Talvez você não consiga distinguir um livro de sua capa, mas, de acordo com pesquisadores do MIT, agora você pode fazer o equivalente para materiais de todos os tipos, desde uma peça de avião até um implante médico. Sua nova abordagem permite que os engenheiros descubram o que está acontecendo dentro simplesmente observando as propriedades da superfície do material.

A equipe usou um tipo de aprendizado de máquina conhecido como aprendizado profundo para comparar um grande conjunto de dados simulados sobre os campos de força externos dos materiais e a estrutura interna correspondente, e usou isso para gerar um sistema que poderia fazer previsões confiáveis ??do interior da superfície. dados.

Os resultados estão sendo publicados na revista Advanced Materials , em artigo do doutorando Zhenze Yang e do professor de engenharia civil e ambiental Markus Buehler.

“É um problema muito comum na engenharia”, explica Buehler. “Se você tem um pedaço de material – talvez seja uma porta de um carro ou um pedaço de um avião – e você quer saber o que há dentro desse material, você pode medir as deformações na superfície tirando fotos e calculando quanta deformação você ter. Mas você não pode realmente olhar dentro do material. A única maneira de fazer isso é cortá-lo e depois olhar para dentro e ver se há algum tipo de dano ali.”

Também é possível usar raios X e outras técnicas, mas costumam ser caras e exigem equipamentos volumosos, diz. “Então, o que fizemos foi basicamente fazer a pergunta: podemos desenvolver um algoritmo de IA que possa observar o que está acontecendo na superfície, que podemos ver facilmente usando um microscópio ou tirando uma foto, ou talvez apenas medindo coisas em a superfície do material e, em seguida, tentar descobrir o que realmente está acontecendo dentro? Essa informação privilegiada pode incluir quaisquer danos, rachaduras ou tensões no material ou detalhes de sua microestrutura interna.

O mesmo tipo de perguntas também se aplica aos tecidos biológicos, acrescenta. “Existe doença lá, ou algum tipo de crescimento ou alteração no tecido?” O objetivo era desenvolver um sistema que pudesse responder a esses tipos de perguntas de maneira totalmente não invasiva.

Atingir esse objetivo envolve abordar complexidades, incluindo o fato de que “muitos desses problemas têm várias soluções”, diz Buehler. Por exemplo, muitas configurações internas diferentes podem exibir as mesmas propriedades de superfície. Para lidar com essa ambiguidade, “criamos métodos que podem nos dar todas as possibilidades, todas as opções, basicamente, que podem resultar nesse cenário [superficial] específico”.

A técnica que eles desenvolveram envolveu o treinamento de um modelo de IA usando grandes quantidades de dados sobre medições de superfície e as propriedades internas associadas a elas. Isso incluiu não apenas materiais uniformes, mas também materiais com diferentes combinações. “Alguns novos aviões são feitos de compósitos, então eles têm projetos deliberados de diferentes fases”, diz Buehler. “E, claro, também na biologia, qualquer tipo de material biológico será feito de vários componentes e eles têm propriedades muito diferentes, como no osso, onde você tem proteínas muito moles e substâncias minerais muito rígidas”.

A técnica funciona até mesmo para materiais cuja complexidade não é totalmente compreendida, diz ele. “Com tecido biológico complexo, não entendemos exatamente como ele se comporta, mas podemos medir o comportamento. Não temos uma teoria para isso, mas se tivermos dados suficientes coletados, podemos treinar o modelo.”

Yang diz que o método que eles desenvolveram é amplamente aplicável. “Não se limita apenas a problemas de mecânica sólida, mas também pode ser aplicado a diferentes disciplinas de engenharia, como dinâmica de fluidos e outros tipos.” Buehler acrescenta que pode ser aplicado para determinar uma variedade de propriedades, não apenas tensão e deformação, mas campos de fluidos ou campos magnéticos, por exemplo, os campos magnéticos dentro de um reator de fusão. É “muito universal, não apenas para diferentes materiais, mas também para diferentes disciplinas”.

Yang diz que inicialmente começou a pensar nessa abordagem quando estudava dados em um material em que parte das imagens que estava usando estava desfocada e se perguntou como seria possível “preencher o espaço em branco” dos dados ausentes no área borrada. “Como podemos recuperar essas informações que faltam?” ele se perguntou. Lendo mais, ele descobriu que esse era um exemplo de problema generalizado, conhecido como problema inverso, de tentar recuperar informações perdidas.

O desenvolvimento do método envolveu um processo iterativo, fazendo com que o modelo fizesse previsões preliminares, comparando-as com dados reais sobre o material em questão e, em seguida, ajustando o modelo ainda mais para corresponder a essas informações. O modelo resultante foi testado em casos em que os materiais são suficientemente bem compreendidos para serem capazes de calcular as verdadeiras propriedades internas, e as previsões do novo método corresponderam bem a essas propriedades calculadas.

Os dados de treinamento incluíram imagens das superfícies, mas também vários outros tipos de medições de propriedades de superfície, incluindo tensões e campos elétricos e magnéticos. Em muitos casos, os pesquisadores usaram dados simulados com base na compreensão da estrutura subjacente de um determinado material. E mesmo quando um novo material tem muitas características desconhecidas, o método ainda pode gerar uma aproximação boa o suficiente para fornecer orientação aos engenheiros com uma orientação geral sobre como buscar medições adicionais.

Como exemplo de como essa metodologia pode ser aplicada, Buehler destaca que hoje os aviões são frequentemente inspecionados testando algumas áreas representativas com métodos caros, como raios-X, porque seria impraticável testar o avião inteiro. “Esta é uma abordagem diferente, na qual você tem uma maneira muito menos dispendiosa de coletar dados e fazer previsões”, diz Buehler. “A partir disso, você pode tomar decisões sobre onde deseja procurar e talvez usar equipamentos mais caros para testá-lo.”

Para começar, ele espera que esse método, que está sendo disponibilizado gratuitamente para qualquer pessoa por meio do site GitHub, seja aplicado principalmente em ambientes de laboratório, por exemplo, em testes de materiais usados ??para aplicações de robótica leve.

Para esses materiais, ele diz: “Podemos medir coisas na superfície, mas muitas vezes não temos ideia do que está acontecendo dentro do material, porque é feito de hidrogel ou proteínas ou biomateriais para atuadores, e não há teoria por isso. Portanto, essa é uma área em que os pesquisadores podem usar nossa técnica para fazer previsões sobre o que está acontecendo no interior e talvez projetar melhores garras ou melhores compósitos”, acrescenta.

A pesquisa foi apoiada pelo US Army Research Office, pelo Air Force Office of Scientific Research, pela plataforma GoogleCloud e pelo MIT Quest for Intelligence.