預(yù)測材料何時(shí)會斷裂的能力對于工業(yè)應(yīng)用來說非常重要——公司可以使用這些信息來更有效地維護(hù)設(shè)備和組件，并且更具成本效益。FAU和米蘭大學(xué)的一個(gè)研究小組已經(jīng)證明，人工智能可以根據(jù)從其原子微觀結(jié)構(gòu)圖像中獲得的信息預(yù)測石英玻璃何時(shí)會破裂。研究人員已在《自然通訊》雜志上發(fā)表了他們的研究結(jié)果。

玻璃是一種非結(jié)晶固體，與固體結(jié)晶材料相比，它的原子排列不一致。這使得預(yù)測玻璃何時(shí)會破裂變得更加困難：在沒有明確的順序的情況下，很難檢測到無序的最初跡象——這是結(jié)晶材料很快會破裂的重要跡象。由于人工智能深度學(xué)習(xí)的最新發(fā)展，研究人員現(xiàn)在可以可靠地預(yù)測玻璃何時(shí)可能破裂。

科學(xué)家們目前還無法解釋人工智能系統(tǒng)是如何實(shí)現(xiàn)其結(jié)果的，以及正在考慮和關(guān)注哪些參數(shù)，這是人工智能研究中的一個(gè)常見問題。“神經(jīng)網(wǎng)絡(luò)是黑盒子，”米蘭大學(xué)的StefanoZapperi教授解釋說，他在獲得洪堡獎后曾作為FAU的客座研究員一年。“這是科學(xué)研究的一個(gè)重要限制，其任務(wù)是解釋特定現(xiàn)象的原因。”

為了解決這個(gè)問題，研究人員正在使用一種方法來識別神經(jīng)網(wǎng)絡(luò)最常用于預(yù)測斷裂的微觀結(jié)構(gòu)圖像區(qū)域。

“神經(jīng)網(wǎng)絡(luò)試圖模仿大腦。我們也不總是了解大腦是如何達(dá)到某個(gè)結(jié)果的。但在人類中，至少我們可以觀察到眼球運(yùn)動等行為，這可以解釋如何做出某個(gè)決定，”FAU材料模擬教授、該研究的合著者M(jìn)ichaelZaiser解釋道。“我們對我們的問題采取了類似的方法，并調(diào)查了引起神經(jīng)網(wǎng)絡(luò)注意的點(diǎn)，基本上是按照它正在查看的內(nèi)容。”

這種方法使研究人員能夠調(diào)查影響壓裂行為的局部參數(shù)。“多虧了這種方法，我們能夠識別和更好地理解導(dǎo)致玻璃破裂的方面，不僅可以預(yù)測玻璃何時(shí)可能破裂，而且還可以獲得對玻璃材料力學(xué)的基本見解，”StefanoZappi說。“我們開發(fā)的策略可以應(yīng)用于進(jìn)一步的應(yīng)用，”MichaelZaiser補(bǔ)充道，“例如設(shè)計(jì)具有更好抗斷裂性的相關(guān)材料。”