Человек, смотрящий на экран компьютера, на самом деле может не существовать благодаря искусственному интеллекту (ИИ), способному генерировать убедительные, но в конечном итоге поддельные изображения человеческих лиц. По словам ученых из Пенсильванского университета, теперь эта же технология может стать источником новой волны инноваций в области дизайна материалов.
«Сегодня мы много слышим о дипфейках в новостях — искусственном интеллекте, который может генерировать реалистичные изображения человеческих лиц, не соответствующие реальным людям» , — сказал Уэсли Рейнхарт, доцент кафедры материаловедения и инженерии и факультета Института вычислений и данных. совместный найм в Пенсильвании. «Это точно та же технология, которую мы использовали в наших исследованиях. Мы просто заменяем этот пример изображений человеческих лиц на элементарные композиции из высокоэффективных сплавов ».
Ученые обучили генерирующую враждебную сеть (GAN) создавать новые тугоплавкие высокоэнтропийные сплавы, материалы, которые могут выдерживать сверхвысокие температуры , сохраняя при этом свою прочность, и которые используются в технологиях от лопаток турбин до ракет.
Рисунок 1. Схематическая иллюстрация генеративного моделирования для обратного проектирования материалов с использованием условной генеративной состязательной сети. (A) Состязательная тренировочная процедура, в которой Генератор и Дискриминатор соревнуются за превосходные результаты. (B) Обратный дизайн с использованием обученного генератора. Кредит: DOI: 10.20517 / jmi.2021.05
«Существует множество правил о том, что создает изображение человеческого лица или что делает сплав, и вам будет действительно сложно узнать, что это за правила, или записать их от руки», Весь принцип GAN состоит в том, что у вас есть две нейронные сети, которые в основном конкурируют, чтобы узнать, что это за правила, а затем генерировать примеры, которые следуют этим правилам».
Команда просмотрела сотни опубликованных примеров сплавов, чтобы создать набор данных для обучения. В сети есть генератор, который создает новые композиции, и критик, который пытается определить, выглядят ли они реалистично по сравнению с обучающим набором данных. Если генератор окажется успешным, он сможет изготавливать сплавы, которые, по мнению критика, реальны, и, поскольку эта состязательная игра продолжается на протяжении многих итераций, модель улучшается, говорят ученые.
После этого обучения ученые попросили модель сосредоточиться на создании сплавов с особыми свойствами, которые были бы идеальными для использования в лопатках турбин.
«Наши предварительные результаты показывают, что генеративные модели могут изучать сложные взаимосвязи , чтобы создавать новинки по запросу», — сказала Зи-Куи Лю, профессор материаловедения и инженерии Дороти Пэйт Энрайт в Пенсильвании. «Это действительно то, чего нам не хватает в нашем вычислительном сообществе в материаловедении в целом».
По словам исследователей, традиционный или рациональный дизайн полагался на человеческую интуицию в поиске закономерностей и улучшении материалов, но это становится все более сложной задачей, поскольку химия и обработка материалов становятся все более сложными.
«Когда вы имеете дело с проблемами дизайна, у вас часто есть десятки или даже сотни переменных, которые вы можете изменить», — сказал Рейнхарт. «Ваш мозг просто не приспособлен для мышления в 100-мерном пространстве; вы даже не можете его визуализировать. Таким образом, одна вещь, которую эта технология делает для нас, — это показывает нам модели, которые мы можем понять. ».
Ученые заявили, что их результаты, недавно опубликованные в Journal of Materials Informatics , показывают прогресс в направлении обратного дизайна сплавов.
«При рациональном проектировании вы должны выполнять каждый из этих шагов по очереди; проводить моделирование, проверять таблицы, консультироваться с другими экспертами. Обратный дизайн в основном обрабатывается этой статистической моделью. Вы можете запросить материал с определенными свойствами и получить 100 или 1000 композиций, которые могут быть подходящими за миллисекунды».
Однако модель не идеальна, и ее оценки все еще необходимо подтвердить с помощью высокоточного моделирования, но ученые заявили, что она устраняет догадки и предлагает новый многообещающий инструмент для определения материалов, которые следует попробовать.
Дополнительная информация: Ариндам Дебнат и др., Генеративное глубокое обучение как инструмент обратного проектирования тугоплавких сплавов с высокой энтропией, Журнал информатики материалов (2021). DOI: 10.20517 / jmi.2021.05
Будьте в курсе в удобном формате, присоединяйтесь: TG-канал и ВК