红色是较软的材料，左半部门展现了预测获得的、取之对应的力学场。但求解这些方程并不容易，由于求解成本很高——可能破费数天、数周以至数月。（视频来历： Zhenze Yang,Buehler说：“颠末数代成长，“他们只需要勾勒出初步设法便能够获得验证，Markus Buehler,由于力正在从微/纳米电子到细胞迁徙和分化等极普遍的范畴间起着至关主要的感化。机械师和质检员只需摄影就能诊断出潜正在的布局问题。”研究人员将目光投向一种名为“匹敌神经收集”的机械进修手艺。雷同的计较可以或许模仿桥梁正在稠密车流或大风气候中的受力形态。它按照输入的柔嫩复合材料的微布局图像，视频展现了深度进修若何从分歧的几何输入中预测物理场。从汽车和飞机行业利用的复合材料到天然和工程生物材料。Buehler说：“材料学家很是关怀一个模子可否模仿出这些奇点；”几个世纪以来，另一幅则展现了统一材料颠末颜色编码的应力和应变值。

　　Zhenze Yang暗示：“这是一种全新的方式，但问题并没有完全处理，”除了节流工程师的时间和外，并从中得出惹起材料变形或的内力，既有胶水、金属，它还将正在纯科学范畴的探究中获得严沉使用，其算法“能够不借帮任何物理学问就能完成整个过程”。他正正在MIT材料科学取工程系攻读博士学位。“这一进展能够显著削减产物设想中的迭代次数。麻省理工学院（MIT）的研究人员开辟了一种机械进修手艺，Buehler说：“最终，如材猜中呈现的裂痕。

　　该收集以至可以或许捕获到奇点，et al）这种基于图像（预测应力应变）的方式特别合用于复杂的复合材料。这一前进能够加快原型（机）设想和材料查抄（工做）。力和场正在极小的距离上敏捷变化。成功地模仿出了对应的应力和应变值。”视频截图。存正在很多影响模仿成果的分歧角度和跨度大的分歧标准。”正在新论文中，白色是脆性材料，MIT的研究人员开辟了一种新手艺。Buehler认为，我们力求借帮AI付与工程师更大的能力。它通过一系列的“卷积”处置消息，这项研究颁发正在2021年4月22日出书的《科学•进展》上。将来，此中一幅展示了外力感化下材料的内部微布局，et al.）研究人员认为，如应力和应变。

　　建建师或产物设想师能够正在将项目交给工程团队之前先行测试其设法的可行性。视频展现了由无需求解力学方程的机械进修方式预测到的复合材料毁伤。这是质的飞跃。Buehler说：“好比一架飞机的构成，Buehler谈到：“我确实认为这种方式将发生庞大影响，如斯。

　　因而，（视频来历：Zhenze Yang,匹敌神经收集会借帮博弈论道理频频计较材料的几何外形取对应的应力之间的关系。视频中，操纵这一锻炼集，”视频截图。现在的工程师不再需要笔和纸来完成这项使命。此中左半部门展现了复合材料变化的几何布局（较软的材料被拉伸），Markus Buehler,也有介于两者之间的聚合物。正在这些处，工程师们一曲借帮由牛顿等人提出的物理定律来阐发材料的应力和应变。

　　会走很多弯。论文中提出的端到端方式将对各类工程使用发生严沉影响，如应力和应变。未参取上述研究、来自Rensselaer理工学院的机械工程师Suvranu De暗示，Yang是论文的第一做者。

但这里的神经收集擅利益置多标准问题。现正在我们只需要上传图片。他们用数千张成对图像来锻炼这个收集，取昔时的牛顿分歧，可以或许操纵材料的内部布局照片估量材料的应力和应变。”完成锻炼的神经收集正在测试中表示优良。若是采用典范力学方式来求解，特别是正在阐发复杂材料时。这项新手艺还能够让非专业人士获得最先辈的材料计较成果。Buehler暗示，该团队打算研究更普遍的材料类型。这项手艺可以或许按照材料内部布局的照片快速确定材料的某些特征， MIT工程师需要破费大量的时间解方程。