Alat Menghitung Tegangan dan Regangan Bahan Berdasarkan Foto
Para peneliti telah mengembangkan teknik untuk dengan cepat menentukan sifat-sifat tertentu dari suatu bahan, seperti tegangan dan regangan, berdasarkan gambar bahan yang menunjukkan struktur internalnya. Pendekatan ini suatu hari nanti dapat menghilangkan kebutuhan akan perhitungan berbasis fisika, alih-alih mengandalkan visi komputer dan pembelajaran mesin untuk menghasilkan perkiraan secara real time. Kemajuan ini dapat memungkinkan pembuatan prototipe desain dan inspeksi material yang lebih cepat.
Perhitungan membantu mengungkapkan kekuatan internal material, seperti tegangan dan regangan, yang dapat menyebabkan material berubah bentuk atau patah. Perhitungan seperti itu mungkin menyarankan bagaimana jembatan yang diusulkan akan bertahan di tengah beban lalu lintas yang padat atau angin kencang. Para peneliti menggunakan teknik pembelajaran mesin yang disebut Generative Adversarial Neural Network yang dilatih dengan ribuan gambar berpasangan - satu menggambarkan struktur mikro internal material yang tunduk pada kekuatan mekanik dan yang lainnya menggambarkan nilai tegangan dan regangan kode warna yang sama. Dengan contoh-contoh ini, jaringan menggunakan prinsip-prinsip teori permainan untuk secara iteratif mencari tahu hubungan antara geometri material dan tegangan yang dihasilkannya.
Pendekatan berbasis gambar sangat menguntungkan untuk material komposit yang kompleks. Gaya pada material dapat beroperasi secara berbeda pada skala atomik daripada pada skala makroskopik.
Tetapi jaringan peneliti mahir dalam menangani berbagai skala. Ini memproses informasi melalui serangkaian "belitan" yang menganalisis gambar pada skala yang semakin besar.
Jaringan yang terlatih sepenuhnya berhasil memberikan nilai tegangan dan regangan yang diberikan serangkaian gambar close-up dari struktur mikro berbagai bahan komposit lunak. Jaringan tersebut bahkan mampu menangkap “singularitas” seperti retakan yang berkembang pada suatu material. Dalam hal ini, gaya dan medan berubah dengan cepat melintasi jarak yang sangat kecil.
Kemajuan dapat secara signifikan mengurangi iterasi yang diperlukan untuk merancang produk. Pendekatan end-to-end dapat berdampak signifikan pada berbagai aplikasi teknik, mulai dari komposit yang digunakan dalam industri otomotif dan pesawat terbang, hingga biomaterial alami dan rekayasa.
Selain menghemat waktu dan uang para insinyur, teknik baru ini dapat memberikan akses kepada non-ahli ke perhitungan material yang canggih. Desainer produk, misalnya, dapat menguji kelayakan ide mereka sebelum meneruskan proyek tersebut ke tim teknik.
Setelah dilatih, jaringan berjalan hampir seketika pada prosesor komputer tingkat konsumen. Itu dapat memungkinkan mekanik dan inspektur untuk mendiagnosis potensi masalah pada mesin hanya dengan mengambil gambar.
Para peneliti bekerja terutama dengan bahan komposit yang mencakup komponen lunak dan rapuh dalam berbagai pengaturan geometris acak. Dalam pekerjaan di masa depan, mereka berencana untuk menggunakan jenis material yang lebih luas.
