ПНИПУ: Нейросеть для разработки сверхпрочных материалов

Основная статья: Нейросети (нейронные сети)

2021: Создание модели для распознавания свойств материалов по цифровым снимкам

25 марта 2021 года Пермский Политех сообщил, что его ученыесоздали нейросетевую модель, которая позволит распознавать свойства материалов по цифровым снимкам. Искусственный интеллект и автоматизация процессов помогут предприятиям быстро и недорого производить новые, особые по свойствам материалы.

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

На март 2021 года специалисты многих отечественных и зарубежных лабораторий разрабатывают 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.

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 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. Елена Истомина, Directum: Как no-code меняет стоимость проекта 7.6 т

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.