Российские и китайские ученые представили нейросетевой алгоритм, который в деталях воссоздает структуру сложных материалов. Разработка позволяет исследовать свойства бетона, горных пород и сплавов без дорогостоящих экспериментов.
Специалисты из Московского физико-технического института и Сычуаньского университета разработали новый метод анализа. Их алгоритм искусственного интеллекта объединяет разномасштабные изображения пористых сред, получаемые в ходе лабораторных исследований.
Проблема изучения неоднородных структур
Традиционные способы визуализации заставляли ученых выбирать. Они могли изучать либо общую структуру материала в объеме, либо мелкие детали на срезе. Это создавало значительные сложности для точного моделирования. Пористые среды вроде бетона, природного камня и ряда сплавов имеют иерархическую, многоуровневую структуру. Их характеристики, включая прочность и проницаемость, напрямую зависят от этой внутренней архитектуры.
Как работает двухэтапная нейросеть
Решение представляет собой комбинацию двух типов нейронных сетей. На первом этапе автокодировщик обрабатывает плоские снимки высокого разрешения. Он выявляет и сегментирует поры, трещины и другие микроскопические элементы. Затем генеративно-состязательная сеть объединяет эти данные с информацией о крупных структурных особенностях. Эти сведения берутся из трехмерных изображений низкого разрешения.
В итоге система строит детальную объемную модель материала. Ее можно использовать для численного моделирования физических процессов. Это позволяет с высокой точностью прогнозировать, как материал поведет себя под нагрузкой или как через него будут двигаться жидкости и газы.
Результаты и перспективы применения
Тестирование показало, что алгоритм не только точно воспроизводит свойства уже изученных материалов, но и вдвое превосходит существующие аналоги по точности моделирования мелких деталей.
Разработка открывает путь к созданию «цифровых двойников» сложных пористых сред. Такие виртуальные копии позволят значительно ускорить и удешевить исследования и разработки в ключевых отраслях. Технология найдет применение в нефтегазовой сфере для анализа коллекторов, в строительстве для проектирования новых материалов и в экологии для моделирования фильтрационных процессов.