นักวิจัยจาก MIT ออกแบบกระบวนการตรวจสอบความเค้นและความเครียดของวัสดุแบบใหม่ เน้นการใช้งานกล้องจับภาพร่วมกับ AI เพื่อให้เกิดการคำนวณค่าที่รวดเร็วทดแทนการคำนวณสมการที่ใช้เวลายาวนานและซับซ้อน
เป็นเวลาที่เนิ่นนานที่เหล่าวิศวกรต้องยึดโยงอยู่กับกฎฟิสิกส์ที่ถูกพัฒนาโดย Newton และผู้เชี่ยวชาญอีกมากมายเพื่อทำความเข้าใจเกี่ยวกับแรงเครียดและความเค้นบนวัตถุที่เกิดขึ้น แน่นอนว่าการใช้สมการเป็นส่วนสำคัญและการมีคอมพิวเตอร์มาช่วยคำนวณก็ถือเป็นอีกหนทางหนึ่งในการแก้ไขความยุ่งยากซับซ้อนเหล่านี้
ทีมวิจัยจาก MIT ได้พัซนาเทคนิคที่ทำให้สามารถตรวจจับคุณสมบัติเหล่านี้บนวัสดุได้อย่างรวดเร็วไม่ว่าจะเป็นความเค้นหรือความเครียดบนวัสดุที่เกิดขึ้น โดยใช้การอ้างอิงจากภาพวัตถุที่แสดงถึงโครงสร้างภายใน ความสำเร็จนี้อาจำนำไปสู่การกำจัดความต้องการการคำนวณทางกายภาพด้วยหลักฟิสิกส์ และถูกแทนที่ด้วยการจับภาพผ่านคอมพิวเตอร์และ Machine Learning เพื่อประเมินค่าแบบ Real-time
วิศวกรใช้เวลาจำนวนมากในการแก้สมการ แน่นอนว่าเป็นการดำเนินการเพื่อเปิดเผยให้เห็นถึงแรงที่เกิดขึ้นภายในวัสดุซึ่งวัสดุแคนเปลี่ยนรูปหรือแตกหักได้ การคำนวณเหล่านี้จะแนะนำว่าวัสดุสามารถรับแรงได้มากเท่าไหร่ เช่น สะพานเมื่อต้องรองรับน้ำหนักจากการจราจรที่ติดขัดหรือลมที่พัดแรงนั้นต้องมีลักษณะเป็นอย่างไร แน่นอนว่างานที่ยากลำบากซัพซ้อนเหล่านี้มีเครื่องมือผู้ช่วยอย่างคอมพิวเตอร์ ซึ่งอันที่จริงแล้วมีราคาแพงและใช้เวลาเป็นสัปดาห์ เป็นวัน หรือเป็นเดือนเพื่อดำเนินการจำลองให้สมบูรณ์แบบ ซึ่งสิ่งเหล่านี้เองทำให้เกิดคำถามว่า ‘ทำไมไม่สอน AI ให้แก้ปัญหาเหล่านี้แทนกันล่ะ?’
นักวิจัยใช้เทคนิค Machine Learning ที่เรียกว่า Generative Adversarial Neural Network ซึ่งเป็นการฝึกฝนเครือข่ายด้วยภาพกว่า 1 พันคู่ รูปหนึ่งแสดงให้เห็นถึงโครงสร้าง Microstructure ภายในของวัตถุเมื่อเกิดแรงกลภายใน อีกรูปหนึ่งเป็นรูปวัสดุเดียวกันที่มีการใช้สีระบุความเครียดหรือแรงเค้นที่เกิดขึ้น ด้วยตัวอย่างเหล่านี้เครื่อข่ายใช้พื้นฐานทฤษฎีเกมส์ (Game Theory) เพื่อหาคู่ของความสัมพันธ์ระหว่างรูปทรงเรขาคณิตของวัสดุและผลลัพธ์ของความเครียดที่เกิดขึ้น
สิ่งเหล่าีน้เป็นสิ่งใหม่ที่เกิดขึ้นโดยใช้คอมพิวเตอร์คาดคะเนแรง ไม่ว่าจะเป็นการเปลี่ยนรูปร่าง ความเครียดและอื่น ๆ ซึ่งวิธีการแบบเก่านั้นต้องเขียนทั้งโค้ดของสมการและให้คอมพิวเตอร์แก้สมการที่แตกต่างกันในแต่ละส่วน ซึ่งในกรณีนี้แค่เปลี่ยนจากรูปหนึ่งเป็นอีกรูปหนึ่งเท่านั้น
การตีความโดยใช้ภาพเป็นพื้นฐานอ้างอิงนั้นมีจุดเด่นด้านการใช้งานกับวัสดุกลุ่มคอมโพสิทหรือมีความซับซ้อน แรงที่เกิดกับวัสดุนั้นอาจมีความแตกต่างกันในระดับอะตอมมากกว่าระดับ Macroscopic ถ้าหากลองมองดูเครื่องบินจะพบว่ามีกาว โลหะ และโพลีเมอร์ผสมกันไป ซึ่งมีคุณสมบัติและขนาดที่แตกต่างกันเมื่อถึงเวลาต้องหาทางออกให้กับแรงที่เกิดขึ้น แน่นอนว่าถ้าใช้วิธีเดิม ๆ อย่าง Newton ต้องเกิดกระบวนการมากมายในการหาคำตอบอย่างแน่นอน
ระบบเครือข่ายที่ได้รับการฝึกฝนมาแล้วนั้นทำการทดสอบได้อย่างดีเยีย่ม ผลลัพธ์ของการนำเสนอค่าความเครียดและความเคร่งถูกแสดงออกมาเป็นชุดภาพระยะใกล้สำหรับ Microstructure ของวัสดุคอมโพสิทที่มีความอ่อนตัว เครือข่ายยังสามารถจับ Singularity (ความเป็นเอกฐาน) เช่น รอบแตกที่เกิดขึ้นในวัสดุได้อีกด้วย
เทคโนโลยีนี้สามารถช่วยวิศวกรประหยัดเงินและเวลาได้ ทั้งยังทำให้คนที่ไม่ใช่ผู้เชี่ยวชาญสามารถเข้าถึงการคำนวณในระดับสูงได้อีกด้วย ไม่ว่าจะเป็นสถปนิก นักออกแบบผลิตภัณฑ์ ซึ่งสามารถทดสอลแนวความคิดก่อนที่จะดำเนินการกับทีมได้อีกด้วย นอกจากนี้ระบบที่ทำการฝึกฝนสำเร็จแล้วสามารถใช้งานได้กับหน่วยประมวลผลระดับผู้บริโภคได้อย่างสบาย ๆ ทำให้วิศวกรหรือผู้ตรวจสอบสามารถตรวจวิเคราะห์สิ่งที่เป็นปัญหากับเครื่องจักรได้ง่ายๆ แค่ถ่ายรูปเท่านั้นเอง
ที่มา:
Mit.edu
เนื้อหาที่เกี่ยวข้อง:
งานวิจัยเผย หุ่นยนต์รับรู้ได้ดียิ่งขึ้นเมื่อใช้การประมวลผลแสง
Voltaire
