tomu by se dalo lépe odhalit případné nefunkčnosti tkání ještě před tím, než by tkáně byly transplantovány a implementovány do živého organismu.

Efektivní analýza funkčnosti nových technologií

Buehler dodává, že novou metodu lze použít rovněž k určení různých vlastností, nejen pro napětí a deformace běžného povrchu materiálu – ale třeba  i u magnetických polí uvnitř fúzního reaktoru. Na základě naměřených hodnot magnetického pole pak lze odvodit, jestli reaktor pracuje podle očekávání. Neočekávané naměřené hodnoty magnetického pole by mohly odkazovat na dysfunkce reaktoru.

Tím by se dalo předejít mnoha problémům, které při pozdním zjištění mohou způsobit výrazné škody. To se může velmi hodit zejména pro testování nových technologií a zařízení jako jsou raketové motory.

Závěrem lze říct, že nový systém hlubokého učení, který je zaměřen na analýzu povrchu, by mohl změnit způsob, jakým inženýři a vědci zkoumají vnitřní struktury materiálů. Metoda by navíc mohla poskytnout nové poznatky o stavbě těch materiálů, jejichž zkoumání dříve představovalo komplikace.

Výzkumníci se tak domnívají, že jejich systém hlubokého učení má potenciál pro využití v různých aplikacích, jako je například nedestruktivní testování. Nová metoda by umožnila detekovat vady, aniž by bylo nutné například otevírat kovové potrubí a zjišťovat, zda uvnitř není poškozené nebo prasklé.