Предложенный учеными алгоритм позволит ускорить и удешевить процесс исследования гетерогенных материалов без потери в качестве, пояснили в Пермском национальном исследовательском политехническом университете.
"Существующие методы оцифровки сложных многокомпонентных материалов крайне затратны как по времени, так и по финансам. К тому же, они ограничиваются анализом небольших объемов материала, которые могут быть недостаточно репрезентативными, а для некоторых материалов - не подходят вовсе, например, из-за свойств поверхности или низкого контраста свойств внутренних компонентов. Поэтому во многих случаях доступны только 2D-изображения поверхности материала. В этой связи актуальна задача восстановления однородной случайной 3D-структуры из двумерного изображения", - рассказал ведущий научный сотрудник научно-исследовательской лаборатории "Механика биосовместимых материалов и устройств" ПНИПУ, доцент кафедры динамики и прочности машин, кандидат физико-математических наук Михаил Ташкинов.
Как пояснили в вузе, 3D-моделирование материалов используется для оценки характеристик многокомпонентных материалов и их применимости для изготовления тех или иных деталей. К таким материалам относят гетерогенные материалы, в природе это, например, гранит, который состоит из трех минералов: кварца, слюды и полевого шпата. В сложных инженерных приложениях применяются искусственно получаемые композиты, возможность использования которых в конкретном случае определяется возможностью комбинировать свойства исходных компонент. В этом как раз и помогает метод восстановления эквивалентной 3D-модели пористой микроструктуры по 2D-изображению с помощью нейронной сети.
"Когда единственным носителем информации для реконструкции 3D-структуры является двухмерное изображение поперечного сечения, способ его кодировки (извлечение наиболее важной информации) напрямую влияет на качество генерируемой структуры. Даже небольшой сдвиг изображения значительно увеличивает поэлементную ошибку, что дестабилизирует процесс обучения нейросети. Поэтому мы предложили более абстрактную функцию оптимизации, обладающую уникальными свойствами. Благодаря этому возросла стабильность обучения нейросети и качество генерируемых 3D-структур", - пояснил сотрудник научно-исследовательской лаборатории "Механика биосовместимых материалов и устройств" ПНИПУ, студент первого курса магистратуры Евгений Кононов.
По словам ученых, эксперименты показали, что визуальные и количественные оценки реконструированных нейросетью трехмерных моделей полностью соответствуют исходным структурам, а синтез происходит почти мгновенно. Как отметили в университете, предложенный алгоритм позволит ускорить и удешевить процесс исследования гетерогенных материалов без потери в качестве.
Исследование пермских ученых было выполнено при финансовой поддержке Российского фонда фундаментальных исследований при содействии Министерства образования и науки Пермского края с использованием наборов данных, полученных в рамках программы мегагрантов. Результаты работы исследователей опубликованы в журнале "Computer-Aided Design" (№158, 2023 год).
О мегагрантах
Мегагранты - программа международного сотрудничества российских вузов и научных организаций с учеными мирового уровня и ведущими зарубежными научно-образовательными центрами в сферах науки, образования и инноваций. Она стартовала в 2010 году, ее цель - создание в российских вузах и научных организациях исследовательских лабораторий мирового уровня под руководством ведущих ученых. В рамках программы в ПНИПУ была открыта научно-исследовательская лаборатория "Механика биосовместимых материалов и устройств". Федеральная поддержка до конца 2023 года составляет 90 млн рублей.
https://nauka.tass.ru
Демонстрация работы нейросетей - https://permlib.blogspot.com/2022/09/blog-post_58.html
Каталог нейросетей - https://permlib.blogspot.com/2023/02/blog-post_0.html
Комментариев нет:
Отправить комментарий