אלגוריתם חדש שפותח באימפריאל קולג 'בלונדון יכול להמיר תמונות דו ממדיות של חומרים מרוכבים למבנים תלת ממדיים.
האלגוריתם של למידת מכונה יכול לסייע למדענים חומרים ויצרנים ללמוד ולשפר את העיצוב והייצור של חומרים מרוכבים כמו אלקטרודות סוללות וחלקי מטוס בתלת ממד.
שימוש בנתונים מחתכי רוחב דו מימדיים של חומרים מרוכבים, הנעשים על ידי שילוב שונים חומרים עם תכונות פיזיקליות וכימיות ברורות, האלגוריתם יכול להרחיב את ממדי החתכים כדי להמיר אותם למודלים ממוחשבים תלת מימדיים. זה מאפשר למדענים לחקור את החומרים השונים, או "השלבים", של חומר מרוכב וכיצד הם משתלבים זה בזה.
הכלי לומד כיצד נראים חתכים דו-ממדיים של חומרים מרוכבים ומגדיל אותם כך שניתן ללמוד את שלביהם במרחב תלת-ממדי. בעתיד ניתן להשתמש בו כדי לייעל את העיצובים של חומרים מסוג זה על ידי מתן אפשרות למדענים ויצרנים ללמוד את הארכיטקטורה המרובדת של המרכיבים.
החוקרים מצאו שהטכניקה שלהם זולה ומהירה יותר מיצירת ייצוגי מחשב תלת-ממד מאובייקטים תלת-ממדיים פיזיים. היא גם הצליחה לזהות באופן ברור יותר שלבים שונים בתוך החומרים, שקשה יותר לעשות זאת באמצעות טכניקות עכשוויות.
שילוב חומרים כמרכיבים מאפשר לך לנצל את התכונות הטובות ביותר של כל רכיב, אך לימודם בפירוט עשוי להיות מאתגר מכיוון שסידור החומרים משפיע מאוד על הביצועים. האלגוריתם מאפשר לחוקרים לקחת את נתוני התמונה הדו-ממדית שלהם וליצור מבנים תלת-ממדיים עם כל אותם מאפיינים, מה שמאפשר להם לבצע סימולציות מציאותיות יותר.
לימוד, תכנון וייצור חומרים מרוכבים בתלת מימד הוא כרגע מאתגר. תמונות דו-ממדיות זולות להשגה ומעניקות לחוקרים רזולוציה גבוהה, שדות ראייה רחבים, וטובות מאוד להבדיל בין החומרים השונים. מצד שני, טכניקות הדמיה תלת-ממדית לעיתים קרובות יקרות ומטושטשות יחסית. הרזולוציה הנמוכה שלהם גם מקשה על זיהוי שלבים שונים בתוך קומפוזיט.
לדוגמא, החוקרים אינם מצליחים כיום לזהות חומרים בתוך אלקטרודות הסוללה, המורכבות מחומר קרמי, קלסרים פולימטריים פחמניים ונקבוביות לשלב הנוזל, תוך שימוש בטכניקות הדמיה תלת מימד.
במחקר זה השתמשו החוקרים בטכניקת למידת מכונה חדשה הנקראת 'רשתות יריבה גנרטיביות עמוקות (DC-GAN) שהומצאה בשנת 2014.
גישה זו, בה שתי רשתות עצביות מיועדות להתחרות זו בזו, עומדת בלב הכלי להמרת 2D לתלת ממד. רשת עצבית אחת מוצגת בתמונות הדו-ממדי ולומדת לזהות אותן, ואילו השנייה מנסה ליצור גרסאות תלת-ממדיות "מזויפות". אם הרשת הראשונה מסתכלת על כל פרוסות הדו-ממד בגרסת התלת-ממד "המזויפת" וחושבת שהן "אמיתיות", ניתן להשתמש בגרסאות לדמות כל נכס מהותי שמעניין.
אותה גישה גם מאפשרת לחוקרים להפעיל סימולציות באמצעות חומרים וקומפוזיציות שונות הרבה יותר מהר ממה שהיה אפשרי בעבר, דבר שיאיץ את החיפוש אחר חומרים מרוכבים טובים יותר.
הביצועים של מכשירים רבים המכילים חומרים מרוכבים, כמו סוללות, קשורים קשר הדוק לסידור התלת-ממדי של רכיביהם במיקרו-סולם. עם זאת, הדמיה תלת ממדית של חומרים אלה בפירוט מספיק יכולה להיות קפדנית. החוקרים מקווים שכלי הלמידה המכונה החדש שלהם יעצים את קהילת עיצוב החומרים על ידי היפטרות מהתלות במכונות הדמיה תלת ממדיות יקרות בתרחישים רבים.
יצירת מבנים תלת מימדיים מפרוסה דו מימדית עם גנרטטיבית הרחבת ממדיות מבוססת רשת.