Utiliser l’IA pour prédire quand et où le verre se brisera

Prédire quand et où le verre se brisera

Schéma du système et des algorithmes. a) Vue en perspective des bicouches de verre de silice : les atomes de silice sont colorés en cyan et ceux d’oxygène en rouge. b) Représentation schématique de la formation de la rupture sous contrainte de traction croissante de gauche à droite : non déformé (panneau de gauche), premier événement plastique correspondant à une rupture de liaison (panneau central) et chemin de fissure (panneau de droite). c) Approche d’apprentissage local qui utilise Support Vector Machine pour prédire la nature élastique/plastique d’atomes individuels. d) Approche d’apprentissage global qui utilise un modèle ResNet pour prédire la contrainte de rupture, l’emplacement et le chemin complet de la fissure. L’approche permet également l’interprétation des décisions du modèle à l’aide de cartes d’attention (côté droit du panneau). Le crédit: Communication Nature (2022). DOI : 10.1038/s41467-022-30530-1

La capacité de prédire le moment où les matériaux se fractureront est d’une importance capitale pour les applications industrielles. Les entreprises peuvent utiliser ces informations pour entretenir les appareils et les composants de manière plus efficace et plus rentable. Une équipe de recherche de la FAU et de l’Université de Milan a démontré que l’intelligence artificielle peut prédire quand le verre de quartz se fracturera sur la base des informations tirées des images de sa microstructure atomique. Les chercheurs ont publié leurs résultats dans la revue Communication Nature.

Le verre est un solide non cristallin et contrairement aux matériaux cristallins solides, ses atomes ne sont pas disposés de manière cohérente. Cela rend plus difficile la prédiction du moment où le verre se brisera : lorsqu’il n’y a pas d’ordre défini, il est difficile de détecter les premiers signes de désordre, un signe important que le matériau cristallin va bientôt se fracturer. Grâce aux derniers développements de l’apprentissage en profondeur avec l’intelligence artificielle, les chercheurs peuvent désormais prédire de manière fiable quand le verre est susceptible de se briser.

Les scientifiques ne sont pas encore en mesure d’expliquer comment le système d’IA atteint ses résultats et quels paramètres sont pris en compte et sur lesquels se concentre, ce qui est un problème courant dans la recherche sur l’intelligence artificielle. “Les réseaux de neurones sont des boîtes noires”, explique le professeur Stefano Zapperi de l’Université de Milan, qui a été chercheur invité à la FAU pendant un an après avoir reçu le prix Humboldt. “Il s’agit d’une limitation importante dans la recherche scientifique qui est chargée d’expliquer les causes d’un phénomène spécifique.”

Pour résoudre ce problème, les chercheurs utilisent une méthode permettant d’identifier les zones de l’image de la microstructure les plus souvent utilisées par les réseaux de neurones pour prédire la fracture.

“Les réseaux de neurones essaient d’imiter le cerveau. Nous ne comprenons pas toujours non plus comment le cerveau atteint un certain résultat. Mais chez l’homme, nous pouvons au moins observer un comportement tel que le mouvement des yeux, ce qui peut expliquer comment une certaine décision est prise”. explique Michael Zaiser, professeur de simulations de matériaux à la FAU et co-auteur de l’étude. “Nous avons adopté une approche similaire à notre problème et étudié les points qui ont attiré l’attention du réseau neuronal, essentiellement en suivant ce qu’il regarde.”

Cette méthode a permis aux chercheurs d’étudier les paramètres locaux qui influencent le comportement de fracturation. “Grâce à cette méthode, nous avons pu identifier et mieux comprendre les aspects qui provoquent la rupture du verre et non seulement prédire quand le verre est susceptible de se fracturer, mais également obtenir des informations fondamentales sur la mécanique des matériaux en verre”, explique Stefano Zapperi. “La stratégie que nous avons développée peut être appliquée à d’autres applications”, ajoute Michael Zaiser “par exemple dans la conception de matériaux apparentés avec une meilleure résistance à la rupture”.


L’impression de circuits sur des nanoaimants rares donne une nouvelle tournure à l’informatique


Plus d’information:
Francesc Font-Clos et al, Prédire la défaillance des verres de silice bidimensionnels, Communication Nature (2022). DOI : 10.1038/s41467-022-30530-1

Fourni par l’Université Friedrich-Alexander d’Erlangen-Nurnberg

Citation: Utilisation de l’IA pour prédire quand et où le verre se brisera (14 juin 2022) récupéré le 14 juin 2022 sur https://techxplore.com/news/2022-06-ai-glass.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.