工具根据照片计算材料的应力和应变
研究人员开发了一种技术，可以根据显示其内部结构的材料图像快速确定材料的某些特性，例如应力和应变。这种方法有朝一日可以消除对基于物理的计算的需求，而是依靠计算机视觉和机器学习来实时生成估计值。这一进步可以实现更快的设计原型和材料检查。
计算有助于揭示材料的内力，如应力和应变，这些内力可能导致材料变形或断裂。这样的计算可能表明拟议中的桥梁将如何在交通繁忙或大风中保持稳定。研究人员使用了一种称为生成对抗神经网络的机器学习技术，该技术接受了数千对图像的训练——一幅描绘了材料的内部微观结构受到机械力的影响，另一幅描绘了相同材料的颜色编码应力和应变值。通过这些示例，该网络使用博弈论原理迭代地找出材料的几何形状与其产生的应力之间的关系。
基于图像的方法对于复杂的复合材料特别有利。作用在材料上的力在原子尺度上的作用可能与在宏观尺度上的作用不同。
但研究人员的网络擅长处理多个尺度。它通过一系列“卷积”来处理信息，这些“卷积”会以越来越大的比例分析图像。
在给出各种软复合材料微观结构的一系列特写图像的情况下，经过充分训练的网络成功地渲染了应力和应变值。该网络甚至能够捕捉到“奇点”，例如材料中出现的裂缝。在这些情况下，力和场会在很短的距离内迅速变化。
这一进步可以显着减少设计产品所需的迭代。从汽车和飞机工业中使用的复合材料到天然和工程生物材料，端到端的方法可能会对各种工程应用产生重大影响。
除了节省工程师的时间和金钱外，这项新技术还可以让非专家获得最先进的材料计算。例如，产品设计师可以在将项目传递给工程团队之前测试其想法的可行性。
一旦经过训练，该网络几乎可以立即在消费级计算机处理器上运行。这可以让机械师和检查员通过拍照来诊断机械的潜在问题。
研究人员主要使用复合材料，其中包括各种随机几何排列的软质和脆性成分。在未来的工作中，他们计划使用更广泛的材料类型。
传感器