Melhor caminho encontrado para determinar a integridade dos metais
03/08/2018
Por: ASQ
Pesquisadores da Universidade de Waterloo descobriram uma maneira melhor de identificar estruturas atômicas, uma etapa essencial na melhoria da seleção de materiais nas indústrias de aviação, construção e automotiva.
Devinder Kumar, doutorando em engenharia de projetos de sistemas em Waterloo, colaborou com o Instituto Fritz Haber (FHI) em Berlim para desenvolver um modelo poderoso de IA que possa detectar com precisão diferentes estruturas atômicas em materiais metálicos. O sistema pode encontrar imperfeições no metal que eram anteriormente indetectáveis.
"Em qualquer lugar onde você tem metais, você quer saber a consistência, e isso não pode ser feito em cenários práticos atuais porque os métodos atuais não identificam a simetria em condições imperfeitas", disse Kumar, que é membro da Vision and Image Processing Research. Grupo sob a supervisão de Alexander Wong, professor da Waterloo e Canada Research Chair na área de inteligência artificial.
“Portanto, este novo método de avaliação de material metálico levará a um melhor design geral do material e tem o potencial de afetar todos os setores nos quais você precisa de materiais para projetar propriedades”.
A FHI criou um novo cenário que pode criar artificialmente dados relacionados ao mundo real. Kumar, juntamente com seus colaboradores, foi capaz de usar isso para gerar cerca de 80.000 imagens dos diferentes tipos de defeitos e deslocamentos para produzir um modelo de IA muito eficaz para identificar vários tipos de estruturas de cristal em cenários práticos. Esses dados foram liberados para o público para que as pessoas possam realmente aprender seus próprios algoritmos.
"Em teoria, todos os materiais metálicos têm simetria perfeita, e todos os itens estão no lugar correto, mas, na prática, por várias razões, como fabricação barata, há defeitos", disse Kumar. "Todos esses métodos atuais falham quando tentam combinar as estruturas ideais reais, a maioria deles falha quando há um defeito de até 1%."
"Criamos um algoritmo ou modelo baseado em AI que pode classificar esses tipos de simetria até 40% de defeitos".
O estudo, classificação perspicaz de estruturas cristalinas usando aprendizagem profunda, foi publicado recentemente na revista Nature Communications .
ACOMPANHE AS NOSSAS REDES SOCIAIS