Fotoğraflara Göre Malzemelerin Gerilimlerini Hesaplayan Yapay Zeka Geliştirildi
Fotoğraf: MIT araştırmacıları, malzemenin iç yapısının görüntüsünü kullanarak, malzemeye etki eden gerilimleri ve gerinimleri tahmin etmek için yapay zeka tekniği geliştirdiler (Massachusetts Institute of Technology).
Yüzyıllardır mühendisler, Newton ve diğer bilim insanları tarafından geliştirilen fizik yasalarına göre, kullandıkları malzemeler üzerindeki gerilimleri hesaplamaya çalışıyorlar. Ancak geliştirilmiş olan bu denklemler özellikle karmaşık malzemeler için beraberinde hesaplama zorluğu da getiriyor.
MIT araştırmacıları, malzemenin iç yapısına ait görüntüler üzerinden malzemenin gerilim ve gerinim gibi belirli özelliklerini hızlı bir şekilde tespit edebilen bir teknik geliştirdi. Geliştirilen bu teknik sayesinde zorlu fiziksel hesaplamalara olan ihtiyaç tamamen ortadan kalkabilir. Ayrıca, araştırmacılar bu yöntem sayesinde malzeme incelemelerinin ve tasarım prototiplemenin çok daha hızlı bir hale gelebileceğini söylüyor.
Araştırma, Science Advances dergisinde yayınlandı. Makalenin baş yazarı, Malzeme Bilimi ve Mühendisliği Bölümü doktora öğrencisi Zhenze Yang, ortak yazarlar eski MIT doktora sonrası araştımacısı Chi-Hua Yu, Mühendislik Profesörü ve Atomistik ve Moleküler Mekanik Laboratuvarı direktörü Markus Buehler’dir.
Video 1 : Sağdaki şekil, soldaki şekildeki geometriye karşılık gelen tahmini mekanik alanı gösterir (Zhenze Yang, Markus Buehler ve diğerleri).
Mühendisler, gerilim veya gerinim gibi bir malzemenin deforme olmasına veya kırılmasına neden olabilecek kuvvetler üzerinde hesaplama yaptıklarında çok fazla zaman harcarlar. Ancak artık günümüzde mühendislerin bir görevi tamamlayabilmesi için kağıt ve kaleme ihtiyaçları yoktur. Buehler “ Birçok matematikçi ve mühendis bu denklemleri yazdı daha sonra da bu denklemlerin bilgisayar kullanarak nasıl çözülebileceğini buldu ancak bu yine de çözmesi zor bir problem. Bazen simülasyonları çalıştırmak günler, haftalar hatta aylar bile sürebilir. Bu sebeple düşündük ve bu problemleri yapay zekaya öğretmeye karar verdik.” dedi.
Araştırmacılar “Çekişmeli Üretici Ağlar (GAN)” adı verilen makine öğrenim tekniğine yöneldiler. Yapay ağlardan bir tanesine mekanik kuvvetlere maruz kalan malzemenin iç yapısına göre diğerine ise aynı malzemenin gerilim ve gerinim değerlerine göre binlerce görüntü ile eşleştirerek eğittiler. Buehler “Bilgisayar, bir resim sonucu deformasyon, gerilim gibi tüm kuvvetleri tahmin edebiliyor. Bu gerçekten çığır açan bir gelişme, normalde kullanılan yollarda önce denklemleri koda dökmeniz ardından bilgisayarda bu kısmi diferansiyel denklemleri çözmeniz gerekir. Biz sadece resimden resme gidiyoruz.” dedi.
Video 2 : Bu görselleştirmede denklem çözmeye gerek kalmadan makine öğrenimi yaklaşımıyla karmaşık bir malzemede arıza tespiti gösterilmiştir. Kırmızı renk yumuşak malzemeyi, beyaz renk kırılgan malzemeyi ve yeşil renk çatlağı temsil etmektedir (Zhenze Yang, Markus Buehler ve diğerleri).
Geliştirilen bu görüntü tabanlı yaklaşım, özellikle karmaşık ve kompozit malzemeler için çok daha avantajlıdır. Bir malzemede yer alan kuvvetler atomik ölçekte makroskopik ölçekten farklılık gösterebilir. Geliştirilen ağ, çoklu ölçekli durumlarda da çalışmaktadır. Buehler “ Bu yapay ağlar malzeme özelliklerini tanımlamak için çok uygundur.” diye ekledi.
Geliştirilen ağ, çeşitli yumuşak kompozit malzemelerin mikro yapısal görüntülerinden gerilim ve gerinim değerlerini başarıyla hesapladı. Ağ, malzemede gelişen çatlakları bile tespit edebildi.
Araştırmaya dahil olmayan Rensselaer Politeknik Enstitüsü’nden Makine Mühendisi Suvranu De “ Bu yazıda önerilen yaklaşım, otomotiv ve uçak endüstrilerinde kullanılan doğal veya mühendislik ürünü olan biyomateryallere kadar çeşitli alanlarda etkili olacaktır. Ayrıca bilimsel araştırma alanında da bu yaklaşım önemli uygulama alanlarına sahip olacaktır.” dedi.
Geliştirilen bu teknoloji sayesinde mühendisler yalnızca zaman ve paradan tasarruf etmekle kalmayıp aynı zamanda uzmanlık gerektiren son teknoloji malzemelerin hesaplamalarını da yapabilir. Örneğin, ürün tasarımcıları veya mimarlar, projeyi bir mühendise aktarmadan önce geliştirdiği fikirlerin uygulanabilirliğini test edebilir.
Ekip, gelecekteki çalışmalarında daha geniş malzeme türü kullanmayı planlıyor. Buehler “Bu yöntemin gerçekten büyük bir etkisi olacağını düşünüyorum. Burada yapmaya çalıştığımız şey, mühendisleri yapay zekâ ile güçlendirmektir.” dedi.
Kaynakça: phys.org
