Investigadores de la Universidad de Waterloo han encontrado una mejor manera de identificar estructuras atómicas, un paso esencial para mejorar la selección de materiales en la aviación, industrias de la construcción y automotriz.
Los hallazgos del estudio podrían resultar en una mayor confianza al determinar la integridad de los metales.
Devinder Kumar, un doctorado candidato en ingeniería de diseño de sistemas en Waterloo, colaboró con el Instituto Fritz Haber (FHI) en Berlín, para desarrollar un poderoso modelo de IA que pueda detectar con precisión diferentes estructuras atómicas en materiales metálicos. El sistema puede encontrar imperfecciones en el metal que antes eran indetectables.
"En cualquier lugar donde tenga metales, desea conocer la consistencia, y eso no se puede hacer en los escenarios prácticos actuales porque los métodos actuales no identifican la simetría en condiciones imperfectas, "dijo Kumar, quien es miembro del Grupo de Investigación de Procesamiento de Imágenes y Visión bajo la supervisión de Alexander Wong, profesor de la Cátedra de Investigación de Waterloo y Canadá en el área de inteligencia artificial.
"Entonces, este nuevo método de evaluación de materiales metálicos conducirá a un mejor diseño de materiales en general y tiene el potencial de afectar a todas las industrias en las que se necesitan propiedades de diseño de materiales ".
FHI ideó un nuevo escenario que puede crear artificialmente datos relacionados con el mundo real. Kumar junto con sus colaboradores pudo usar esto para generar alrededor de 80, 000 imágenes de los diferentes tipos de defectos y desplazamientos para producir un modelo de IA muy eficaz para identificar varios tipos de estructuras cristalinas en escenarios prácticos. Estos datos se han hecho públicos para que las personas puedan aprender sus propios algoritmos.
"En teoria, todos los materiales metálicos tienen una simetría perfecta, y todos los elementos están en el lugar correcto, pero en la práctica debido a varias razones, como la fabricación barata, hay defectos, "Dijo Kumar." Todos estos métodos actuales fallan cuando intentan igualar las estructuras ideales reales, la mayoría de ellos fracasan cuando hay incluso un uno por ciento de defecto ".
"Hemos creado un algoritmo o modelo basado en IA que puede clasificar este tipo de simetrías incluso hasta en un 40 por ciento de los defectos".
El estudio, Clasificación perspicaz de estructuras cristalinas mediante aprendizaje profundo, fue publicado recientemente en la revista Comunicaciones de la naturaleza .