来源：投稿 作者：Kenny_Vincent

编辑：学姐

麻省理工开发新AI工具可以只靠图片就能帮助设计复合材料!

新闻来源：

https://baijiahao.baidu.com/s?id=1698454202393908516&wfr=spider&for=pc

https://www.xianjichina.com/special/detail_503196.html

麻省理工学院(MIT)的研究人员，开发出一种人工智能技术，可以根据材料内部结构的图片，快速计算出材料的部份特性，像是应力(Stress)与应变(Strain)值，这个方法可以消除繁琐的物理计算，透过电脑视觉和机器学习，即时生成估算值。

这个物理计算方法的改进，可以加快设计雏形和检查材料的速度，研究人员Zhenze Yang提到，这是一种全新的方法，因为完成整个计算过程并不需要任何物理领域的知识。

这么看一下，大家可能还没理解到这是一件什么事情。

就让我来为大家解释一下吧：

在我们现代社会的工业中，对于机械性能和多功能性的材料有非常高的需求，传统的那种单一材料就难以符合要求，如钢材。

所以研制新型材料时，往往就会设计复合材料，也就是将多个不同材质的材料聚合起来，把他们的优点都集合起来，并弥补他们的缺点，如现代陶瓷基体材料，现代陶瓷基体材料。

但是想法很美好，现实很残酷……

复合材料之难

复合材料的本质在于通过具有不同特性的多种材料的组合来引入异质性。通过优化复合材料成分的空间分布，来实现机械性能的巨大增强。

不同特性的材料，就意味他们的物理性质不同，空间分布也不一样，强行把他们捆在一块，就像强扭的瓜一样，最后的效果一塌糊涂。

所以在设计复合材料的时候需要计算他们各自的物理性质，考虑他们的空间分布，让他们以最合理的方式组合在一起才能发挥他们的优势。

光是计算复合材料的物理性质就烧坏了一众材料工程师的脑子，应力、应变统统各来一样。

而且复合材料的设计空间通常存在许多棘手的组合，这就需要消耗不少的试错时间。

希望的曙光

但是现在不一样了，因为AI来了，这些通通都可以交给AI来完成。

这次MIT的研究人员就是通过对材料进行图像分析，从而绕开了以往需要求解偏微分方程序的麻烦。以往工程师需要花很多时间解方程来得到材料的内力，比如应力和应变，这些内力会导致材料变形或断裂。

这样的计算可以告诉我们，一座拟建的桥梁将如何承受沉重的交通负荷或强风。

通过这种方法，完全不需要涉及物理知识，更不?求解那些烦人的微分方程了，那他们具体是怎么做的呢?

总体方案

研究人员用的网络主要是生成对抗神经网络，也就是GAN。

他们用数千对图像对网络进行训练，一幅描绘了材料在机械力作用下的内部微观结构，另一幅描绘了相同材料的彩色编码应力和应变值。

通过这些图片，该网络利用博弈论的原理迭代计算出材料的几何形状与其产生的应力之间的关系。

输入

首先，他们目前专注于由两种成分组成的复合材料，目前就简单地划分为软性材料和脆性材料。

他们首先会随机生成多个由这两种材料组成的复合材料的几何(Geometry)图像，并先用传统的物理方法(有限元分析——FEM)计算出这些几何图像对的应变场和应力场(Strain/Stress field)图像，并将此作为真值。

网络模型

如图所见，他们整体的网络模型为一个条件GAN(红框)，里面的生成器为U-Net(蓝框)和鉴别器则为一个。

PatchGAN(绿框)

上面通过计算得出变场和应力场(Strain/Stress field)图像就将作为这个PatchGAN的真实图像，而假图像则由几何图像进入U-Net生成。鉴别器将来自生成器的假图像与来自FEM的真实图像进行比较。

输出

一旦模型完成训练，就可以进行精确的现场预测，并通过高保真有限元模型以及新几何形状的复合材料进行验证。

此外，预测场图像可以进行后处理，提取全局或局部的力学特征。

预测结果

可以看到，最后的预测图像与真值图像是非常接近的。

当然，上面看到的都是两种成分都以方块的形状组合在一起，但是材料的复合又怎么只有方形这种方式的呢。

用了不同形状组合在一起效果依然没问题

总结

怎么样?是不是觉得AI很神咧，不仅仅在计算机领域，在材料领域一样可以有减少很多重复劳动。还不赶紧学起来!

扩展

其实除了这个例子，AI在材料学领域逐渐展露头角。

比如这个：

研究人员成功应用机器学习来指导新纳米材料的合成

https://www.xianjichina.com/special/detail_503196.html

现在，西北大学和丰田研究所 (TRI) 的研究人员已成功应用机器学习来指导新纳米材料的合成，消除与材料发现相关的障碍。训练有素的算法通过定义的数据集来准确预测可以为清洁能源、化学和汽车行业的过程提供燃料的新结构。

“我们让模型告诉我们，多达七种元素的混合物会产生哪些以前从未制造过的东西。”

西北纳米技术专家、该论文的通讯作者Chad Mirkin说：“机器预测了19 种可能性，在对每种可能性进行了测试后，我们发现其中18种预测是正确的。

在【学姐带你玩AI】公众号的评论区留言——骚话说的好的/认真学习的/错误指正的会有神秘奖品掉落!

【学姐带你玩AI】公众号的评论区每周留言最多的会有大奖送出，具体请看下周一次条公告!

【学姐带你玩AI】公众号下周有留言活动哦！超级大大大大奖，请关注周一头条文章！