Η ικανότητα πρόβλεψης πότε τα υλικά θα σπάσουν είναι τεράστιας σημασίας για βιομηχανικές εφαρμογές, οι εταιρείες μπορούν να χρησιμοποιήσουν αυτές τις πληροφορίες για να εξελίξουν και να συντηρήσουν συσκευές και εξαρτήματα πιο αποτελεσματικά και οικονομικά. Μια ερευνητική ομάδα από το FAU και το Πανεπιστήμιο του Μιλάνου απέδειξε ότι η τεχνητή νοημοσύνη μπορεί να προβλέψει πότε θα σπάσει το γυαλί χαλαζία με βάση τις πληροφορίες που αντλούνται από εικόνες της ατομικής μικροδομής του. Οι ερευνητές δημοσίευσαν τα αποτελέσματά τους στο περιοδικό Nature Communications.
Το γυαλί είναι ένα υλικό στερεό και άμορφο, δηλαδή δεν παρουσιάζει κρυσταλλική δομή, σε αντίθεση με άλλα στερεά κρυσταλλικά υλικά τα άτομα του δεν είναι διατεταγμένα με συνέπεια. Αυτό καθιστά πιο δύσκολη την πρόβλεψη του πότε θα σπάσει το γυαλί, αφού δεν υπάρχει καθορισμένη σειρά ατόμων και είναι δύσκολο να ανιχνευθούν τα πρώτα σημάδια διαταραχής του. Χάρη στις τελευταίες εξελίξεις στη βαθιά μάθηση (Deep Learning) και τεχνητή νοημοσύνη (AI), οι ερευνητές μπορούν τώρα να προβλέψουν αξιόπιστα πότε είναι πιθανό να σπάσει ένα γυαλί.
Οι επιστήμονες δεν είναι ακόμη σε θέση να εξηγήσουν πώς το σύστημα τεχνητής νοημοσύνης επηρεάζει τα αποτελέσματά της έρευνας και σε ποιες παραμέτρους, είναι κάτι που εξετάζετε, είναι κοινό πρόβλημα στην έρευνα με τεχνητή νοημοσύνη. «Τα νευρωνικά δίκτυα είναι μαύρα κουτιά», εξηγεί ο καθηγητής Δρ. Stefano Zapperi από το Πανεπιστήμιο του Μιλάνου, ο οποίος ήταν προσκεκλημένος ερευνητής στο FAU. “Αυτός είναι ένας σημαντικός περιορισμός στην επιστημονική έρευνα που έχει ως αποστολή να εξηγήσει τα αίτια ενός συγκεκριμένου φαινομένου.”
Για να λύσουν αυτό το πρόβλημα, οι ερευνητές χρησιμοποιούν μια μέθοδο για τον εντοπισμό των ευαίσθητων περιοχών μέσω μιας εικόνας μικροδομής, που χρησιμοποιείτε από τα νευρωνικά δίκτυα για να προβλεφθεί από που θα ξεκινήσει το σπάσιμο του γυαλιού και πότε.
“Τα νευρωνικά δίκτυα προσπαθούν να μιμηθούν τον εγκέφαλο. Επίσης, δεν καταλαβαίνουμε πάντα πώς ο εγκέφαλος φτάνει σε ένα συγκεκριμένο αποτέλεσμα. Αλλά στους ανθρώπους τουλάχιστον, μπορούμε να παρατηρήσουμε συμπεριφορά όπως, η κίνηση των ματιών, χεριών, που μπορεί να εξηγήσει μία συμπεριφορά ενός ανθρώπου.” λέει ο Michael Zaiser, Καθηγητής Προσομοιώσεων Υλικών στο FAU και συν-συγγραφέας της μελέτης. «Πήραμε παρόμοια προσέγγιση και στην πρόβλεψη του γυαλιού, και ερευνήσαμε σημεία που “τράβηξαν την προσοχή” του νευρωνικού δικτύου, ακολουθώντας ουσιαστικά αυτό που “κοιτάζει”».
Η παραπάνω μέθοδος επέτρεψε στους ερευνητές να διερευνήσουν και να καταγράψουν ποιοι είναι οι παράμετροι που επηρεάζουν τη συμπεριφορά σπασίματος. «Χάρη σε αυτή τη μέθοδο, μπορέσαμε να εντοπίσουμε και να κατανοήσουμε καλύτερα τις πτυχές που προκαλούν το σπάσιμο του γυαλιού και όχι μόνο να προβλέψουμε πότε το γυαλί είναι πιθανό να σπάσει, αλλά και να αποκτήσουμε θεμελιώδεις γνώσεις για τη μηχανική των υλικών», λέει ο Stefano Zapperi. «Η τεχνική που έχουμε αναπτύξει μπορεί να εφαρμοστεί και σε περαιτέρω υλικά», προσθέτει ο Michael Zaiser
Μηχανικός Πληροφορικής – Web Content Publisher
Ονομάζομαι Θέμης Βασιλόπουλος και μέσα από το blog thinktech.gr επικεντρώνομαι σε θέματα τεχνολογίας με σκοπό να είναι κατανοητή από όλους.
Ακολουθήστε με στα Social και εγγραφτείτε στο newsletter για να ενημερώνεσθε όποτε δημοσιεύω καινούριο άρθρο.
“Η Τεχνολογία με απλά λόγια”
