Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Искусственный интеллект обучили проектировать материалы с противоречивыми свойствами
Современные вызовы в области высоких технологий — будь то создание костных имплантатов нового поколения, эффективных систем охлаждения двигателей или легких авиационных конструкций — сталкиваются с общей фундаментальной проблемой. Речь идет о необходимости одновременно совместить в одном материале несколько противоречащих друг другу свойств. Например, как создать структуру, которая будет одновременно максимально пористой для прорастания живой ткани, но при этом достаточно прочной, чтобы выдерживать механические нагрузки? Или как создать лопатку турбины, сочетающую максимальную жаропрочность с минимальным весом — ключевое требование для подъемной силы и грузоподъемности самолетов. Ученые Пермского Политеха создали уникальную программу, которая умеет проектировать материалы будущего. В отличие от обычных компьютерных программ, она не просто копирует известные решения, а действительно создает новые структуры. Результаты исследования показали высокую эффективность метода.
Как разработать материал с противоречащими свойствами? Ключ к решению таких сложных задач кроется во внутренней архитектуре материала — его микроструктуре. Однако проектирование оптимальной трехмерной структуры вручную сталкивается с фундаментальной сложностью: количество возможных комбинаций и взаимосвязей между элементами настолько велико, что их анализ традиционными методами становится крайне трудоемким и длительным процессом.
Современные подходы к решению этой проблемы основаны на компьютерном моделировании, но и они имеют существенные ограничения. 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 — подобно тому, как архитектор может убрать лишние перегородки в здании, не снижая его прочности. Система постепенно удаляет такой материал, оставляя только те элементы, которые действительно необходимы для сопротивления нагрузкам.
Такой подход позволяет получить надежную конструкцию, но требует огромных вычислительных мощностей и времени для каждого нового случая. Более современные методы используют базы данных известных материалов и алгоритмы машинного обучения, которые ищут закономерности в уже существующих структурах. Однако такие системы могут предлагать лишь вариации известных решений, не создавая принципиально новых материалов с уникальными свойствами.
Большинство методов работают с двумерными моделями или требуют огромных вычислительных мощностей. Кроме того, они часто генерируют структуры с нарушенной целостностью — например, с «висящими» элементами, которые невозможно воспроизвести в реальности.
Перспективное направление в решении этих проблем — генеративно-состязательные сети (GAN) — это особая архитектура искусственного интеллекта, где две нейросети работают вместе, словно дизайнер и критик. Одна нейросеть (генератор) предлагает новые варианты структур, а вторая (дискриминатор) оценивает, насколько они реалистичны. В результате такой совместной работы система учится создавать все более совершенные структуры.
Ученые Пермского Политеха усовершенствовали метод, создав первую в мире трехмерную версию известной архитектуры StyleGAN2. Если раньше подобные системы работали в основном с плоскими изображениями, то теперь алгоритм научился генерировать сложные объемные структуры. Их ключевое достижение — создание не просто случайных вариаций, а целого «пространства дизайна», где можно плавно менять параметры и получать работоспособные структуры. Статья опубликована в журнале StructuralandMultidisciplinaryOptimization.
Ученые провели первичное обучение нейросети на обширной библиотеке из пяти тысяч 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.
Для нахождения наилучших решений 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, — рассказывает Михаил Ташкинов, кандидат физико-математических наук, заведующий научно-исследовательской лабораторией «Механика биосовместимых материалов и устройств» ПНИПУ.
— 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, — рассказывает Евгений Кононов, инженер-исследователь.
Представьте, что вы покупаете машину: нельзя одновременно получить максимальную скорость и минимальный расход топлива. Алгоритм ученых ПНИПУ находит все такие «предельные» варианты. Например, он показывает: «вот самая прочная структура для заданной легкости, а вот самая легкая для заданной прочности». Дальше этого предела улучшить уже ничего нельзя.
Результаты исследования показали высокую эффективность метода. Разработанная система смогла создать трехмерные микроструктуры, которые превзошли по характеристикам материалы из обучающей базы данных. При одинаковой плотности новые конструкции демонстрируют увеличение жесткости на 15-20% по сравнению с существующими аналогами.
Полученные результаты открывают новые возможности для создания современных пористых структур, которые могут применять в высокотехнологичных отраслях промышленности.
Telegram 
Дзен 
VK По расчетам, большинство «гостей» из других звездных систем летят к Земле примерно со стороны созвездия Геркулес. Скорее всего, они время от времени падают на нашу планету, просто мы еще не научились это замечать. Как удалось вычислить, чаще всего они должны падать зимой и где-то в окрестностях экватора.
Недавно интернет взорвался заголовками: «Симуляция Вселенной невозможна», «Новое исследование полностью опровергает теорию симуляции». Поводом стала статья, авторы которой вознамерились доказать, что мы не живем внутри компьютера. Naked Science объясняет, что не так с этой новостью и можно ли на самом деле доказать, что «матрицы не существует».
Исследователи Центра декарбонизации АПК и региональной экономики Кабардино-Балкарского государственного университета имени Х.М. Бербекова совершили фундаментальное открытие, меняющее десятилетия устоявшихся представлений о жизнедеятельности растений. Ученые доказали, что корневая система растений способна напрямую поглощать диоксид углерода (CO₂) из почвы. Это вносит кардинальные изменения в понимание глобального углеродного цикла.
По расчетам, большинство «гостей» из других звездных систем летят к Земле примерно со стороны созвездия Геркулес. Скорее всего, они время от времени падают на нашу планету, просто мы еще не научились это замечать. Как удалось вычислить, чаще всего они должны падать зимой и где-то в окрестностях экватора.
Недавно интернет взорвался заголовками: «Симуляция Вселенной невозможна», «Новое исследование полностью опровергает теорию симуляции». Поводом стала статья, авторы которой вознамерились доказать, что мы не живем внутри компьютера. Naked Science объясняет, что не так с этой новостью и можно ли на самом деле доказать, что «матрицы не существует».
Испанские исследователи проанализировали популярные в соцсетях фото и видео с дикими животными, сгенерированные с помощью искусственного интеллекта. Специалисты пришли к выводу, что такого рода реалистичные, но фейковые материалы способны навредить как людям, так и животному миру, поскольку они вводят в заблуждение и подрывают усилия по сохранению дикой природы.
Проанализировав данные наблюдений, полученных с помощью наземных обсерваторий за последние два десятилетия, астрономы обнаружили потенциально обитаемый мир — суперземлю Gliese 251 c (GJ 251 с). Планета обращается вокруг красного карлика на расстоянии около 18 световых лет от Земли и считается одним из самых перспективных кандидатов для поисков жизни.
По расчетам, большинство «гостей» из других звездных систем летят к Земле примерно со стороны созвездия Геркулес. Скорее всего, они время от времени падают на нашу планету, просто мы еще не научились это замечать. Как удалось вычислить, чаще всего они должны падать зимой и где-то в окрестностях экватора.
Согласно новой гипотезе, сознание возникает не только из-за активности нейронов, но и благодаря физическим процессам — электромагнитным полям от движения жидкости в мозге. Эта модель, как и ее предшественники, пока носит теоретический характер, но предлагает нестандартный взгляд на проблему синхронизации работы разных отделов мозга.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно