Ученые Пермского Политеха создали нейросетевую модель, которая позволит распознавать свойства материалов по цифровым снимкам. Искусственный интеллект и автоматизация процессов помогут предприятиям быстро и недорого производить новые, уникальные по свойствам материалы.

Результаты исследования разработчики опубликовали в журналах "Черные металлы", Integrated Science in Digital Age и Journal of Digital Science.

Сейчас специалисты многих отечественных и зарубежных лабораторий разрабатывают новые функциональные материалы для промышленности. Эти металлы и сплавы должны выдерживать высокие нагрузки при эксплуатации и обладать необходимыми физико-механическими свойствами. Нейросетевые модели, по мнению ученых Пермского Политеха, смогут оптимизировать работу инженеров: сократить временные и финансовые затраты на исследования.

– Чтобы классифицировать материалы, мы создали базу данных размеченных цифровых фотографий микрошлифов материалов. Объектами стали образцы сталей с промышленных предприятий, которые получили в процессе экспериментов с термомеханической обработкой сплавов. Затем на основе базы мы произвели обучение нейронной сети. Она "распознает" свойства материалов, относя каждый из них к определенному классу твердости, – рассказывает автор проекта, кандидат физико-математических наук, доцент кафедры "Вычислительная математика, механика и биомеханика" Пермского Политеха Андрей Клюев.

Пермские исследователи использовали для обучения глубокую нейронную сеть VGG и выяснили, что она с высокой точностью классифицирует по твердости микроструктуры сталей. Они обработали исходную информацию с помощью глубокой нейросети ResNet и сравнили результаты с экспериментальными данными. Ученые доказали, что нейросеть можно использовать в качестве ядра интеллектуальной системы для комплексной оценки материалов.

– В отличие от аналогов, мы использовали более глубокие нейросети на реальных, а не синтезированных данных. Нам удалось достичь точности в работе модели от 66,2 % до 92,1 %, по разным оценкам. Кроме того, мы провели уникальное исследование на устойчивость нейросети и выяснили, какое количество ошибочно размеченных снимков может исказить результат, – поясняет ученый.

По словам исследователей, разработка будет интересна предприятиям реального сектора экономики. В частности, в авиастроении с помощью функциональных материалов можно уменьшить массу самолета и двигателей. Это позволит повысить конкурентоспособность судна и снизить затраты на его производство. Кроме того, разработку можно будет применять в технике и строительстве. В перспективе нейросетевая модель станет "интеллектуальным помощником" для инженера на предприятии, который автоматически подберет способ изготовления конструктивных элементов, определит химический состав сплавов и программу их термомеханической обработки.

Разработчики реализовали проект в рамках федеральной целевой программы, направленной на исследования и разработки по приоритетным направлениям развития научно-технического комплекса России. На исследования они получили грант в размере более 20 млн рублей.

В планах ученых – "расширить кругозор" нейронной сети, чтобы улучшить прогноз физико-механических свойств материалов.