En appliquant l'IA que les réseaux sociaux utilisent pour identifier les personnes sur les photos, un ingénieur d'Argonne a découvert une nouvelle façon de prédire la structure d'un matériau, étant donné ses propriétés préférées. La découverte peut aider à économiser du temps et de l'argent et permettre aux entreprises d'utiliser des techniques autrefois réservées aux supercalculateurs. Crédit :Shutterstock / ktsdesign
L'avenir de l'énergie propre est chaud. Les températures ont atteint 800 degrés Celsius dans certaines parties des centrales solaires et des réacteurs nucléaires avancés. Trouver des matériaux qui peuvent supporter ce type de chaleur est difficile. Les experts se tournent donc vers Mark Messner pour obtenir des réponses.
Ingénieur principal en mécanique au Laboratoire national d'Argonne du Département de l'énergie des États-Unis (DOE), Messner fait partie d'un groupe d'ingénieurs qui découvrent de meilleures façons de prédire comment les matériaux se comporteront sous des températures et des pressions élevées. Les méthodes de prédiction actuelles fonctionnent bien, mais ils prennent du temps et nécessitent souvent des supercalculateurs, surtout si vous avez déjà un ensemble de propriétés matérielles spécifiques, par exemple, raideur, la densité ou la résistance - et vous voulez savoir de quel type de structure un matériau aurait besoin pour correspondre à ces propriétés.
« Vous devrez généralement exécuter des tonnes de simulations basées sur la physique pour résoudre ce problème, " a déclaré Messner.
Vous cherchez un raccourci, il a découvert que les réseaux de neurones, un type d'intelligence artificielle (IA) qui découvre des modèles dans d'énormes ensembles de données, peut prédire avec précision ce qui arrive à un matériau dans des conditions extrêmes. Et ils peuvent le faire beaucoup plus rapidement et plus facilement que les simulations standard.
La nouvelle méthode de Messner a trouvé les propriétés d'un matériau plus de 2, 000 fois plus rapide que l'approche standard, comme indiqué dans un octobre 2019 Journal de conception mécanique article. Beaucoup de calculs, Messner s'est rendu compte, pourrait fonctionner sur un ordinateur portable ordinaire avec une unité de traitement graphique (GPU) - au lieu d'un superordinateur, qui sont souvent inaccessibles à la plupart des entreprises.
C'était la première fois que quelqu'un utilisait un soi-disant réseau de neurones convolutifs - un type de réseau de neurones avec un structure plus simple, idéale pour reconnaître les motifs sur les photos, pour reconnaître avec précision les propriétés structurelles d'un matériau. C'est aussi l'une des premières étapes pour accélérer la façon dont les chercheurs conçoivent et caractérisent les matériaux, qui pourrait nous aider à évoluer vers une économie énergétique entièrement propre.
Les chats sur Internet jouent un rôle
Messner a commencé à concevoir des matériaux en tant que chercheur postdoctoral au Lawrence Livermore National Laboratory du DOE, où une équipe a cherché à produire des structures sur une imprimante 3D à l'échelle du micron, ou des millionièmes de mètre. Tout en tranchant, la recherche était lente. L'IA pourrait-elle accélérer les résultats ?
À l'époque, les géants de la technologie de la Silicon Valley avaient commencé à utiliser des réseaux de neurones convolutifs pour reconnaître les visages et les animaux dans les images. Cela a inspiré Messner.
"Mon idée était que la structure d'un matériau n'est pas différente d'une image 3D, " Il a dit. " Il est logique que la version 3D de ce réseau de neurones fasse un bon travail pour reconnaître les propriétés de la structure, tout comme un réseau de neurones apprend qu'une image est un chat ou autre chose. "
Pour tester sa théorie, Messner a fait quatre pas. Il:
Le résultat? La nouvelle méthode d'IA a trouvé la bonne structure 2, 760 fois plus rapide que le modèle basé sur la physique standard (0,00075 seconde contre 0,207 seconde, respectivement).
De nouveaux outils stimulent l'innovation nucléaire
Cette idée abstraite pourrait transformer la façon dont les ingénieurs conçoivent les matériaux, en particulier ceux destinés à résister à des températures élevées, pressions et corrosion.
Messner a récemment rejoint une équipe d'ingénieurs d'Argonne et des laboratoires nationaux de l'Idaho et de Los Alamos du DOE, en partenariat avec Kairos Power, une start-up nucléaire. L'équipe crée des outils de simulation basés sur l'IA qui aideront Kairos à concevoir un réacteur nucléaire à sel fondu, lequel, contrairement aux réacteurs actuels, utilisera du sel fondu comme liquide de refroidissement. Avec ces outils, l'équipe projettera comment un type spécifique d'acier inoxydable, appelé 316H, se comportera dans des conditions extrêmes pendant des décennies.
"C'est un petit, mais vital, partie du travail que nous réalisons pour Kairos Power, " dit Rui Hu, un ingénieur nucléaire qui gère le rôle d'Argonne dans le projet. « Kairos Power veut des modèles très précis de la façon dont les composants du réacteur vont se comporter à l'intérieur de son réacteur pour soutenir sa demande d'autorisation auprès de la Commission de réglementation nucléaire. Nous sommes impatients de fournir ces modèles.
Une autre piste prometteuse pour ce type de travail est l'impression 3D. Avant que l'impression 3D ne se répande, les ingénieurs ont eu du mal à construire des structures comme celle que Messner a trouvée en utilisant l'IA dans son article de 2019. Pourtant, réaliser une structure couche par couche avec une imprimante 3D permet plus de flexibilité que les méthodes de fabrication traditionnelles.
L'avenir du génie mécanique réside peut-être dans la combinaison de l'impression 3D avec de nouvelles techniques basées sur l'IA, dit Messner. "Vous donneriez la structure - déterminée par un réseau de neurones - à quelqu'un avec une imprimante 3D et ils l'imprimeraient avec les propriétés que vous voulez, " dit-il. " Nous n'en sommes pas encore là, mais c'est l'espoir."
