Nova ferramenta de Inteligência Artificial calcula tensão e deformação dos materiais baseada em fotos

238 0

Os engenheiros confiam nas leis físicas, desenvolvidas por Isaac Newton e outros, para entender as tensões e deformações nos materiais com que trabalham.

Mas resolver essas equações pode ser um trabalho árduo e demorado, especialmente para materiais complexos.

Para simplificar essa questão, pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) desenvolveram uma técnica para determinar rapidamente certas propriedades de materiais, como tensão e deformação, com base em imagens do material mostrando sua estrutura interna.

Essa abordagem inovadora poderia, futuramente, eliminar a necessidade de cálculos árduos baseados na física, e utilizar a visão computacional e a Inteligência Artificial para gerar estimativas em tempo real.

A pesquisa

O trabalho foi publicado pela revista Science Advances, uma das maiores e mais respeitadas revistas científicas do mundo, em abril deste ano.

Zhenze Yang, o autor principal do artigo e aluno de doutorado no Departamento de Ciência e Engenharia de Materiais, diz que o avanço pode permitir uma prototipagem de projeto e inspeções de materiais mais rápidas. “É uma abordagem totalmente nova”, diz Yang, acrescentando que o algoritmo “completa todo o processo sem nenhum conhecimento de física”.

Como funciona

Os engenheiros passam muito tempo resolvendo equações. Essas equações ajudam a revelar as forças internas de um material, como tensão e deformação, que podem fazer com que o material se deforme ou se quebre.

Esses cálculos podem sugerir, por exemplo, como uma ponte se comportaria em meio a cargas de tráfego pesado ou ventos fortes.

Ao contrário de matemático Isaac Newton, os engenheiros de hoje não precisam de papel e caneta para a tarefa. Atualmente, a maior parte desses cálculos é feita por computadores.

Mas mesmo computacionalmente, resolver essas equações ainda é um problema difícil, caro e demorado. Algumas simulações podem levar até dias para ficarem prontas.

Sendo assim, os pesquisadores pensaram em ensinar uma Inteligência Artificial a resolver esses problemas complexos.

Aprendizado de Máquina

Os cientistas utilizaram uma técnica de aprendizado de máquina chamada Rede Neural Adversária Generativa.

Resumindo, eles treinaram um algoritmo com milhares de imagens de um determinado material, de maneira emparelhada. No emparelhamento, uma imagem retratava a microestrutura interna do material sujeita a forças mecânicas, e a outra retratava os valores de tensão e deformação desse mesmo material, mas utilizando cores para simbolizar os valores desses esforços.

Com esses exemplos fornecidos para o algoritmo, a Inteligência Artificial faz relações entre a geometria de um material e suas tensões resultantes.

“Portanto, a partir de uma imagem, o computador é capaz de prever todas essas forças: as deformações, as tensões e assim por diante”, diz Markus Buehler, outro autor da pesquisa.

strain imaging
A visualização mostra a simulação pela IA de uma “falha” em um material complexo, composto por partes fortes e outras quebradiças. O vermelho representa uma parte macia do material, o branco representa a parte quebradiça e o verde representa uma fissura projetada pela IA (à esquerda), quando o material é exposto à determinada tensão (à direita). Fonte: MIT news.

Além de economizar tempo e dinheiro dos engenheiros, a nova técnica poderia dar aos não especialistas acesso a cálculos de materiais de última geração.

Arquitetos ou designers de produto, por exemplo, poderiam testar a viabilidade de suas ideias antes de passar o projeto para uma equipe de engenharia.

Como salienta o pesquisador Buehler: “Capacitar engenheiros com Inteligência Artificial é o que estamos tentando fazer aqui”.

Fontes:

New AI tool calculates materials’ stress and strain based on photos. Reportagem/MIT. Em: news.mit.edu/2021/ai-materials-stress-strain-0422.

Zhenze Yang, Chi-Hua Yu, Markus J. Buehler. Deep learning model to predict complex stress and strain fields in hierarchical compositesScience Advances, 2021.

Deixe uma resposta