Cette approche basée sur l'image est particulièrement avantageuse pour les matériaux composites. Les forces sur un matériau peuvent agir différemment à l'échelle atomique qu'à l'échelle macroscopique. "Si vous regardez un avion, tu as peut-être de la colle, un métal, et un polymère entre les deux. Donc, vous avez tous ces différents visages et différentes échelles qui déterminent la solution, " dit Buehler. " Si vous allez à la dure - la voie Newton - vous devez faire un énorme détour pour arriver à la réponse. "

Mais le réseau du chercheur sait gérer plusieurs échelles. Il traite l'information à travers une série de "convolutions, " qui analysent les images à des échelles de plus en plus grandes. " C'est pourquoi ces réseaux de neurones conviennent parfaitement à la description des propriétés des matériaux, " dit Buehler.

Le réseau entièrement formé a bien performé dans les tests, restituant avec succès les valeurs de contrainte et de déformation à partir d'une série d'images rapprochées de la microstructure de divers matériaux composites souples. Le réseau a même pu capter « des singularités, " comme des fissures se développant dans un matériau. Dans ces cas, les forces et les champs changent rapidement sur de minuscules distances. "En tant que scientifique des matériaux, vous voudriez savoir si le modèle peut recréer ces singularités, " dit Buehler. " Et la réponse est oui. "

L'avancée pourrait « réduire considérablement les itérations nécessaires pour concevoir des produits, " selon Suvranu De, un ingénieur en mécanique de l'Institut polytechnique Rensselaer qui n'a pas participé à la recherche. « L'approche de bout en bout proposée dans cet article aura un impact significatif sur une variété d'applications d'ingénierie, des composites utilisés dans les industries automobile et aéronautique aux biomatériaux naturels et manufacturés. enquête scientifique, car la force joue un rôle essentiel dans une gamme étonnamment large d'applications allant de la micro/nanoélectronique à la migration et à la différenciation des cellules.

En plus de faire gagner du temps et de l'argent aux ingénieurs, la nouvelle technique pourrait permettre aux non-spécialistes d'accéder à des calculs de matériaux de pointe. Architectes ou concepteurs de produits, par exemple, pouvaient tester la viabilité de leurs idées avant de transmettre le projet à une équipe d'ingénieurs. "Ils peuvent simplement dessiner leur proposition et découvrir, ", dit Buehler. "C'est un gros problème."

Une fois formé, le réseau fonctionne presque instantanément sur des processeurs informatiques grand public. Cela pourrait permettre aux mécaniciens et aux inspecteurs de diagnostiquer des problèmes potentiels avec les machines simplement en prenant une photo.

Dans le nouveau journal, les chercheurs ont travaillé principalement avec des matériaux composites qui comprenaient à la fois des composants mous et cassants dans une variété d'arrangements géométriques aléatoires. Dans les travaux futurs, l'équipe prévoit d'utiliser un plus large éventail de types de matériaux. "Je pense vraiment que cette méthode va avoir un impact énorme, ", dit Buehler. "Autonomiser les ingénieurs avec l'IA est vraiment ce que nous essayons de faire ici."

Cette histoire est republiée avec l'aimable autorisation de MIT News (web.mit.edu/newsoffice/), un site populaire qui couvre l'actualité de la recherche du MIT, innovation et enseignement.