Des chercheurs du MIT présentent un outil de deep learning pour analyser la contrainte des matériaux à partir de photos

MIT fatigue matériaux deep learning

Des chercheurs du Massachusetts Institute of Technology (MIT) ont présenté plus tôt ce mois-ci un outil d’intelligence artificielle. Ce modèle de deep learning permettra de déterminer la contrainte et la déformation d’un matériau grâce à l’analyse d’images et la vision par ordinateur. Il pourra être utilisé par les ingénieurs, principalement dans le cadre de tests sur matériaux. 

L’outil de deep learning développé par Zhenze Yang (auteur principal et doctorant au Département de science et génie des matériaux) Chi-Hua Yu (ancien post-doctorant du MIT) et Markus J. Buehler (directeur du laboratoire de mécanique atomique et moléculaire et professeur d’ingénierie chez McAfee), utilise la vision par ordinateur pour permettre, entre autres, de générer des estimations de contraintes matérielles (fatigue, stress, déformation, etc.) en temps réel.

Un réseau antagoniste génératif (GAN) a été formé à l’aide de milliers d’images appariées entre elles. Chaque couple d’image est composé pour la première, de la microstructure interne du matériau lorsqu’il est soumis à des forces mécaniques et pour la seconde, des valeurs de contraintes et de déformations codées par couleur. Le GAN prend en compte la théorie des jeux pour déterminer les relations entre l’apparence du matériau et les contraintes auquel il est soumis.

Markus Buehler s’est exprimé quant à l’utilisation de cet outil pour les problèmes liés aux contraintes et déformations auxquelles sont soumis les matériaux :

“C’est toujours un problème difficile. C’est très coûteux et cela peut prendre des jours, des semaines, voire des mois pour exécuter certaines simulations sur les matériaux. Nous avons donc pensé : apprenons à une IA à résoudre ce problème. […] À partir d’une image, l’ordinateur peut prédire toutes ces forces : déformations, contraintes, etc.”

L’intelligence artificielle peut également recontextualiser des problèmes comme le développement de fissures dans un matériau. Le réseau neuronal, une fois entraîné, peut fonctionner sur des processeurs informatiques de tout types. Une utilisation de cet outil pourrait donc être envisagée sur le terrain à l’aide d’une photo prise à l’instant T, par exemple.

Les chercheurs ont précisé que cette avancée pourrait permettre un prototypage de conception et des inspections de matériaux plus rapides. Les essais de matériaux sont des étapes fondamentales pour comprendre la structure, la résistance et mieux anticiper les risques. Lors de ces tests, les ingénieurs peuvent révéler les forces internes d’un matériau qui peuvent provoquer la déformation ou la rupture de ce matériau. De tels calculs pourraient permettre d’anticiper les risques et comprendre comment un pont X résisterait au milieu d’un trafic intense ou de vents violents.


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
XLOPTIM® par Addinsoft

Le solveur pour microsoft excel® alliant puissance et simplicité xloptim® résout vos problèmes d'optimisation directement dans une feuille excel®, en...

 
Partager l'article
Abonnez-vous à ActuIA, la revue professionnelle de l'intelligence artificielle magazine intelligence artificielle Découvrez la revue professionnelle de l'intelligence artificielle
intelligence artificielle
À PROPOS DE NOUS
Le portail francophone consacré à l'intelligence artificielle et à la datascience, à destination des chercheurs, étudiants, professionnels et passionnés.