В Перми научили искусственный интеллект создавать материалы будущего
В Перми научили искусственный интеллект создавать материалы будущего
ПЕРМЬ, 11 ноября. /ТАСС/. Ученые Пермского национального исследовательского политехнического университета (ПНИПУ) создали нейросеть, способную изобретать материалы будущего. Раньше такими навыками искусственный интеллект не обладал, сообщили ТАСС в пресс-службе вуза.
"Наша нейросеть не просто копирует или смешивает известные образцы, а действительно изобретает. Но главное - она делает это не хаотично. Все созданные варианты система автоматически раскладывает как бы "по полочкам" - в упорядоченное цифровое пространство, где похожие структуры находятся рядом. Это позволяет легко находить и сравнивать разные решения, что раньше было практически невозможным", - рассказал инженер-исследователь Евгений Кононов.
По словам ученых, в современном мире остро стоит необходимость совмещения в одном изделии противоречащих друг другу свойств. В частности, при создании костных имплантов нового поколения необходимо, чтобы их структура была максимально пористой для прорастания живой ткани, но при этом достаточно прочной. Или, например, необходимо создать лопатку турбины, сочетающую максимальную жаропрочность с минимальным весом, что является основным требованием для подъемной силы и грузоподъемности самолетов.
Существующие подходы к решению этой проблемы основаны на компьютерном моделировании. Наиболее распространенный метод - топологическая оптимизация - работает по принципу разумного упрощения. Компьютер анализирует виртуальную модель детали, которая изначально представляет собой сплошной массив материала, и вычисляет, в каких областях напряжение минимально. Эти "спокойные" зоны считаются избыточными, и система постепенно удаляет такой материал, оставляя только те элементы, которые действительно необходимы для сопротивления нагрузкам. Этот подход позволяет получить надежную конструкцию, но при этом требует огромных вычислительных мощностей и большого количества времени для каждого нового случая. Более современные методы используют базы данных известных материалов и алгоритмы машинного обучения, которые ищут закономерности в уже существующих структурах. Но такие системы могут предлагать только вариации известных решений, не создавая принципиально новых материалов с уникальными свойствами.
Новый метод генерации материалов будущего
Для создания новых материалов исследователи считают наиболее перспективными генеративно-состязательные сети (GAN). Это особая архитектура искусственного интеллекта, где две нейросети работают вместе, как дизайнер и критик. Одна нейросеть (генератор) предлагает новые варианты структур, а вторая (дискриминатор) оценивает, насколько они реалистичны. В результате совместной работы система учится создавать все более совершенные структуры.
Пермские ученые усовершенствовали этот метод, создав, по их словам, первую в мире трехмерную версию известной архитектуры нейросети StyleGAN2. Поскольку раньше подобные системы работали в основном с плоскими изображениями, теперь их алгоритм научился генерировать сложные объемные структуры. Ключевое достижение разработчиков - создание не просто случайных вариаций, а целого "пространства дизайна", где можно плавно менять параметры и получать работоспособные структуры.
Первичное обучение нейросети ученые провели на библиотеке из 5 тыс. моделей пористых материалов - одних из самых сложных в проектировании. В процессе система проанализировала и усвоила фундаментальные принципы их построения - распределение твердых и пустотных областей, варианты соединения внутренних элементов и типичные особенности. Этот этап позволил искусственному интеллекту сформировать базовое понимание внутренней архитектуры образцов.
Далее для нахождения наилучших решений в системе применяется генетический алгоритм, работающий по принципу естественного отбора. Он последовательно анализирует варианты строений материалов, оценивая их по целевым параметрам - прочности и плотности.
"На этом этапе формируется набор структур, в которых невозможно одновременно улучшить оба показателя: если мы пытаемся увеличить прочность, неизбежно возрастает плотность, и наоборот. Такие результаты считаются предпочтительными, поскольку они предлагают наилучшие возможные компромиссы между противоречивыми требованиями, - пояснил кандидат физико-математических наук, заведующий научно-исследовательской лабораторией "Механика биосовместимых материалов и устройств" ПНИПУ Михаил Ташкинов. - Алгоритм находит все предельные варианты. Например, вот самая прочная структура для заданной легкости, а вот самая легкая для заданной прочности. Дальше этого предела улучшить уже ничего нельзя".
Как отметили в университете, результаты исследования показали высокую эффективность этого метода. Разработанная система смогла создать трехмерные микроструктуры, которые превзошли по характеристикам материалы из обучающей базы данных. При одинаковой плотности новые конструкции показали увеличение жесткости на 15-20% по сравнению с существующими аналогами.